yezisir-CSDN博客

原创半监督语义分割分类

在半监督语义分割的领域，现有方法大致可分为两大类：基于自我训练（self-training）的方法和基于一致性正则化（consistency regularization）的方法。

2024-04-15 14:02:05 245 1

原创伪标签的生成

不确定部分被视为带有噪声的不可靠区域，不会参与分割头的监督。输入到全局平均池化层和分类层，以输出最终的分类得分。：从上述过程中，我们可以检索到每个类别的分类权重。：一阶段WSSS方法通常使用两个背景阈值。：对给定的图像，通过背骨网络提取特征图。进行重新缩放到 [0, 1] 范围内。个类别，ReLU 用于消除负激活值。：应用最大-最小规范化对。

2024-03-17 22:08:08 530 1

原创 eval模式和train模式的区别

Batch Normalization层：Dropout层：权重更新：计算图保存与跟踪：

2024-02-15 21:58:30 236 1

指数加权平均（Exponential Moving Average）是一种计算的方法，它给予的数据点更高的权重。这种方法在许多实时数据处理场景中非常有用，因为它可以减少随机波动的影响，并快速适应数据的最新变化。EMA的处理是一个过程，目的是在整个训练过程中捕捉更一般和稳定的统计特性。批归一化（Batch Normalization，BN）中的和这两个参数是在整个训练过程中的，用于在模型的推理或测试阶段对数据进行。在每个训练批次中，和moving_var其中，是当前批次数据的均值，

2023-11-30 09:13:25 268

原创 Python 中 *args 和 **kwargs 的区别

用于未命名的参数（位置参数），而。用于命名参数（关键字参数）。

2023-11-25 16:23:53 76

原创空洞卷积（Dilated Convolution）使输入和输出图像尺寸保持一致

要确保使用空洞卷积（Dilated Convolution）时输入和输出图像尺寸保持一致，需要正确设置卷积层的padding（填充）和dilation（空洞率）。这里的关键是确保填充量（padding）足够补偿由于空洞率（dilation）和卷积核尺寸（kernel size）引起的尺寸变化。要保持输入和输出尺寸相同，可以通过调整padding来实现。

2023-11-19 13:10:18 1694 1

原创 Mysql 查询一个可排序字段的Top 1

之前学Sql Server的时候，里面有一个top方法，挺好用的，mysql好像没有，只能用其他方法代替。SELECT 字段名 FROM 表名 ORDER BY 字段名 DESC LIMIT 1

2021-02-01 23:59:58 542

原创通过url向后台传的封装对象的List方法

在写项目的时候，比较困惑如何通过URL向后台传对象数组，发现一种比较好的方法记录一下对象params:{ para1:{ ig: 0, tes: 1 }, para2:{ ig: 2, tes: 3 } }URLhttp://IP地址:端口号?para1={"ig":0,"tes":1}&para2={"ig":2,"tes":3}有的时候，URL提交过后在Net.

2021-02-01 23:51:58 2155

原创 XShell 无法连接到 CentOS

XShell 无法连接到 CentOS保证本地电脑的服务里面的 VMware DHCP service 和 VMware NAT service 两个服务是启动的。打开服务后，重启网络服务即可。sshd对应的22号端口没有打开在终端输入：netstat -anp | more如果不包含该项使用以下命令开启sshd端口systemctl status sshd.service如果想设置为sshd端口开机自启systemctl enable sshd...

2020-12-01 20:17:30 189

Zinc's