- 博客(81)
- 收藏
- 关注
RSS订阅原创 MDPI模板报错的问题---提示缺少sty文件，并提供bib引入参考文献的方式
平时大多数提交IEEE trans模板时大多使用CTEX编译，然而，MDPI模板需要用texlive，二者之间如果先安装CTEX后安装texlive将会导致库文件的冲突。结果将会报缺少sty的文件错。网上提供了很多解决方案，然而，最有效的则是将CTEX的文件安装目录改个名字。此时再用texworks打开即可编译成功。当需要重新提交IEEE模板时再将ctex文件名改回即可。MDPI模板报错的问题—提示缺少sty文件。
2023-09-19 16:54:18
536
1
原创 pytorch中利用图像处理库transform将图像经过变换转换成张量，并可视化处理后的图像
# -*- coding: utf-8 -*-# -----------------------------------------------------# Time : 2021/7/14 上午8:39# Auth : Written by zuofengyuan# File : transform_.py# Copyright (c) Shenyang Pedlin Technolofy Co., Ltd.# -------------------------------------
2021-07-14 09:27:23
1169
原创 pycharm左侧项目文件出现黄色阴影解决
If by “shadow” you mean brown coloring, that means that directory is marked as “excluded” in project structure. The code will run, but code inspection and insight won’t work for excluded folders, so please remove “excluded” flag from Project Structure sett
2021-03-13 10:33:58
12319
9
原创 解决ubuntu文件夹带锁问题
cd dirsudo chown -R username filename第一步cd到文件夹路径第二步指定该文件夹带锁文件名username为电脑使用者名，filename为待解锁文件名输入后，需要输入密码，即可完成解锁
2021-02-07 09:56:01
3172
原创 python修改labelme标注生成的json路径
import jsona=json.load(open(r'E:\pythonpycharm\json----\000001.json'))print(a['imagePath'])a['imagePath']=a['imagePath'][a['imagePath'].rfind('\\')+1:]print(a['imagePath'])
2021-01-28 19:20:40
737
原创 Latex中引用文献，正文里有序号不是乱码问号，文献里无内容
解决：bib里的文献不要在和文献同一行使用%%注释在上一行使用即可解决：如下图正确下图不正确
2020-11-25 17:13:11
1199
原创 python利用try_except打印错误信息，并继续执行
try:#jia print('.............') except Exception as e: #print('错误类型是',e.__class__.__name__)#except:#jia print('错误明细是',e.__class__.__name__,e) #continue#jia continue
2020-11-12 08:26:08
10766
原创 latex三线表绘制，合并行与列
导入包在最前面导入包(别在正文后面导入，在签名声明)\usepackage{booktabs}\usepackage{multirow}创建一个简单的4行4列表格%%创建4行4列表格\begin{table}\centering\begin{tabular}{cccc} \toprulex&y&u&8\\\midrule5 & 6& z & w \\8 & 9 & 3& 4 \\10 & 7 &a
2020-11-11 19:31:00
7595
1
原创 将图片补成正方形，不够用黑色补
import cv2import osimport numpy as npdef get_resize_square(input,output):#,output for filename in os.listdir(input): image_path=input+'/'+filename image=cv2.imread(image_path) print(image) x=image.shape[1]##宽度
2020-11-03 22:45:45
1341
1
原创 计算图像感兴趣区域(ROI)的像素均值与标准差
import cv2import os#img = cv2.imread(img_path)#print(img)#m, s = cv2.meanStdDev(img)#print('均值',m)#print('标准差',s)def read_txt(wei_zhi):###阅读文本文件 with open(wei_zhi, 'r') as f: lines = f.readlines() splitlines = [x.strip().split(' ') f
2020-10-29 10:40:41
3402
1
原创 使用pytorch自己搭建LetNnet网络并训练一个小的分类器
1.网络介绍1、C1层（卷积层）：6@28×28该层使用了6个卷积核，每个卷积核的大小为5×5，步长为1，这样就得到了6个feature map（特征图），即深度为6。（32-5+1）/1特征图大小：每个卷积核（5×5）与原始的输入图像（32×32）进行卷积，这样得到的feature map（特征图）大小为（32-5+1）×（32-5+1）= 28×282. 池化层：池化层不改变通道数，卷积尺寸22，步长为2，通道数不变。输出尺寸：141463. 卷积层：该层使用了16个卷积核，每个卷积核
2020-10-28 20:18:07
313
原创 神经网络典型结构Alexnet,VGG,GoogLeNet,Resnet论文
1.AlexNet网络Deep Residual Learning for Image Recognition2.VGGVery Deep Convolutional Networks for Large-Scale Image Recognition3.GoogLeNetGoing deeper with convolutions4.ResNet ：Deep Residual Learning for Image Recognition
2020-10-27 22:25:39
262
原创 python将mat文件保存成图片，并比较两者数组关系
import scipy.io as ioimport cv2mat_dir=r'D:\research\ce_Faster-RCNN-TensorFlow-Python3-master\data\VOCdevkit2007\VOC2007\mat-JPEGImaes'#mat路径a = io.loadmat(mat_dir+'/'+'000001.mat') #加载文件print('a is:',a['data'])#打印mat文件字典中的值print('a.shape',a['data'].s
2020-10-26 15:22:06
1081
原创 python中enumrate,与采用len(list) or循环比较
seq = ['one', 'two', 'three']for i, element in enumerate(seq): print(i, element)for i in range(len(seq)): print(i,seq[i])0 one1 two2 three0 one1 two2 three推荐使用enumrate
2020-10-11 18:57:47
247
原创 读txt文档到列表与写列表中元素到txt文档
根据自己任务进行改写def read_txt(wei_zhi): with open(wei_zhi, 'r') as f: lines = f.readlines() splitlines = [x.strip().split(' ') for x in lines] ''' T=[] for i in range(len(splitlines)): sp=splitlines[i]+['qx'] T.append(
2020-10-11 16:39:35
191
翻译 2020cvpr最佳人脸识别-Suppressing Uncertainties for Large-Scale Facial Expression Recognition
原文链接代码即将开源Abstact由于表情模糊、低质量的人脸图像以及注释者的主观性等因素的影响，对一个定性的大规模人脸表情数据集进行注释是非常困难的。这些不确定性导致了深度学习时代大规模人脸表情识别的一个关键挑战。为了解决这一问题，本文提出了一种简单而有效的自修复网络（SCN），它可以有效地抑制不确定性，防止deep网络过度拟合不确定的人脸图像。具体而言，SCN从两个不同的方面抑制了不确定性：1）基于小批量的自我注意机制，对每个训练样本进行排序正则化加权；2）通过仔细的重标记机制，在排名最低的组中修改
2020-10-11 16:34:01
2913
3
原创 UnboundLocalError: local variable ‘list_max_score‘ referenced before assignment问题解决
问题原因：没有提前声明全局变量：问题解决：找到该变量所在函数位置在函数下面声明全局变量：global list_max_score
2020-10-11 15:38:06
1339
原创 列表嵌套列表时，输出比较里层列表某个元素的最大值所在的列表
#列表嵌套列表时，输出比较里层列表某个元素的最大值所在的列表T=[[ '1', '321.3', '287.1', '352.0', '298.4'], ['0.99', '319.4', '284.5', '354.2', '298.9'], ['1.2', '319.4', '287.2', '351.1', '297.1']]#目的输出：['0.989', '319.4', '284.5', '354.2', '298.9']def judege_max_list(list): max
2020-10-11 09:55:41
713
原创 python实现列表中俩俩元素不重复的比较
'''10个数，实现1与2，3，4，5，6，7，8，9，10比较。然后2与3，4，5，6，7，8，9，10比较接着实现3与4，5，6，7，8，9，10比较，一直到9与10比较。'''list=[1,2,3,4,5,6,7,8,9,10] #i = 0while (i < len(list)): for k in range(i + 1, len(list)): print(list[i],list[k]) #list[k] i = i
2020-10-09 19:13:36
2845
翻译 深度主动学习综述（Deep Active Learning）
原文Abstract主动学习试图通过标记最少量的样本使得模型的性能收益最大化。而深度学习则对数据比较贪婪，需要大量的数据供给来优化海量的参数，从而使得模型学会如何提取高质量的特征。近年来，由于互联网技术的快速发展，使得我们处在一个信息洪流的时代，我们拥有海量的未标记数据。借此，深度学习引起了研究人员的强烈兴趣，并且得到了快速的发展。和深度学习相比，研究人员对于主动学习的研究兴趣相对较低。这主要是由于在深度学习兴起之前，传统的机器学习所需要的标注样本相对较少。因此，早期的主动学习很难体现出应有的价值。尽管
2020-10-08 18:07:05
5963
原创 matplotlib绘制图像设置中文宋体，英文新罗马，字体大小7.5，坐标轴刻度线内侧
import matplotlibimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib import rcParamsmatplotlib.use("pgf")pgf_config = { "font.family": 'serif', "font.size": 7.5, #字体大小7.5 "pgf.rcfonts": False, "text.usetex": True, "pg
2020-10-04 16:40:18
5616
4
原创 基于PaddleDetection的PP-YOLO开源代码复现-训练-测试-以及测试时类别为官方标签解决-附加批量测试程序
项目介绍代码链接飞桨推出的Paddle-Detection是端到端目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的训练、精度速度优化到部署全流程。PaddleDetection以模块化的设计实现了多种主流目标检测算法，并且提供了丰富的数据增强、网络组件、损失函数等模块，集成了模型压缩和跨平台高性能部署能力。目前基于PaddleDetection已经完成落地的项目涉及工业质检、遥感图像检测、无人巡检等多个领域。PaddleDetection新发布精度速度领先的PP-YOLO模型，COCO数据集精
2020-09-25 22:47:31
3555
3
原创 pytorch版本用自己数据集复现Yolov4检测
制作数据集'''import xml.etree.ElementTree as ETimport pickleimport osfrom os import listdir, getcwdfrom os.path import join#sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]sets=[('2007', 'train'), ('2007',
2020-09-12 15:49:19
14722
17
原创 对numpy的数组取补集运算
import numpy as npa=np.array([[1,2,3],[4,5,6],[7,8,9]])#定义数组ab=list(a)#将数组变成列表print(b)d=np.array([[4,5,6],[7,8,9]])#定义数组dc=list(d)#将数组d变成列表l_last=[i for i in a if i not in d]#取补集运算print(np.array(l_last))#输出取补后的结果...
2020-09-05 09:11:37
2564
原创 思考R-CNN的一些问题，如何提取特征，分类，训练，测试
1.R-CNN是什么论文链接把region proposal和CNNs结合起来，所以该方法被称为R-CNN：Regions with CNN features，整个检测系统有三个模块构成。第一个，产生类别无关的region proposal：这些推荐定义了一个候选检测区域的集合；第二个是一个大型卷积神经网络，用于从每个区域抽取特定大小的特征向量；第三个是一个指定类别的线性SVM分类器。2.如何提取候选框使用了Selective Search方法从一张图像生成约2000-3000个候选区域。在目标
2020-08-28 11:30:46
4817
5
原创 利用pytorch版本yolo-v5在自己数据集上检测
1.准备代码并搭建环境复现环境ubuntu18.04+pytorch1.6.0+python3.7+cuda10.1代码链接下载源代码到指定文件夹下，终端进入yolov5-master文件夹下：pip install -r requirements.txt#加载必要的包2.制作数据集1.更改data/voc.yaml文件# PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC/# Train command: python tr
2020-08-15 15:56:50
1617
1
原创 使用mmdetction-cascade_rcnn用自己数据训练并测试
1.极力推荐的博客，写的非常好1.安装mmdectiongitthub链接复现环境ubuntu18.04+python3.6+CUDA10.1+pytorch1.51.创建激活虚拟环境conda create -n torch1.5 python=3.6source activate torch1.52.安装GPU-pytorch1.5.0conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 -c pytorch3
2020-08-13 17:24:29
2992
5
原创 python字典操作
1.打印键的值，添加删除键值对，修改键对应的值dict1={'a':'1','b':'2','c':'3'}print(len(dict1))#查看字典的长度print(dict1['a'])#打印字典的'a'键，的值print(dict1['b']) # 2dict1['d']='4'print(dict1)#添加一个键值对'd':4 {'a': '1', 'b': '2', 'c': '3', 'd': '4'}dict1['c']='5'#{'a': '1', 'b': '2',
2020-08-10 19:11:57
262
原创 读入并写入xml文件,制作voc-转coco数据集
annotations_dir='./VOC2007/Annotations'#标注信息out_path_train='/home/zuo/PycharmProjects/untitled/voc2coco-pattern-master/train_xml'out_path_test='/home/zuo/PycharmProjects/untitled/voc2coco-pattern-master/test_xml'out_path_val='/home/zuo/PycharmProjects/u
2020-08-04 14:42:19
545
原创 python在列表中指定位置添加字符串
1.末尾添加list.append()函数list=[1,2,3]list.append(4)print(list)2.指定位置添加list.insert(a,b)a为要添加在列表中的索引位置，b为要添加的字符list=[1,2,3,4]list.insert(1,5)print(list)#[1, 5, 2, 3, 4]list=[1,2,3,4]list.insert(0,5)print(list)#[5, 1, 2, 3, 4]list=[1,2,3,4]list.
2020-07-22 09:08:23
8219
1
原创 python实现字符串以某一字符为界限实现分割并保存到列表
str.split(’,’)str:字符串以逗号分隔import oscaijian='./cai_jian'lists=[]for filename in os.listdir(caijian): print(filename) list=filename.split(',') lists.append(list)print(lists)例子中的字符串是图片的名字，...
2020-07-20 10:52:30
3054
3
原创 DetectoRS:最强的目标检测网络介绍
论文链接代码链接1.摘要许多现代目标探测器都利用了两次looking和thinking的机制，表现出了优异的性能。在本文中，我们探讨了这种机制在目标检测主干设计中的应用。在宏观层面，我们提出了递归特征金字塔，它将来自特征金字塔网络的额外反馈连接整合到自下而上的主干层。在微观层面上，我们提出了可切换的空洞卷积，它将具有不同atrous rate对特征进行卷积，并使用开关函数收集结果。将它们结合在一起形成检测器，大大提高了目标检测的性能。在COCO-test-dev上，探测器实现了54.7%的目标检测
2020-07-15 17:15:10
4492
2
原创 Restoring from checkpoint failed. This is most likely due to a mismatch between the current graph解决
报错问题原因：训练的模型类别名称与测试时类别名称不一样导致改为
2020-07-12 14:29:56
2114
原创 python绘制ROC曲线图，并计算面积
1.原理及介绍很多学习器是为测试样本产生一个实值或概率预测，然后将这个预测值与一个分类阈值(threshold) 进行比较，若大于阈值则分为正类，否则为反类.例如，神经网络在一般情形下是对每个测试样本预测出一个 [0.0 ，1. 0] 之间的实值，然后将这个值与 0.5 进行比较，大于 0.5 则判为正例，否则为反例。这个实值或概率预测结果的好坏，直接决定了学习器的泛化能力。实际上根据这个实值或概率预测结果，我们可将测试样本进行排序，“最可能"是正例的排在最前面，“最不可能"是正例的排在最后面
2020-07-04 16:49:56
3259
原创 python生成交叉验证数据集
1.交叉验证介绍“交叉验证法” (cross alidation) 将数据D分为 k个大小相似的互斥子集，尽可保持数据分布的 致性，即从D通过分层采样得到后，每次用k-1 子集的并集作为训练集，余下的那个子集作测试集;这样就可获得k组训练 /试集，从而可进行 k次训练和测试，最终返回的是测试结果的均值 ，显然，交叉验证法评估结果的稳定性和保真性在很大程上取决于k的取取值，为强调这一点，通常把交叉验证法称为 ‘k折交叉验证" (k-fold cross validation). 最常用 的取 10
2020-07-03 16:14:41
2109
原创 无监督学习方面的两篇巨作simclr与MoCo介绍
一、SIMCLR介绍论文网址代码链接提出了一个简单的视觉表征对比学习框架SimCLR。简化了最近提出的对比自监督学习算法，而不需要专门的架构或内存库。为了了解是什么使得对比预测任务能够学习有用的表征，系统地研究了框架的主要组成部分。该文章发现：（1）数据扩充的组合对定义有效的预测任务起着至关重要的作用。（2）在表示和对比损失之间引入一种可学习的非线性变换，大大提高了学习表征的质量。（3）与监督学习相比，对比学习具有更大的批量和更多的训练步骤。通过结合这些发现，能够在ImageNet上大大优于以前
2020-07-02 15:18:11
5951
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