1. pytorch中保存好加载网络及参数的代码:
a. 保存及加载整个网络的结构及权重信息:
torch.save(Target_model, "model_save.pth");
Target_model=torch.load("model_save.pth");
b. 只保存网络的权重参数:
torch.save(Target_model.state_dict, "model_save.pth");
Target_model.load(torch.load("model_save.pth"));
2. 后续可继续做的创新方向:
a. Transfer Learning: 用于穆勒矩阵图像和偏振图像;
b. 多图压缩,包括多偏振图像和多穆勒矩阵图像;
c. Double Sparse,用于多穆勒矩阵图像和多偏振图像分类或者检索;
d. Deep Learning+LBP,将之前的LBP方法和Deep CNN或者Transformer结合起来;
e. Deep Learning+LSF, 将之前的水平集方法和Deep Learning结合起来;
f. Hierarchical LSF+CNN,单个水平集函数引入多个参数,将图像分割成任意多区域;
g. 多模态图像之间的信息融合,例如多偏振和多穆勒;
h. 对比分割后和不分割目标的分类结果;
i. 对比配准后和配准前的分类效果;
j. 稀疏卷积神经网络,用于减少神经网络的参数;
k. 非线性的特征变换以得到更好的分类结果,在之前ICIP文章的基础上进行改进;
l. 自动标注(分割)工具;
m. MullerDet: Detection with Mueller matrix.
3. AttributeError: 'int' object has no attribute 'time'问题的解决:
原因:在代码中有变量使用了time这个名字,并且time的类型发生了改变,使得和初始的不一致;
解决方法:将变量中time这个名字改成其它名字;
总结:以后给变量起名字不能起和系统中一些专有模块或函数相同的名字。
4.