行为识别
文章平均质量分 61
计算机视觉从零学
我只是借助CSDN博客这个平台来记录学习过程(相当于将其当作笔记本),难免会转载一些大牛的文章,如有侵权请见谅!
展开
-
一些工具类的使用
目录1.SummaryWriter()2. tqdm()1.SummaryWriter()使用SummaryWriter创建events;SummaryWriter()需要依赖tensorflow与tensorboard;from torch.utils.tensorboard import SummaryWriterlog_dir = os.path.join(save_dir, 'models', datetime.now().strftime('%b%d_%H-%M-%S') + '_' +转载 2022-04-06 09:45:44 · 91 阅读 · 0 评论 -
自定义语义分割数据集(划分训练集与验证集)、并且将一个文件夹下的所有图片的名字存到txt文件
我们可以借助Pytorch从文件夹中读取数据集,十分方便,但是Pytorch中没有提供数据集划分的操作,需要手动将原始的数据集划分为训练集、验证集和测试集,废话不多说,这里写了一个工具类,帮助大家将数据集自动划分为训练集、验证集和测试集,还可以指定比例,代码如下。工具类# 工具类import osimport randomimport shutilfrom shutil import copy2def data_set_split(src_data_folder, target_data_转载 2022-04-05 09:39:27 · 2212 阅读 · 0 评论 -
nn.Softmax(dim=1)(outputs) 与 torch.max(probs, 1)[1]的理解
已知在模型训练之后,会得出一个outputs,后遇到torch.max(probs, 1)[1]这行代码,不是很清楚它的意思,所以对其进行逐步调试,理清了思路:outputs = model(inputs)probs = nn.Softmax(dim=1)(outputs) # 得出一个(batch_size, 101)的Tensor, 指的是outputs在维度1,即每行上的元素相加等于1,即每个视频动作分别属于101个动作的概率相加等于1# tupleProbs = torch.max(pro原创 2022-04-01 10:18:16 · 1351 阅读 · 0 评论 -
线性判别分析LDA
目录1.前言1.1 样本的协方差矩阵超平面1.前言1.1 样本的协方差矩阵协方差矩阵超平面超平面转载 2022-02-25 09:01:46 · 250 阅读 · 0 评论 -
DT(密集轨迹)算法和iDT(改善的密集轨迹)算法
目录图像多尺度技术图像金字塔图像多尺度技术https://blog.csdn.net/qq_26570133/article/details/78846982 多尺度图像技术也叫做多分辨率技术(MRA),指对图像采用多尺度的表达,并且在不同尺度下分别进行处理。这样做的理由是很多情况下在一种尺度中不容易看清的或者获取的特性在另外的某种尺度下就很容易发现或者是提取。所以多尺度技术在提取图像特征时更加的常用。要在多尺度情况下对图像进行处理首先要在多尺度情况下对图像进行表达,并且找到各尺度之间的相互联系。而转载 2022-02-20 21:46:02 · 3007 阅读 · 0 评论 -
视频中人体行为识别与理解综述_杨兴江_笔记
原创 2022-01-11 15:22:45 · 192 阅读 · 0 评论