![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器视觉
得克特
深度学习 python
展开
-
记录一次c++实现图片颜色聚类的小需求
安装visual studio 2019安装c++的IDE Visual Studio 2019安装与使用配置opencv环境VS配置OpenCV开发环境(c++):How & Whywindows下OpenCV的安装配置部署详细教程代码python实现的核心代码(这里读取的是四图层图片)def image_process(img, o_path, p): # 图像二维像素转换为一维 # 转换成3列 data = img[:, :, :3].reshape((-原创 2021-03-11 17:45:59 · 262 阅读 · 0 评论 -
R-CNN论文翻译Rich feature hierarchies for accurate object detection and semantic segmentation
文章目录Abstract-摘要1 Introduction-简介2 Object detection with C-RNN2.1 模型设计区域建议 region proposalsfeature extraction-特征提取2.2 Test-time detection2.3 Training2.4 Results on PASCAL VOC 20123 可视化、分化训练和模型误差3.1 可视化...翻译 2019-03-22 22:01:47 · 305 阅读 · 0 评论 -
Concurrent Spatial and Channel ‘Squeeze & Excitation’ in Fully Convolutional Networks(附代码)
文章目录摘要介绍方法空间压缩和信道激励(cSE)通道压缩和空间激励空间和通道的压缩和激励模块(scSE)摘要 全卷积网络为大量应用设置了图像分割的最新技术,F-CNN中的结构创新集中在空间编码或网络连接来帮助梯度流。本文,探索了一种自适应地重新校准特征图的方向,来增加有意义的特征,同时抑制弱的特征。我们从最近提出的squeeze & excitation(SE)模块获得灵感,该模块是用...翻译 2019-03-30 12:03:00 · 3891 阅读 · 3 评论 -
The Lovasz-Softmax loss: A tractable surrogate for the optimization of the ´ intersection-over-union
文章目录1.简介2.子模损失函数的优化替代前景-背景分割多分类语义分割3.并集上的交集优化1.简介关于简介请参考Lovasz-Softmax loss2.子模损失函数的优化替代为了在连续优化框架中优化Jaccard,我们考虑了这种离散损失的平滑扩展。扩展是基于集合函数的子模分析,其中集合函数是从一组预测失误的集合映射到真实数据的集合。对于一个分割结果y∗y*y∗和真实值yyy我们定义类别...翻译 2019-03-30 21:55:45 · 2768 阅读 · 0 评论 -
np.histogram2d() 实例详解
文章目录函数实例函数以下是我从源码里copy来的,简单说下,x,y为两个(N,)形式的数组,bin可以接受int或者数组或者列表,下面的例子我们以列表为例,表示两个输入各自所分的刻度。结果返回一个数组,我们来具体看一下。def histogram2d(x, y, bins=10, range=None, normed=False, weights=None):“”"Compute the...原创 2019-03-31 14:18:53 · 12289 阅读 · 2 评论 -
The Lovasz Hinge: A Novel Convex Surrogate for Submodular Losses
文章目录1.介绍2.子模块损失函数2.1 集合函数和子模块3.存在的凸代理3.1扩展3.2和3.33.4 子梯度的计算复杂性4.Lovasz Hinge4.1 Lovasz 扩展4.2 Lovasz hinge4.3子梯度计算的复杂性4.4凸代理的可视化5.Jaccard Loss6.实验结果看完本文感觉比上篇论文清晰一些了,但是也只是懂了一点,还需要多看几遍吧。1.介绍统计学习在很大程度将...翻译 2019-04-01 15:04:53 · 2407 阅读 · 0 评论