- 博客(41)
- 资源 (4)
- 收藏
- 关注
RSS订阅
翻译 Keras中的各种Callback函数示例（含Checkpoint模型的保存、读取示例）-----记录
本文整理了绝大多数keras里的Callback回调）函数，并且收集了代码调用示例。大多数内容整理自网络，参考资料已在文章最后给出。回调函数Callbacks回调函数是一组在训练的特定阶段被调用的函数集，你可以使用回调函数来观察训练过程中网络内部的状态和统计信息。通过传递回调函数列表到模型的.fit()中，即可在给定的训练阶段调用该函数集中的函数。【Tips】虽然我们称之为回调...
2018-10-09 00:18:29
26440
7
原创 赛事推荐|遥感目标检测最新比赛（20230221-20230427）
MAFAT 卫星视觉挑战赛，遥感影像旋转目标检测比赛。（2023-04-01仍在进行中的，阶段一剩余时间20天）
2023-04-01 22:37:41
837
原创 赛事比赛|FLAIR遥感语义分割和域适应、baseline
该数据集总面积约为 800 平方公里，其中的斑块已在整个法国大都市地区进行采样，以说明不同的气候和景观（空间域）。数据集中包含的航拍图像是在不同的月份和年份（时间域）中获取的。全国范围内的遥感航空影像必然是在不同的时间和日期以及在不同的条件下获得的。使用的架构允许集成补丁式元数据信息，并采用常用的图像数据增强技术。每天的尝试次数和总尝试次数都是有限的，以确保在不同时间注册比赛的团队之间的公平性。任何集成来自 FLAIR-one 数据集的数据的通信都应包括对上面提供的数据集技术描述文件的引用。
2023-01-12 22:56:50
600
转载 《防删除转载》在docker容器内安装jupyterlab
如何在docker下安装jupyterlab；docker镜像+jupyterlab；docker容器+jupyterlab
2021-12-27 11:06:53
616
原创 pygdal安装（unbuntu环境下）GDAL安装
上次做个耕地提取比赛时，偶然听复现人员讲unbuntu环境下装GDAL库可以用pygdal，我之前用的都是win环境的.whl文件。时隔那个久，终于试了下，真香！安装过程比较简单，四行命令搞定1)首先，安装gdal依赖库，这个需要一段时间：sudo apt-get install libgdal1i libgdal1-dev libgdal-dev2)然后查询本地环境可以安装的pygdal版本：gdal-config --version我的查到的是1.11.33）接下来安装pip in
2021-12-01 09:54:56
7094
原创 2020年自然地理学和信息地理学领域T级分区目录（含GIS、遥感等）
目录按学科领域分为：自然地理学领域、人文地理学领域、信息地理学领域、自然资源领域和地球科学数据出版领域五个领域，将入选期刊分为T1级、T2级和T3级三个级别。其中，T1级是指已经接近或具备国际一流期刊，T2类是指国际知名期刊，T3类是指业内认可的较高水平期刊。本文主要包括自然地理学领域信息来源：中国地理学会官网http://gsc.org.cn/content.aspx?id=1108...
2021-11-05 13:30:57
1127
原创 遥感期刊论文速读2（2021年8月12日）
ISPRS Journal 期刊论文2021年6月-9月Urban scene understanding based on semantic and socioeconomic features: From high-resolution remote sensing imagery to multi-source geographic datasets 基于语义和社会经济特征的城市场景理解：从高分辨率遥感影像到多源地理数据集1.关键点2.摘要3.网络结构3.制图很好看，值得参考Multimodal re
2021-08-13 10:17:37
1560
2
原创 遥感期刊论文速读1（2021年8月12日）
ISPRS Journal 期刊论文2021年3月-5月Deep multisensor learning for missing-modality all-weather mapping 用于缺失模态全天候制图的深度多传感器学习1.关键点：2.相关工作3.深度多传感器学习3.1 The meta-sensory representation hypothesis3.2 Prototype结论A Global Context-aware and Batch-independent Network for r
2021-08-12 16:57:18
1527
5
转载 论文阅读笔记TRAML《Boosting Few-Shot Learning with Adaptive Margin Loss》
来源：CVPR2020 原文下载：https://arxiv.org/pdf/2005.13826.pdf源码地址：未开源解读转载自原作者：https://zhuanlan.zhihu.com/p/144538053?from_voters_page=true1、背景 近年来，在深度网络的帮助下，计算机已经在图像识别上取得了超越人类的效果。然而，深度神经网络参数量巨大，因此需要大量有标签的数据来训练。现实世界中，有很多场景没有这么多的标注数据，获取标注数据的成本也非常大，例如在医疗领域、.
2021-04-15 16:05:11
258
转载 论文阅读笔记《DeepEMD: Few-Shot Image Classification with Differentiable Earth Mover’s Distance》》
来源：CVPR2020原文：https://arxiv.org/abs/2003.06777v1.pdf代码：https://github.com/icoz69/DeepEMD 1.核心思想 本文提出一种基于推土机距离的度量学习的小样本学习算法（DeepEMD）。之前的基于度量学习的小样本学习算法通常是利用一个特征提取网络将支持集图像和查询集图像映射到一个特征空间，然后再设计或选择一种距离度量方式，来描述支持集图像和查询集图像之间的相似程度，并以此进行类别预测。而本文则是将图片拆分成多个图块，然后
2021-04-14 23:47:48
884
原创 论文阅读笔记《TADAM: Task dependent adaptive metric for improved few-shot learning》
这篇论文的理论和实验还是比较丰富的，加上数学公式的证明，读起来比较费时间。花了差不多两天的时间把论文原文和基本上所有的论文解读都读了一遍，并大概浏览了源码中的模型部分，收获很大。代码链接：https://github.com/ElementAI/TADAM作者首先证明了通过对嵌入的缩放，可以使余弦距离的精度接近欧氏距离。其次条件任务也是作者的一个很大创新，不过我还不了解FILM，加入任务条件可以看作是一个小样本学习的方式，推广之。最后，使用传统的监督分类对分任务中的数据协同训练特征抽取器，能够.
2021-04-13 23:00:34
376
1
转载 论文阅读笔记《Few-Shot Learning with Localization in Realistic Settings》
原文下载：https://arxiv.org/pdf/1904.08502v1.pdf 论文来源：CVPR2019 源码地址：https://github.com/daviswer/fewshotlocal 部分引用格式的是我自己添加的一点认识，其他部分都是摘自深视大佬：https://blog.csdn.net/qq_36104364/article/details/106495421核心思想 本文仍是基于度量学习的小样本学习算法，但本文从实际情况出发，通过改进训练方式，增加目标定位信息和增
2021-04-07 21:52:02
289
转载 论文阅读笔记《Dense Classification and Implanting for Few-Shot Learning》
原文下载：https://arxiv.org/pdf/1903.12290v1.pdf 源码地址：https://github.com/WenbinLee/DN4 部分引用格式的是我自己添加的一点认识，其他部分都是摘自深视大佬：https://blog.csdn.net/qq_36104364/article/details/106545685核心思想 本文是对基于度量学习的小样本学习算法进行改进。常见的度量学习算法通常利用一个嵌入式网络对图像进行特征提取，然后利用一个线性分类器进行分类。在训练
2021-04-07 21:26:55
513
转载 论文阅读笔记DN4《Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning》
原文下载：https://arxiv.org/pdf/1903.12290v1.pdf 源码地址：https://github.com/WenbinLee/DN4 部分引用格式的是我自己添加的一点认识，其他部分都是摘自深视大佬：https://blog.csdn.net/qq_36104364/article/details/106479996动机和笔记在图像级别学习嵌入可能不够有效，这里采用基于局部描述符的图像到类的度量，灵感来自于局部不变特征当年的强大之处。不够有效的原因下文有说。本文将同一
2021-04-06 23:35:16
2692
1
转载 论文阅读笔记RepMet《Representative-based metric learning for classification and few-shot object detection》
原文下载：https://arxiv.org/pdf/1806.04728.pdf 源码地址：https://github.com/jshtok/RepMet (MXNet) 部分引用格式的是我自己添加的一点认识，其他部分都是摘自深视大佬：https://blog.csdn.net/qq_36104364/article/details/106472082动机之前在做小样本学习时，如原型网络，基本假设是：类别分布在嵌入空间中是单峰的（类似正态分布，只有一个峰），也就是说存在一个原型点。但是在实际
2021-04-06 23:03:00
277
2
转载 论文阅读笔记VPE《Variational Prototyping-Encoder: One-Shot Learning with Prototypical Images》
变分原型编码器VPE：原型图象的one-shot learning将真实输入图像到对应的原型图像的图像转换任务当作元任务。因此VPE学习的是图像相似性和原型的概念。象形符号的原型图像，上边是交通标志，下面是徽标。这里的原型和原型网络中不同，这里指的是标准形式的原始符号。称为典范域中的图像。...
2021-04-01 09:51:01
371
转载 论文阅读笔记CTM：《Finding Task-Relevant Features for Few-Shot Learning by Category Traversal》
通过遍历类别查找小样本学习上的特定任务的特征这里的重点在遍历类别样本，提取类内不变性特征和类间唯一性特征1 核心思想之前的一些方法（孪生、匹配、原型、关系）把不同的类彼此独立看待，没有将整个任务当做一个整体，这阻碍了与任务相关的特征提取能力。换句话说，本文通过遍历支持集，在特征空间中发现（与任务相关的）类内共性和类间唯一性。本文主要提出了一种Category Traversal Module（CTM）类别遍历模块，即插即用，通过该模块可以实现上文所说的目的。1.1 问题引入：作者给了这么
2021-03-31 19:33:24
1028
转载 论文阅读笔记:Relation Network《Learning to Compare: Relation Network for Few-Shot Learning》
相关方法为原型网络和孪生网络，这些方法侧重于学习embedding，embedding对于输入数据进行变换，然后用固定的最近邻或者线性分类器来识别它们。与他们不同的是，本文定义了relation classiferCNN（有点侧重关系）,也就是说这里的度量是科学系的而不是固定的，或者说提供一个非线性的分类器。本文划分训练集、支持集和测试集；支持集和测试集共享相同的标签空间，但是训练集有自己的标签空间，与支持集/测试集不相交。如果...
2021-03-31 16:00:17
864
原创 [文献阅读]Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need? 思维导图
Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need?摘要最近元学习研究的焦点一直集中在开发能够快速适应测试时间任务、数据有限且计算成本低的学习算法。小样本学习被广泛用作元学习的标准基准之一。在这项工作中，我们证明了一条简单的基线：在元训练集上学习监督或自监督表示，然后在该表示之上训练线性分类器，其性能优于最先进的小样本学习方法。通过使用自蒸馏可以实现额外的提振。这表明，使用好的学习嵌入模型可以比复杂的元学习
2021-03-18 10:31:16
1108
原创 [文献阅读]Generalizing from a Few Examples-----A Survey on Few-Shot Learning 思维导图
仅仅是一个思维导图
2021-03-17 16:13:24
219
原创 Pycharm win7 键盘错乱/或者显示乱码
问题描述： pycharm社区版2018.3.7_X64位（官网下载）安装在win7上，输入1234567890显示的却是，0123456-，经大佬提示发现确实是每个字符相差了三个ascii码的位置。在复制出来后显示仍然正常，或者用其他文本编辑器打开显示同样正常，由此确定不是键盘响应的问题。问题如下图参考了知乎大佬对于界面乱码的解决方案，那个界面乱码的规律和这个...
2019-08-01 16:08:15
726
原创 如何在keras里自定义上采样层
内容和上篇雷同：name 'tf' is not defined的解决方案--------在Lambda层使用tf函数（基于keras）Keras里的UpSampling2D层不是中的双线性内插，而是简单的重复图像。这点和pytorch不一样，pytorch默认使用的是双线性内插。同样：这里仍然使用的是keras而不是tf.keras.keras里UpSampling2D的部分定义...
2019-07-24 21:28:05
5411
18
原创 name 'tf' is not defined的解决方案--------在Lambda层使用tf函数（基于keras）
问题描述：在使用Keras里的UpSampling2D层时发现它竟然不是我想象中的双线性内插，而是简单的重复图像。（这里使用的是Keras而不是tf.keras,使用时尽量不要两者混用）。在使用Lambda层包tf.image.resize_images后实现想要的双线性上采样，训练没有问题，但是在预测加载模型的时候报错：name 'tf' is not defined。自定义的上采样操作如下...
2019-07-24 21:18:30
18111
8
原创 《快速高准确度云检测算法及其应用》论文笔记
《快速高准确度云检测算法及其应用》----单娜------2009年遥感学报推荐指数：※※※（三颗星）日期：2019、06、24由于刚入手云雪检测方面的文章，好像并不是很多的样子。就先找几篇中文的熟悉下套路。这是2009年的一篇老文章了，只是根据一些统计出来的特征，使用了一个树状的判别结构进行云检测。具体分类器可联想CART决策树，不同的是作者设计的树状结构更为稍复杂。作者使用统计...
2019-06-24 16:11:03
708
原创 win10远程unbuntu 16.04【实验室内部参考】
问题描述：一台公用主机，含unbuntu16.04和win10双系统。在此我们想在自己台式机或者笔记本电脑上远程操作unbuntu上某个账户。实在是每次站在主机面前改代码什么的太麻烦了，每次一站个把儿小时，中间人来人往的还得避让。。。第一步：unbuntu端软件安装设置在unbuntu上安装xrdp，vnc4server，deconf-editor等。然后设置桌面共享。最后编辑de...
2019-04-21 11:07:56
492
转载 Datawhale|高级算法梳理(三)：XGBoost梳理
转载自：http://blog.itpub.net/31542119/viewspace-2199549/XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。讲解其原理前，先讲解一下CART回归树...
2019-04-10 21:21:03
321
转载 [caffe]pyloss.py代码详细注释----以EuclideanLoss为例
转自：https://github.com/BVLC/caffe/blob/master/examples/pycaffe/layers/pyloss.pyEuclidean Loss层用来计算两个输入差值的平方和： 对于caffe里存储的数据格式以及Blob解读： blob是...
2019-04-09 00:35:51
557
转载 Datawhale|高级算法梳理(二)：GBDT算法梳理
转自：https://www.cnblogs.com/pinard/p/6140514.html -------刘建平待后期修改公式，并加入自己的理解。在集成学习之Adaboost算法原理小结中，我们对Boosting家族的Adaboost算法做了总结，本文就对Boosting家族中另一个重要的算法梯度提升树(Gradient Boosting Decison Tree, 以下简...
2019-04-07 21:08:14
317
原创 unbutu 16.04 循环登录 报错/dev/sda2: clean。。。。 （仅供自己记录）
错误描述：可能因为驱动更新的原因，也可能是因为学校突然断电的原因，也有可能是因为主板电池蓄电满导致自动恢复bios的原因........总之，具体原因未知。电脑开机之后先进去了BIOS恢复界面，如图所示： 首先按照电脑售后的提示：按F1进入bios， 按F7进入高级模式，找到BOOT(启动)选项，然后找到启动设置，把带有F1的选项关闭。然后F10保存回车即可。成功进入桌面...
2019-04-05 22:30:23
13353
3
原创 Datawhale|高级算法梳理(一)：随机森林算法梳理
集成学习（ensemble learning）指的不是某一种机器学习方法，而是一类学习方法的统称。它通过构建并结合多个机器学习方法来完成学习任务。集成学习可以用于分类问题、回归问题等。几乎在所有比赛靠前的名次里，都可以看到集成学习的影子，比如“模型融合”：多个分类器经过一定的策略结合在一起共同得到一个鲁棒的模型。本文就对集成学习的原理做一个总结，可能侧重点会放在分类问题上。1、集成学习1....
2019-04-04 21:06:16
526
原创 混淆矩阵生成及其可视化
目的：传入两个数组（真实值和预测结果），计算混淆矩阵并使用matplotlib可视化出来参考自《PyTorch 模型训练实用教程》 作者：余霆嵩 https://github.com/tensor-yu/PyTorch_Tutorialimport numpy as npimport osimport matplotlib.pyplot as pltcls_num=5l...
2019-02-22 23:58:04
10117
2
原创 HED、RCF网络数据集制作------二值图提取类别的内边界
问题描述：我们需要把一个二分类的数据集（建筑物和背景），转换成一个二分类的数据集（建筑物边缘和背景），用于制作边缘提取网络的数据集。转换效果如下图所示：左半部分是未经转换的图片，右半部分是经过代码转换得到的图片 函数的主要思想：1）先按照行扫描，如果位于某位置为建筑物（此处建筑物的像素值为255），且其左边或者右边相邻的像素为背景（此处为0），则此位置为建筑物的边缘。...
2018-12-01 01:02:03
4161
22
原创 tf.pad详解
目录函数原型：二维填充示例：三维填充示例：官网解释及总结：本文主要整理自TensorFlow的官方英文文档。以及参考了两个博客，分别是：博主骑着蜗牛向前跑的tf.pad函数功能介绍和博主caicaiatnbu的[TensorFlow 学习笔记-08]tf.pad函数源码解析 侵删。 tf.pad()函数主要是对张量在各个维度上进行填充 函数原型：de...
2018-11-27 03:51:58
1004
原创 图片的裁剪和合并（python+opencv)
遥感影像的裁剪和合并（python+opencv)一、需求：1）把一张分辨率为13400*9333的遥感影像（RGB+alpha4个通道）裁剪成1024*1024的影像，用于作为深度学习神经网络的训练集。 2）并且能够把网络输出结果的小图片合并成原来的大小。 注：以上均舍弃不够整除的部分二：裁剪思路：1、先导入用到的库 2、调用cv2.imread()读取要裁剪的...
2018-09-14 19:46:27
20473
37
Arcgis Python开发进阶
2018-05-01
Python编程入门第3版
2018-05-01
2010年省县级人口数据
2018-01-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人