- 博客(5)
- 收藏
- 关注
RSS订阅原创 代码阅读记录
cls_mask = image_pred_ * (image_pred_[:, -1] == cls).float().unsqueeze(1)首先image_pred_是个二维张量（即矩阵），-1指是是该数字所在位置的维度的最后一项。因此image_pred_[:, -1]表示这个矩阵中的列向量中的最后一列。多维张量也是如此，这个-1处在哪个位置，就是取了这个维度的最后一项。(image_pred_[:, -1] == cls）这是个判断语句，首先image_pred_是个矩阵，需要判断的最后一列
2021-06-02 16:35:59
140
原创 对pytorch的张量使用for循环
1. 一维张量对于一个一维张量，使用for循环，取出的是里面的每一项import torcha = torch.tensor[1, 2, 3]for b in a: print(b)此时输出结果为tensor(1)tensor(2)tensor(3)2. 二维张量代码import torcha = torch.tensor([[1, 2, 3], [4, 5, 6]])for b in a: print(b)输出结果tensor([1, 2, 3])tensor([
2021-06-02 15:33:00
6587
1
原创 对于RPN的理解
RPN全称regional proposal network，即区域生成网络。首先，对于输入图像，经过一系列CNN网络之后，特征提取得到了feature map。在feature map上找到一个可能的符合目标的点，称为锚点。找到这个点在原图上的对应点。以这个点为中心，画出多个不同尺寸的anchor，计算这个anchor与ground truth的iou（重叠率），如果iou大于阈值，代表这个anchor包含了某物体，将这个anchor保留下来。对于目标检测来说，大致的流程分两步，第一步首先判断出可能存
2021-06-01 11:15:14
802
原创 one-state 和 two-state神经网络的区别
one-state 和 two-state神经网络的区别one -state 神经网络模型：YOLO, SSD, SqueezeDet, DetectNet等two-stage神经网络模型：R-CNN， Fast R-CNN, Faster R-CNN 等首先给出各个网络的速度与准确度比较，由图可以发现，one-stage网络速度要快很多，但.one-stage网络的准确性要比two-stage网络要低1. 为什么one-stage的速度快很多因为two-stage的网络是首先生成候选框，然后
2021-01-31 17:20:00
825
原创 Eclipse的下载与使用
Eclipse的下载与使用1.进入Eclipse的官网https://www.eclipse.org/，点击右上角download。2.点击package，最好不要直接下载.exe文件，我下载了那个文件之后一直打不开。3.选择适合自己操作系统的压缩包。4.点击file下载，下载后解压即可使用...
2020-11-23 10:16:56
133
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