目标分类,识别,分类
spark-aixin
明明知道敏感不好,偏偏却特别敏感!
展开
-
构建模型及tensorboard使用
文章目录1、保存设置1、保存设置def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.原创 2020-11-05 19:20:50 · 145 阅读 · 0 评论 -
德国交通标志识别训练集、验证集的划分,测试集读取
需求:读取csv文件的最后一列,真是底子不实在,曲线救国啊!先读出来的是字符串的列表,不知道为何把表头也读进来了,然后把他踢出去(出栈),然后再转化为整型的列表。学会把每一步输出,学会debug!import csvdef read_label(dir): with open(dir, "r") as f: #"D:\\dataset\\GTS...原创 2020-04-09 15:47:15 · 2078 阅读 · 0 评论 -
轻量化网络学习 2 shufflenet网络
文章目录1、保存设置1、保存设置def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.原创 2020-09-12 13:30:50 · 414 阅读 · 0 评论 -
学习笔记--kaggle小麦比赛
文章目录1、保存设置1、保存设置def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.原创 2020-09-01 16:06:05 · 539 阅读 · 0 评论 -
Cheaper Pre-training Lunch: An Efficient Paradigm for Object Detection--Jigsaw预训练
文章目录1、保存设置1、保存设置def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.转载 2020-08-31 01:05:12 · 440 阅读 · 0 评论 -
学习笔记--目标分类8 ResNeXt
文章目录1、保存设置1、保存设置def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.原创 2020-08-27 00:58:23 · 634 阅读 · 0 评论 -
学习笔记--目标分类7 googlenet-V4
文章目录1、学习目标1.1、Inception-v4:76层1.2、Inception-ResNet1.3、Scaling of the Residuals2、inception系列3、启发点4、总结Inception-4,Inception-Resnet and the Impact of residual connections on learning1、学习目标1.1、Inception-v4:76层六大模块:stem、inception-A/B/C、reduction-A/B1.2、In原创 2020-07-28 10:06:57 · 268 阅读 · 0 评论 -
学习笔记--目标检测2 yolo系列
文章目录1、双阶段2、单阶段3、机器学习--基于特征工程4、yolo15、yolo26、yolo90007、yolo38、yolo41、双阶段第一级网络用于候选框区域提取,第二级网络对提取的候选区域进行分类和精确坐标回归2、单阶段摒弃了候选框区域提取这一步骤,只用一级网络就完成了分类和回归任务3、机器学习–基于特征工程特征提取–特征筛选–输入分类器4、yolo14.1、一次性输出所检测到的目标信息:类别和位置4.2、只要求这个物体的中心在某个grid之内每个grid都预测B个boundi原创 2020-07-27 21:25:31 · 661 阅读 · 0 评论 -
轻量化网络学习 6 Attention-transfer
文章目录0、注意力动机1、 注意力转移1、注意力机制3个类型空间域spatial domain:更多关注特征空间信息,决定空间中哪些区域重要,那些不重要通道域channel domain:关注通道信息混合域mixed domain:同时关注4个应用2、基于激活的注意力转移,前馈过程3、基于梯度的注意力转移,反馈过程2、轻量化改进手段3、研究意义4、总结5、论文总结6、最后0、注意力动机并不是首次提出,已经应用效果好;来自知识蒸馏,只学习最后层的知识,本研究用在训练过程特征图中1、 注意力转移1、注原创 2020-07-27 16:45:21 · 1252 阅读 · 0 评论 -
SVM垃圾邮件分类
文章目录spamProcessEmail.py预处理spamEmailFeatures.py特征提取svmClf_spam.py训练spamProcessEmail.py预处理import numpy as npimport reimport nltk, nltk.stem.porterdef process_email(email_contents): vocab_list = get_vocab_list() word_indices = np.array([], dty原创 2020-07-18 00:05:04 · 814 阅读 · 0 评论 -
yolo、voc格式数据集
文章目录1、准备工作2、需要这样的TXT1、准备工作1.1、200类的,分类存放的数据集,每个文件夹内是具体的类别1.2、边框信息1.3、类别信息1.4、图片信息2、需要这样的TXT2.1、只含类别的TXT一个脚本其实可以实现,通过手动也可以实现,手动实现的方法:可以将1.3的TXT复制到Excel中,选中,按.分列,然后将类别那列复制出来放到TXT里,这样可能会遇到别的编码的问题,具体遇到再说最后得到:命名为voc_classes.txt2.2 图片的位置即图片上目标位置的TXT原创 2020-07-11 13:38:48 · 3090 阅读 · 2 评论 -
学习笔记--softmax--交叉熵--网络的预测过程--蒸馏--安库
文章目录1、理解softmax2、理解交叉熵3、神经网络的预测过程4、知识蒸馏5、蒸馏过程教师网络训练:蒸馏教师网络知识到学生网络6、模型训练7、数据预处理和加载8、群里得到的一些小消息低功耗实例分割比赛YOLOv4论文:cuda一种激活函数我想把检测部分的准确率提高一点,不知道有哪些trick11卷积1X1卷积全卷积分割9、保存最佳模型10、蒸馏1、理解softmaximport torchimport torch.nn.functional as Foutput = torch.randn(2原创 2020-07-10 10:56:27 · 791 阅读 · 0 评论 -
深度学习中卷积的发展意义、CNN构架的设计原则、基础网络架构的总结、轻量化网络结构
文章目录一、卷积存在的意义1、局部感受野:2、共享参数:区别于全连接二、CNN构架设计原则三、基础网络架构的总结1、Alexnet2、Inception3、VGG4、resnet5、xception。一、卷积存在的意义1、局部感受野:卷积核对应的区域2、共享参数:区别于全连接全连接每个神经元都对应n个参数,这n个参数都是不一样的但是卷积中假设每次卷积时一个卷积核对应的参数是一样的二、CNN构架设计原则一般特征图越来越小,通道数会越来越多三、基础网络架构的总结1、Alexnet引入dro原创 2020-07-04 19:25:03 · 568 阅读 · 0 评论 -
Googlenet训练,预测3类的分类任务
需求:在模型优秀的基础上,画出损失和折线图画出预测结果和实际标签之间的对应图1、模型读取模块import numpy as npimport torchimport osimport randomfrom PIL import Imagefrom torch.utils.data import Datasetimport torchvision.models as modelsdef get_googlenet(path_state_dict, device, vis_mod原创 2020-07-18 14:05:59 · 893 阅读 · 1 评论