- 博客(8)
- 收藏
- 关注
RSS订阅原创 yolov11的onnx模型C++ 调用的问题记录
解决办法：imgsize不是400，不能把_netWidth 和_netHeight从原来的640修改成400，imgsize应该根据在onnx模型导出的时候可以看到。：imgsize是416，把400改成416就好了。
2025-05-30 16:34:04
188
原创 YOLO11实例分割实战
使用labelme，在里面配置SAM分割一切模型，辅助标注得到所有图像的json文件检查json格式文件，确保，表示多边形点坐标），避免是表示矩形框坐标宽高）
2025-05-13 17:41:40
893
原创 LM Studio加载DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf本地模型不显示的问题
DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf在国内无法从无法下载后，转而在其镜像网站选择4位模型参数Q4完成了下载，但是在LM Studio的模型目录选项，点击右边路径设置，选择“在文件资源管理器中打开时”始终无法在文件目录下找到提前已经放在这的DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf？很奇怪！
2025-03-29 20:42:07
843
原创 如何从噪声估计网络UNet理解扩散模型能够根据时间步嵌入信息以学习到区分不同加噪阶段的噪声特性？
在扩散模型中，时间步 t 是模型生成过程中的一个重要参数，代表了扩散过程所在的进展。对于每一个时间步 t ，模型需要知道当前扩散到了哪一步，去噪操作也是如此。但是我们不能简单地将 t 作为一个标量直接输入模型，而是需要通过Time Embedding（类似于Positional embeddings）进行嵌入处理，通过将 t 编码进网络中，更多的原因如下：1、模型可能难以从这个单一的标量数值中提取足够的特征。
2025-03-25 21:01:32
852
原创 如何理解”由于U-Net 骨干特征的低频主导特性使得高频成分主要包含噪声，而下采样操作可以自然地滤除这些高频噪声“？
这种设计使U-Net在保留关键细节的同时，对输入噪声具有鲁棒性，尤其适合医学图像等噪声敏感场景。池化操作（如2×2最大池化）将局部区域的信息压缩为一个值，相当于对图像进行。U-Net的编码器（下采样路径）通过。U-Net的解码器通过。
2025-03-21 20:48:06
387
原创 如何理解DDPM反向去噪推导公式的方差不为0，而DDIM为0？
在 “DDIM (Denoising Diffusion Implicit Models)””中，方差等于0的概念实际上是指在生成过程中去除了噪声的随机性，或者说是生成过程中的 **隐式去噪**。这种情况出现在反向去噪的过程中特定的时刻，即反向过程的推理步骤不再依赖于传统的噪声模型中的随机噪声项，而是通过确定性地进行预测。为了更好地理解这个问题，我们需要深入了解DDIM和DDPM的反向过程的区别。1. DDIM的反向过程：DDIM改进了DDPM的反向过程，通过隐式去噪（Implicit Denoising
2025-03-13 23:39:00
1197
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