- 博客(7)
- 收藏
- 关注
RSS订阅转载 cannot connect to X server
cannot connect to X server在Linux下运行Python代码遇到了这个问题。调查后发现，X server是Linux系统上提供图形用户界面的服务程序。当客户端主机Client访问服务器Server上的图形程序时，需要Server对该Client赋能访问图形程序的权限。所以原因是我在改opencv代码处理图片的时候，有一条cv2.imshow函数没有注释掉，这个函数在...
2019-10-28 20:27:20
681
转载 数据集标注工具
LabelMe：最著名的标注工具之一，虽然其用户界面有点慢，特别是缩放高清图像时。RectLabel：简单易用，只在 Mac 可用。LabelBox：对于大型标记项目很合适，提供不同类型标记任务的选项。COCO UI：用于标注 COCO 数据集的工具。VIA（VGG 图像标注器）。这是一个 HTML 文件，你可以下载并在浏览器中打开。原文：http://tech.ifeng.com/a/...
2019-07-02 10:54:36
1741
原创 Mask R-CNN
实例分割 vs. 语义分割语义分割：将不同种类别物体分割，同一类物体用一种颜色表示。实力分割：在语义分割的基础上对同类物体进一步细分。分为person1,person2,person3…Mask R-CNN思路在原始Faster-rcnn算法的基础上面增加了FCN来产生对应的MASK分支。即Faster-rcnn + FCN，更细致的是 RPN + ROIAlign + Fast-rcnn...
2019-07-02 10:52:40
186
原创 cascade R-CNN
级联R-CNN出现原因论文链接：https://arxiv.org/abs/1712.00726上文针对目标检测中IOU阈值选取问题。一味增大阈值，使得样本减少。容易导致过拟合。且train和inference阶段的阈值不同导致更严重的mismatch.回顾R-CNN：train阶段：RPN选取2000个proposals,然后送入fast R-CNN中进行筛选，proposals（128...
2019-07-01 20:57:38
551
转载 目标检测的数据增强技术
三大类对目标检测有效的操作~图像的增强在我的理解是一种正则，增强模型的泛化能力。从原始图像中得到新的数据在信息论角度还是不太可能。~目标检测的图像增强跟普通的图像增强不同的地方是还得考虑bounding box如何进行相应的变化！！！颜色操作：扭曲颜色通道，不改变边界框位置（例如，均衡化、对比化、改变亮度）。几何操作：几何扭曲图像，相对的也改变边界框标注的位置和大小（例如，旋转、剪切...
2019-07-01 18:59:05
1615
原创 SSD算法
文章目录1.目标检测的主流算法2.核心思想网络结构具体过程1.目标检测的主流算法two-stage以R-CNN，Fast R-CNN，Faster R-CNN等为代表的两阶段结构。产生一系列稀疏的候选框，然后对这些候选框进行分类与回归，two-stage方法的优势是准确度高。one-stage以YOLO、SSD等方法为代表的Single-Shot结构。该结构为真正的端到端训练。其主要思...
2019-06-29 10:23:05
1979
原创 PyTorch Geometric 一个几何深度学习库
这里写自定义目录标题GNN动机GN框架GNNGNN图神经网络可能解决深度学习中无法进行的因果推理关系。第一次描述图结构是在09年The graph neural network model (Scarselli, F., et al., 2009) [1] 这篇论文中提出。GNN喂入的是图，是非欧氏数据。目标是学习到结点的邻居的状态嵌入(有可能是结点标记)，用于节点分类。用于处理不规则结构...
2019-06-28 11:20:15
2466
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人