![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
知识
文章平均质量分 50
黄小黄i
一个双鱼座的程序猿
展开
-
pytorch1.10之fx
之前在对conv和bn算子融合的时候偶然得知在pytorch1.10中是可以进行部分操作的。故写下此学习记录。torch中的fx是原创 2022-03-21 11:08:44 · 1922 阅读 · 0 评论 -
python 设置文件自启动
from win32comext.shell import shellimport osimport pythoncomdef set_shortcut(): # 如无需特别设置图标,则可去掉iconname参数 try: # 要创建快捷方式的文件的完整路径 cur_path = os.getcwd().replace('\\', '/') filename = cur_path + '/.exe' # 将要在此路径创建快原创 2021-09-10 14:22:20 · 345 阅读 · 0 评论 -
神经网络中的激活函数
1、激活函数的作用在神经网络中,激活函数的作用是能够给神经网络加入一些非线性因素,使得神经网络能够很好的解决比较复杂的问题。如果不使用激活函数,神经网络中的每一层的输出只是承接了上一层输入函数的线性变换,无论神经网络有多少层,输出都是输入的线性组合。2、激活函数的发展经历了Sigmoid–>Tanh–>ReLU–>Leaky ReLU–>Maxout这样的过程,还有一个特殊的激活函数Softmax,因为它只会被应用在网络中的最后一层,用来进行最后的分类和归一化。3、Sigmo原创 2020-10-28 15:09:22 · 5801 阅读 · 0 评论 -
目标检测之FPN
目标检测之FPN从图上可以看出,FPN可以分为三个部分:①、自底向上的部分②、自顶向下的部分③、连接两个部分的跳接网络首先通过bottom-up path way由浅到深提取特征(就是正常的网络结构),在通过top-down path way和lateral connections 生成在每个等级都有丰富语义的特征金字塔,上采样部分采用最临近。Top-down path way其实很简单,高层特征上采样,与同级别的Bottom-up path way中的特征层的尺寸相同,但是其包含的语义信息更原创 2020-10-28 12:00:16 · 369 阅读 · 0 评论 -
深度学习之神经网络中的Epoch、Iteration、Batchsize
自己平时在训练的过程中老是对于这些概念的混淆。就整理如下。1、batch-sizebatch-size :即批次的大小,也就是一次训练选取的样本的个数。batch-size的大小对模型的优化和速度有着影响,尤其是GPU的个数不多时,最好不要把数值设置的很大。在设置的过程中最好使用2的倍数,因为计算机的内存为2的指数倍,采用2进制编码。batch-size的正确选择就是为了在内存效率和内存容量之间寻找最佳平衡。上图中的表示为:①、全批次(蓝色),当数据集的数量比较少的时候,我们可以采用全数据集,原创 2020-10-26 15:08:22 · 1492 阅读 · 0 评论 -
计算机视觉之非极大值抑制(NMS)以及各种变形
NMS:Non-Maximum SuppressionNMS,称为非极大值抑制,是目标检测框架中的后处理模块,主要用于删除高度冗余的bbox。在目标检测的过程中,对于每个obj在检测的时候回产生多个bbox,NMS的本质就是对每个obj的多个bbox去冗余,得到最终的检测结果。对于检测任务,NMS是一个必需的部件,其为对检测结果进行冗余去除操作的后处理算法。标准的NMS为手工设计的,基于一个固定的距离阈值进行贪婪聚类,(greedily accepting local maxima and disca原创 2020-10-22 15:23:26 · 879 阅读 · 0 评论 -
计算机视觉之正负样本不均衡问题
Anchor-based的目标检测器通过Anchor来得到一系列密集的候选框,然后按照一定阈值将候选框分成真样本(前景)和负样本(背景),最后按照一定的采样策略来进行训练。目标检测中广泛采用的采样策略是随机采样(正样本和负样本按照一定比例随机采样),然而随机采样并不能保证能够选取得到更有价值的样本(使检测器更鲁棒)。在探索更有效的采样策略的过程中,产生了两类方法:Hard Sampling:从所有候选样本中选择子集来训练模型。(包含hard negative mining、OHEM、IoU-balanc原创 2020-10-21 14:04:08 · 2802 阅读 · 1 评论 -
计算机视觉基础之mAP
## mAPmAP定义及相关概念mAP:mean Average Precision,即各类别AP的平均值AP:PR曲线下面积PR曲线:Precision-Recall曲线Precision:TP/(TP+FP)Recall:TP/(TP+FN)TP:IoU>0.5的检测框数量(同一Ground Truth只计算一次)FP:IoU <=0.5的检测框,或者是检测到同一个GT的多余检测框的数量FN:没有检测到的GT的数量图像检索mAP图像检索中的mAP和目标检测中的mAP原创 2020-10-15 10:39:52 · 3358 阅读 · 0 评论 -
计算机视觉基础之IoU和mIoU
IoUIoU(Intersection over Union),又称重叠度/交并比。1、NMS:当在图像中预测多个proposals、pred bboxes时,由于预测的结果间可能存在高冗余(即同一个目标可能被预测多个矩形框),因此可以过滤掉一些彼此间高重合度的结果;具体操作就是根据各个bbox的score降序排序,剔除与高score bbox有较高重合度的低score bbox,其中重合度的度量指标就是IoU2、mAP:得到检测算法的预测结果后,需要对pred bbox与gt bbox一起评估检测算原创 2020-10-10 10:53:12 · 12024 阅读 · 0 评论