![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
lowl
这个作者很懒,什么都没留下…
展开
-
cuda大坑
问题RuntimeError: No CUDA GPUs are available问题是GPU明明都是可用的!!!!查资料可知:cuda在使用之前要检查是否可用,不检测默认不可用torch.cuda.is_available()原创 2021-09-05 12:15:43 · 1073 阅读 · 0 评论 -
self-attention pytorch实现
Attentionclass Attention(nn.Module): def __init__(self, dim, num_heads=2, qkv_bias=False, qk_scale=None, attn_drop=0., proj_drop=0.): super().__init__() self.num_heads = num_heads head_dim = dim // num_heads self.scale原创 2021-03-18 17:51:21 · 1771 阅读 · 0 评论 -
图像 patch Embedding
import torchimport torch.nn as nnclass PatchEmbed(nn.Module): """ Image to Patch Embedding """ def __init__(self, img_size=224, patch_size=16, in_chans=3, embed_dim=768): super().__init__() img_size = (img_size, img_size)原创 2021-03-18 17:45:44 · 2301 阅读 · 0 评论 -
基于OpenCV-python的图像融合
图像融合一种常见的融合方法是将两张图像进行加权求和,并添加一个gmma值,作为偏移量具体公式为:merge = (image1)*(alpha) + (image2)*(beta) + gamma其中,image1,image2分别为要融合的两张图,alpha,beta分别是两种图像融合时的权重,增大权重可以突出对应图像在融合结果中的明显程度python-opencv方法原型:def addWeighted(src1, alpha, src2, beta, gamma, dst=None, d原创 2020-12-17 15:53:40 · 1327 阅读 · 1 评论 -
python实现图像阴影去除
导入依赖import cv2import numpy as np最大滤波def max_filter(image,filter_size): # padding操作,在最大滤波中需要在原图像周围填充(filter_size//2)个小的数字,一般取-1 # 先生成一个全为-1的矩阵,大小和padding后的图像相同 empty_image = np.full((image.shape[0] + (filter_size // 2) * 2, image.shape[1] +原创 2020-12-17 10:43:39 · 6610 阅读 · 11 评论 -
多模态特征表示和融合
多模态融合(fusion)多模态融合是将来自多种不同模态的信息进行整合,用于分类任务或回归任务。值得注意的是,在最近的工作中,对于像深度神经网络这样的模型,多模态表示和融合之间的界限已经模糊了,其中表示学习与分类或回归目标交织在一起多模态融合的优势1.对于同一任务,能够应用多种模态的数据,可以做出更鲁棒的预测2.模态之间可能会存在互补的信息3.当其中一种模态数据缺失时,多模态系统仍然可以运行,例如,当人不说话时,从视觉信号中识别情绪。多模态融合的应用多模态融合有着非常广泛的应用,包括视听语音识原创 2020-12-15 16:51:41 · 29976 阅读 · 3 评论 -
python实现训练集和测试集分割
shuffle矩阵合并import numpy as npdef train_test_split(X, y, ratio, seed): assert X.shape[0] == y.shape[0] assert 0.0 <= ratio <= 1.0 if seed: np.random.seed(seed) data=np.hstack((X,y.reshape(X.shape[0],-1))) np.random.shu原创 2020-11-13 15:34:48 · 863 阅读 · 0 评论 -
python实现简单KNN算法
import numpy as npdef KNN_classify(k,X_train,y_train,x): assert k>0 and k<=X_train.shape[0] assert X_train.shape[0]==y_train.shape[0] assert X_train.shape[1]==x.shape[0] def E_distance(v1,v2): return np.sqrt(np.sum((v1-v2)*原创 2020-11-13 11:28:12 · 274 阅读 · 0 评论 -
End-to-End Object Detection with Transformers
文章信息论文地址原文代码原创 2020-10-31 10:32:21 · 526 阅读 · 1 评论 -
Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision
文章信息论文地址原文代码前言基于卷积神经网络的语义分割模型已经取得了很不错的效果,但是和绝大多数深度学习方法一样,深度语义分割模型同样依赖大量高质量的标注数据,而图像分割的标注成本非常高。为了降低标注成本,常用一些图像引擎生成自带标注的合成图像用来训练分割模型。但是,用合成图像训练的模型直接用于真实图像时,会有domain shift带来的效果下降问题,因此需要有域自适应方法和分割方法的结合。之前工作存在的问题现实中的目标域数据通常具有不同的场景分布,这些分布差异是由运动物体、天气条件等多种因原创 2020-10-19 14:49:02 · 572 阅读 · 0 评论 -
Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation
文章信息论文地址原文前言由于domain shift的存在,在源域数据上表现很好的物体检测模型在目标域上的效果不尽人意。这种情况下,域自适应的方法开始和目标检测算法相结合,以提升目标检测算法的跨域性能,而两个领域方法的结合也是在不断优化和完善。之前工作存在的不足文章主要贡献...原创 2020-10-17 23:11:15 · 1424 阅读 · 0 评论 -
二分查找bug改进及边界设置
二分查找二分查找整型溢出bugleft和right均为整型,数值较大时相加会出现整型溢出的情况mid=(left+right)/2;用减法运算代替加法,改进为:mid=left+(right-left)/2;public class testBinSearch { public static int binSearch(int[] array,int target){ int left=0; int right=array.length-1; //[l原创 2020-09-19 11:23:12 · 141 阅读 · 0 评论