深度学习-筑基篇
深度学习中的基础
我有酒两杯
这个作者很懒,什么都没留下…
展开
-
模拟光照数据增强,高效版本
在训练神经网络模型时,经常会遇到因为光照、车灯、各种环境灯的影响导致目标漏检,而收集、标定相应的素材非常困难。使用数据增强的手段扩增训练集是一种简单、有效的方法。并行化,提高执行速度。会随机生成各种颜色的模拟灯光,不再是单调的白色。原创 2023-06-09 23:17:05 · 386 阅读 · 0 评论 -
Check failed: status == CUDNN_STATUS_SUCCESS (4 vs. 0) CUDNN_STATUS_INTERNAL_ERROR
解决 *Check failed: status == CUDNN_STATUS_SUCCESS (4 vs. 0) CUDNN_STATUS_INTERNAL_ERROR* 问题原因:深度可分离卷积中`group`参数大于1,导致torch模型在转caffe时出错。原创 2023-02-01 15:33:30 · 339 阅读 · 0 评论 -
pytorch中模型的各参数初始化
记录 pytorch中模型的各参数初始化方法,self.modules() ,kaiming初始化原创 2022-06-06 15:37:57 · 629 阅读 · 0 评论 -
数据增广代码整理
目录上下镜像左右镜像随机放大随机缩小MixUpCutOutimport numpy as npimport tensorflow as tfimport cv2 as cvimg = cv.imread(img_path)上下镜像作用: 如字面意思img = tf.image.flip_up_down(img).numpy()左右镜像作用: 如字面意思img = tf.image.flip_left_right(img).numpy()随机放大作用: 对原始影像放大1.2-原创 2022-05-25 18:52:52 · 402 阅读 · 0 评论 -
目标检测中数据预处理
数据预处理, 目标检测,resize,灰度填充原创 2022-05-03 11:02:13 · 943 阅读 · 0 评论 -
IOU的进化进程
0 前言此文章主要用于记录IOU、GIOU、DIOU、CIOU存在的缺陷以及各IOU解决的问题。分析其原理,并附上代码实现。(希望这篇文字能够顺利完成)1 IOU1.1 定义交并比(Intersection over Union)是一种测量在特定数据集中检测相应物体准确度的一个标准。1.2 数学表达式IOU=A∩BA∪BIOU=\frac{A\cap B}{A\cup B}IOU=A∪BA∩BA∩B=(x2−x1)∗(y4−y3)A\cap B=\left( x2-x1 \right)*原创 2022-04-25 17:10:58 · 331 阅读 · 0 评论 -
tf.keras.utils.Sequence
1、前言网上有很多这方面的介绍,我这里以加载文件来验证。使用 tf.keras.utils.Sequence 必须重写__init__, __len__, __getitem__可选重写 on_epoch_end还可以添加自定义的函数。2、代码class DataSet(tf.keras.utils.Sequence): def __init__(self, img_path, lab_path, batch_size): # 必要函数,初始化参数 supe原创 2021-06-30 10:54:57 · 953 阅读 · 0 评论 -
使用ElementTree解析XML文件
1、前言以VOC数据集中的XML标签为例,使用ElementTree解析XML文件2、步骤import xml.etree.ElementTree as ET2.1. 读取XML文件tree = ET.parse('./VOCdevkit/VOC2007/Annotations/000004.xml')2.2. 获取根节点root = tree.getroot()2.3. 遍历指定字段的子节点for j in root.iter('object'): pass注:.tag原创 2021-06-09 15:04:40 · 590 阅读 · 0 评论 -
自定义学习率(tensorflow2+)
1、前言学习率的设置对神经网络的训练很重要,一般都会在训练的前期用大的学习率,随着网络的迭代,逐渐减小学习率。此处介绍了3中自定义学习率的方法。2、代码import tensorflow as tfdef lrfn(epoch, init_lr=0.05, attenuation_rate=0.5, attenuation_step=5): lr = init_lr lr = lr * attenuation_rate**(epoch//attenuation_step)原创 2021-06-08 17:03:00 · 978 阅读 · 0 评论