CV实践-异常检测 Task2

最新推荐文章于 2024-06-18 17:00:07 发布
最新推荐文章于 2024-06-18 17:00:07 发布
阅读量73 收藏
点赞数
分类专栏： CV 文章标签： 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43057279/article/details/114002884
版权

Baseline学习及改进

关于Docker

可以查看这一篇

Baseline改进思路

  • 数据扩增：训练样本扩增随机竖直/水平翻折，色彩空间增强，使缺陷样本均匀 自适应anchor策略 适当减少回归框损失的权重 正负样本类别
    多尺度训练 空洞卷积替换FPN最后一层 FPN改进尝试：NAS-FPN、AC-PFN Anchor 匹配策略

以上是datawhale给出来的

我的一些感想

因为这段时间在忙论文相关的事，所以没有全身心投入这次的组队学习中
现在的情况是这样的
首先我对linux系统不太熟 对于docker相关浪费了比较多的时间 每天7小时左右
对于现阶段的我来说已经是极限了 所以可能就到此为止了
这是一次很好的学习机会 感谢这段时间帮了我很多的小马哥

小胖胖7
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CV实践-异常检测 Task 1
小胖鸡的博客
02-22 158
CV实践-异常检测 Task 1谈谈问题吧那该咋办复现docker获取镜像库公网网址制作镜像并推送至镜像库1.login docker（请将tianchi替换成自己的账号）2.在文件需要copy至镜像内的目录下新建Dockerfile文件，如：Base Images从天池基础镜像构建 FROM registry.cn-shanghai.aliyuncs.com/tcc-public/keras:latest-cuda10.0-py3把当前文件夹里的文件构建到镜像的根目录下 ADD . /指定默认工作目录为根
用于异常检测的多分辨率知识蒸馏
weixin_48866452的博客
05-08 2179
Unsupervised representation learning has proved to be a critical component of anomaly detection/localization in images. The challenges to learn such a representation are two-fold. Firstly, the sample size is not often large enough to learn a rich generaliz
CV实践-异常检测（DateWhale）Task1学习笔记
qq_37991991的博客
02-21 194
CV实践-异常检测（DateWhale）Task1学习笔记 本文将记录我从第一次接触Docker到第一次成功在阿里云上提交自己的镜像的过程。 1.下载Docker Desktop 该软件是免费的，直接搜索就可以下载，我用的是windows系统。 https://hub.docker.com/editions/community/docker-ce-desktop-windows/. 下载安装后，启动Docker Desktop并申请自己的Docker id，这样就登录后就可以构建自己的本地镜像，然后用容器运
PaddleDetection研究报告——百度目标检测PP-YOLOE论文解读+实践应用
weixin_45901142的博客
12-13 2510
解读百度目标检测论文PP-YOLOE及开源项目PaddleDetection应用
《异常检测——从经典算法到深度学习》23 TimesNet: 用于常规时间序列分析的时间二维变化模型
Smileyan's blog
10-31 2073
TimesNet 时间序列模型概述
MSMG-Net: Multi-scale Multi-grained Supervised Networks for Multi-task Image Manipulation Detection
weixin_43780665的博客
04-17 694
摘要：近年来，随着图像编辑技术的飞速发展，图像篡改所带来的安全风险越来越大，图像篡改检测受到了广泛的关注。为了解决这些问题，提出了一种新型的多尺度多粒度深度网络(MSMG-Net)来自动识别被操纵区域。在我们的MSMG-Net中，采用并行的多尺度特征提取结构来提取多尺度特征。然后通过引入分流自注意，利用多粒度特征学习来感知多尺度特征的对象级语义关系;为了融合多尺度多粒度特征，采用自底向上的方法设计了全局和局部特征融合块用于操作区域分割，采用自顶向下的方法设计了多级特征聚合块用于边缘部分检测。 因此，MSM
《异常检测——从经典算法到深度学习》26 Time-LLM：基于大语言模型的时间序列预测
Smileyan's blog
03-03 2219
基于大模型的时间序列预测。
【Machine Learning】23.Anomaly Detection 异常检测
m0_51371693的博客
11-01 465
异常数据的检测，这实际上也是一种无监督学习（因为不知道什么是异常）
【GitHub项目推荐--计算机视觉】【转载】
j8267643的博客
01-28 639
通过 EasyCV 你可以快速体验最新的图像自监督学习和 Transformer 技术，并且 EasyCV 还包含一些常见的计算机视觉的任务，比如图像分类、目标检测等等。EasyCV 是阿里巴巴开源的基于 PyTorch 的 Computer Vision 工具箱，主要专注于自监督学习和 Transformer。开源地址：https://github.com/alibaba/EasyCV。
计算机视觉-物体检测实战.rar
02-03
分享一套物体检测课程——计算机视觉-物体检测实战（2020年10月新课） 物体检测实战课程旨在帮助同学们快速掌握当下计算机视觉领域主流检测算法及其实例应用。所有算法均选自实际企业项目中常用架构，通俗讲解算法...
python机器视觉实践课程设计作业-车牌检测与识别系统源码（95分以上）.zip
05-09
python机器视觉实践课程设计作业--车牌检测与识别系统源码（95分以上）.zip个人经导师指导并认可通过的98分课程设计项目，主要针对计算机相关专业的正在做课程设计、期末大作业的学生和需要项目实战练习的学习者。...
人工智能-项目实践-计算机视觉-yolov5目标检测模型的知识蒸馏（基于响应的蒸馏）.zip
12-26
人工智能-项目实践-计算机视觉-yolov5目标检测模型的知识蒸馏（基于响应的蒸馏） 教师模型： python train.py --weights weights/yolov5m.pt \ --cfg models/yolov5m.yaml --data data/voc.yaml --epochs 50 \ --...
计算机视觉-目标检测面试题目及其答案
04-01
计算机视觉和目标检测是深度学习领域中备受关注的研究方向之一，其在自动驾驶、智能监控、医疗影像分析等领域有着广泛的应用。在面试中，经常会遇到一些基础但又非常关键的问题，下面将对其中的10个经典问题进行详细...
人工智能-项目实践-旋转目标检测-基于yolov5的旋转目标检测
03-27
yolov5 + csl_label.(Oriented Object Detection)（Rotation Detection）（Rotated BBox）基于yolov5的旋转目标检测
动手学深度学习（Pytorch版）代码实践 -深度学习基础-12Kaggle竞赛：预测房价
最新发布
李思成的博客
06-18 330
【代码】动手学深度学习（Pytorch版）代码实践 -深度学习基础-12Kaggle竞赛：预测房价。
深度学习之---迁移学习
lbr15660656263的博客
06-15 995
迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发 的模型作为初始点，重新使用在为任务 B 开发模型的过程中。迁移学习是通过 从已学习的相关任务中转移知识来改进学习的新任务，虽然大多数机器学习算 法都是为了解决单个任务而设计的，但是促进迁移学习的算法的开发是机器学 习社区持续关注的话题。迁移学习对人类来说很常见，例如，我们可能会发现 学习识别苹果可能有助于识别梨，或者学习弹奏电子琴可能有助于学习钢琴。
gcn+tcn+transformer入侵检测
q742971636的博客
06-15 1114
的公式实际上是图卷积网络（GCN）层的核心操作。
动手学深度学习（Pytorch版）代码实践 -深度学习基础-04图片分类数据集
李思成的博客
06-18 281
【代码】动手学深度学习（Pytorch版）代码实践 -深度学习基础-04图片分类数据集。
javacv 抖动异常检测
03-21
JavaCV是一个基于OpenCV的Java接口库，它提供了许多用于计算机视觉和图像处理的功能。抖动异常检测是JavaCV中的一个功能，用于检测图像或视频中的抖动异常。 抖动异常通常是由于相机或手持设备的不稳定性引起的，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值