CV
计算机视觉
狂奔的菜鸡
知行合一,格物致知。
展开
-
细粒度车型识别项目(基于DenseNet201, 数据集Stanfordcars-196,准确率:94.13%)
之前做的一个细粒度车型识别项目,数据集:斯坦福大学公开细粒度车型识别数据集,196类;测试准确率达到94.13%。深度学习框架:pytorch下面是部分代码文件,有需要的联系我:wx:cx960814...原创 2020-11-25 11:00:23 · 1777 阅读 · 2 评论 -
细粒度车型识别项目(数据集Stanfordcar-196)附源代码
这是本人去年在做的一个项目,关于细粒度车型识别的,目前已被《计算机工程与应用》录用,基于ResNet152基础框架,数据集StanfordCars-196,测试准确率已达到94.7%。链出知网地址:融合独立组件的ResNet在细粒度车型识别中的应用github源码地址:Car_Recogniztion希望能对大家有所启发!主要创新点:1.下采样层 图像下采样是深度学习中获取相应缩略图原创 2020-11-24 16:43:07 · 3146 阅读 · 9 评论 -
CAM(热力图)Torch代码实现
目录原创 2020-08-02 15:04:45 · 3465 阅读 · 0 评论 -
THE MUTUAL-CHANNEL LOSS (MC-LOSS,附代码分析)
目录在这一节中,我们提出了互信道损失(MC-Loss)功能,有效地导航模型,聚焦于不同的区分区域,而不需要任何细粒度的限定框/部件注释。在训练步骤中结合提出的MC-Loss的网络如图2所示。图2所示:使用MC-Loss的典型细粒度分类网络的框架。MC-Loss函数考虑输出特征通道作为输入,并使用超参数支持与交叉熵(CE)损失函数集合在一起。对于给定的输入图像,首先通过将图像输入基网络提取特征图;例如,VGG16或ResNet18。令所提取的feature map记为FFF∈RN×W×HR^{N×W原创 2020-07-07 18:18:06 · 2600 阅读 · 9 评论 -
计算机视觉(CV)概述
目录1. 图像分类2. 物体检测3. 图像分割4. 视频分类 最近在学习百度云智学苑的EasyDL课程时,发现这里对计算机视觉的简介挺清晰移动的,结合本人的一些理解,这里简述一下计算机视觉。 计算机视觉是一门研究如何使机器"看"的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。 原创 2020-05-09 21:57:46 · 6639 阅读 · 0 评论