- 博客(10)
- 收藏
- 关注
RSS订阅原创 Python调用.dll文件,报错FileNotFoundError: Could not find module ‘xx\....\xx.dll
Python调用.dll文件,报错FileNotFoundError: Could not find module 'xx\....\xx.dll
2023-08-29 10:36:19
2185
3
原创 Win10下在VS2019中配置使用CUDA进行加速的C++项目 （配置.h文件，.dll以及.lib文件等）
在Visual Studio 2019的C/C++项目属性页中，常规（General）选项卡下的“附加包含目录”（Additional Include Directories）是用于指定额外的头文件包含目录的设置。通过在“附加包含目录”中添加路径，可以告诉编译器在这些路径中查找头文件。在项目属性中，将二进制输出目录（通常是“bin”目录）和库文件输出目录（通常是“lib”目录）添加到链接器的附加库目录中，是确保在链接过程中能够正确找到库文件的常见做法。
2023-08-23 16:30:24
4538
3
原创 CVPR2021| 继SE,CBAM后的一种新的注意力机制:坐标注意力机制（Coordinate Attention）
利用两个1D全局池化操作将沿垂直和水平方向的input features分别聚合为两个单独的direction-aware feature maps。 然后将具有嵌入的特定方向信息的这两个特征图分别编码为两个attention map，每个attention map都沿一个空间方向捕获输入特征图的远距离依存关系。 位置信息因此可以被保存在所生成的attention map中。 然后通过乘法将两个attention map都应用于input feature maps，以强调注意区域的表示。
2022-09-09 08:15:00
7985
1
原创 常用的即插即用的注意力机制模块（SE、CBAM）
CBAM注意力机制是由通道注意力机制（channel）和空间注意力机制（spatial）组成。传统基于卷积神经网络的注意力机制更多的是关注对通道域的分析，局限于考虑特征图通道之间的作用关系。CBAM从 channel 和 spatial 两个作用域出发，引入空间注意力和通道注意力两个分析维度，实现从通道到空间的顺序注意力结构。空间注意力可使神经网络更加关注图像中对分类起决定作用的像素区域而忽略无关紧要的区域，通道注意力则用于处理特征图通道的分配关系，同时对两个维度进行注意力分配增强了注意
2022-09-08 11:37:38
20321
2
原创 NMS(非极大值抑制）代码构建与详解
当进行预测时，将一张包含待检测目标的图片送入网络，会对同一个目标生成很多的预测框，我们只需要保留将该目标完美标出来的检测框即可，这时就会采用NMS算法来剔除我们不需要的框。...
2022-08-18 14:47:21
1348
原创 新的损失函数SIoU：结合图片和详细代码分块深入理解原理
SIoU进一步考虑了真实框和预测框之间的向量角度，重新定义相关损失函数，具体包含四个部分：角度损失(Angle cost)、距离损失(Distance cost)、形状损失(Shape cost)、IoU损失（IoU cost）。
2022-08-04 16:43:30
12071
4
原创 将图像分割数据集转为目标检测数据集（外接矩形坐标保存到XML文件中）
通过借助cv2.findContours（）函数来获取轮廓的坐标，再对坐标进行排序从而画出外接矩形，再将坐标转存到XML文件中，实现目标检测数据集构建（VOC格式），并根据xml文件在原图画出矩形框验证转换结果。...
2022-07-25 18:15:00
1353
1
原创 将图像分割数据集中的mask文件夹下保存的目标区域重新转为json格式
通过借助cv2.findContours（）函数来获取轮廓的坐标。为了方便查看，先将这些坐标以及图片名、宽和高都保存在result.csv文件中，再读取csv文件转存为json文件。
2022-07-25 18:00:00
3351
9
原创 yolov7：win10下的安装配置以及训练自己的数据集（从VOC转换为YOLO）
Win10下yolov7的安装配置以及训练自己的数据集（从VOC转换为YOLO）
2022-07-25 09:37:38
7349
9
原创 通过PYTHON画图来理解IOU的计算（学习随笔）
一、简要介绍IOU交并比（Intersection-over-Union，IoU），目标检测中使用的一个概念，是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。...
2021-10-11 09:21:49
1415
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