深度学习
文章平均质量分 85
Vo Racci
啥都想学,啥都不会
展开
-
Pytorch教程(二)—— 网络搭建篇
前置知识本篇主要介绍用Pytorch搭建神经网络的代码实现,在学习这些之前需要一些前置知识如下,如果不太了解的话可以先去B站看吴恩达系列的深度学习入门教程+CS231N课程。基本神经网络知识卷积网络基本知识1. 基本操作Pytorch作为一款强大的深度学习框架,提供了大量的常用深度学习算子,本篇介绍一些常用的操作(其实完全可以看pytorch源码,里面的注释文档都做了很清晰的解释,我也只是翻译了一下,pytorch的源码写的非常清晰非常棒)。卷积操作torch.nn.Conv2d(in原创 2021-04-24 14:16:48 · 656 阅读 · 1 评论 -
Pytorch教程(一)—— 安装篇
写在前面最近帮老师给实验室的师兄弟姐妹们(怎么叫都不太对的样子233)整理一下pytorch的教程 ,顺便自己也巩固下这方面的知识。这个教程主要会分为几个部分:安装篇搭建网络篇数据处理篇训练篇其他除了像其它普通博客一样介绍一些基本的知识以外,我还会结合自己比赛、科研的一些代码经验进行一些拓展。该系列教程不光适合初学者,对于有一些知识储备的同学来说我相信也会有一定意义的。当大家看完这部分之后也可以参考我的往期博客做一些小实战。GAN生成MNIST数据集(pytorch版)kaggle入原创 2021-04-23 16:28:41 · 326 阅读 · 0 评论 -
超像素论文(三)——AINet: Association Implantation for Superpixel Segmentation
一、 传送门论文链接:https://arxiv.org/abs/2101.10696二、 简介超像素的通常策略是将图片分成规则方格,然后估计每个像素和它相邻方格的关系,最后得到超像素分割的结果。因此,如何准确的估计像素和相邻方格的关系至关重要。在Superpixel Segmentation with Fully Convolutional Networks(CVPR2020)中,利用U-net得到一个h×w×9h\times w \times 9h×w×9的矩阵来作为像素和周围九个超像素的关原创 2021-03-28 23:17:37 · 1553 阅读 · 3 评论 -
真正的端到端超像素网络——Superpixel Segmentation with Fully Convolutional Networks(CVPR2020)
0. 传送门论文地址:https://arxiv.org/abs/2003.12929github地址:https://github.com/fuy34/superpixel_fcn1. 简介超像素最直观的解释,就是把一些具有相似特性的像素“聚合”起来,形成一个更具有代表性的大“元素”。目前超像素难以和深度学习相结合主要由两个原因:标准卷积运算是在规则网格上定义的,当应用于超像素时其效率会变的很低。超像素的聚类操作具有不可微分的计算,使得无法使用反向传播进行深度学习。在我之前的解读Sup原创 2021-02-03 23:41:40 · 4504 阅读 · 14 评论 -
解读Superpixel Sampling Network论文
文章目录1. 介绍1.1 超像素概念1.2 超像素与深度学习1.3 本文的贡献2. 前提知识2.1 SLIC算法简介3. SSN3.1 可微分的SLIC3.2 SSN网络3.3 算法步骤3.4 像素和超像素表示之间的映射4. 学习特定任务的超像素1. 介绍1.1 超像素概念超像素最直观的解释,就是把一些具有相似特性的像素“聚合”起来,形成一个更具有代表性的大“元素”。对于较大的图片,可以在不牺牲太大精度的前提下对图片进行“降维”。如下图,每个小块代表着具有将具有相似特征的像素聚合得到的元素1.2原创 2020-07-15 23:07:24 · 4117 阅读 · 9 评论 -
kaggle入门比赛Dogs vs Cats(pytorch实现)
文章目录1. 比赛简介2. 数据集处理3. 代码实现3.1 加载处理数据集3.2 模型的建立、训练、测试模型建立模型训练模型测试model.py(完整代码)3.3 使用模型test.py测试结果1. 比赛简介Dogs vs Cats 是kaggle中一个关于图像的入门级比赛,该比赛提供的数据集中包含猫和狗的图片各12500张,总共25000张图片。比赛要求在这个数据集上训练,使计算机能尽可能准...原创 2020-02-23 23:17:41 · 3010 阅读 · 3 评论 -
GAN生成MNIST数据集(pytorch版)
前言最近准备研究关于用GAN神经网络实现图片超分辨的项目,为了理解GAN神经网络的内涵和更熟悉的掌握pytorch框架的用法,写了这个小demo熟悉手感思想GAN的思想是是一种二人零和博弈思想,网上比较流行的一种比喻就是生成模型(G)是印假钞的人,而判别模型(D)就是判断是否是假钞的警察。判别网络的目的:就是能判别输入的数据(如图片)它是来自真实样本集还是假样本集。假如输入的是真样本,网...原创 2020-02-18 16:56:31 · 7019 阅读 · 12 评论