- 博客(18)
- 收藏
- 关注
RSS订阅原创 thop模块安装不上问题
尝试使用pip install/conda install无法解析域名等问题层出不穷。2.激活自己的虚拟环境，cd到下载的路径下面。
2024-04-18 19:57:13
693
1
原创 边缘检测BSDS500数据集处理|边缘检测评判标准-PR曲线
数据集下载下来以后label是以.m格式保存的，需要处理成.jpg或.png格式。
2024-03-05 10:49:25
1640
3
原创 RuntimeError: Input type (FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same
PyTorch 要求输入类型与权重类型相匹配，这意味着在 GPU 上训练的模型要求输入也在 GPU 上。确保在模型前向传播之前，输入张量和模型都在相同的设备上。下述的sample_batched是字典，其中包含键。可以通过将其转移到 GPU 上，使用。这个错误表明在模型的前向传播过程中，输入张量的类型是。解决这个问题的一种方法是确保输入张量。在这行代码之前，你可能已经将。，但模型权重的类型是。
2023-11-22 10:20:05
1467
原创 AttributeError: module ‘distutils‘ has no attribute ‘version‘
在运行PyTorch的python代码时出现下述错误：如果您正在使用 PyTorch，则可以通过升级 Torch 包来解决此错误。 二、更新/固定setuptools 包版本三、亲测有效，修改init.py文件如果代码对PyTorch版本有要求，同时更新/固定setuptools包版本无效，就可以使用修改init.py文件的方法。 Python AttributeError: module ‘distutils‘ has no attribute ‘version‘Attri
2023-11-20 20:58:34
7672
2
原创 LDC: Lightweight Dense CNN for Edge Detection
• 提出了一种轻量级 CNN 架构，它只有 674K 个参数，而 DexiNed 中有 35M 个参数。• 与最先进的边缘检测器（参数少于1M）进行了广泛的比较研究。本文完全致力于边缘检测，即所有考虑进行定量比较的模型都使用 BIPED、MDBD 和新的 BRIND 数据集来训练和验证模型。此外，每个模型都使用其他数据集进行交叉验证。• 进行深入的消融研究，直至达到稳健的LDC。
2023-11-14 06:00:00
603
2
原创 PiDiNet:Pixel Difference Networks for Efficient Edge Detection
传统边缘检测器仅用作一些现有方法中提取候选边缘点的辅助工具。直观上，边缘表现出不同的特定图案，如直线、角和“X”连接点。而基于 CNN 的边缘检测的高性能是通过大量预训练的 CNN 主干来实现的，这会消耗内存和能量。PiDiNet 采用新颖的像素差分卷积，将传统的边缘检测算子集成到现代 CNN 中流行的卷积运算中，以增强任务性能。我们相信可以衍生出一种新型的卷积运算，以满足以下需求。首先，它可以轻松捕获图像梯度信息，有利于边缘检测，并且CNN模型可以更加专注，释放处理大量不相关图像特征的负担。
2023-11-13 11:37:11
1127
原创 OSError: [WinError 126] 找不到指定的模块---caffe2_detectron_ops_gpu.dll
Error loading "C:\Anaconda\Anaconda3\envs\TIN\lib\site-packages\torch\lib\caffe2_detectron_ops_gpu.dll" or one of its dependencies.在搜索很多关于无法查找到caffe2_detectron_ops_gpu.dll相关问题时，有的解决方案是。经过实验都没有正确运行，但是偶然发现一位大佬的解决方案，豁然开朗。，有的是因为版本不匹配需要重新安装相关版本。
2023-11-02 15:47:55
2545
原创 Holistically-Nested Edge Detection（HED）
2015年发表的《整体嵌套边缘检测》当时存在的视觉问题中的两个重要问题：（1）整体图像训练和预测；（2）多尺度和多层次的特征学习。整体嵌套边缘检测器（HED）解决了两个关键问题：（1）受全卷积神经网络的启发，用于图像到图像分类的整体图像训练和预测（系统以图像为输入，直接生成边缘图图像作为输出）（2）嵌套多尺度特征学习，其灵感来自深度监督网络，执行深层监督以“指导”早期分类结果。我们发现，这些底层技术的有利特性体现在HED既准确又计算高效。
2023-10-07 14:56:08
444
1
原创 Richer Convolutional Features for EdgeDetection(RCF)
具体来说，我们调整图像的大小以构建图像金字塔，并且这些图像中的每一个都被单独输入到我们的单尺度检测器中。为了研究包括额外的非线性是否有帮助，我们在每个阶段的1×1−21或1×1–1 conv层之后连接ReLU层。然而，网络的性能更差。由于VGG16中conv层的感受野大小彼此不同，RCF提供了比现有机制更好的机制来学习来自各级卷积特征的多尺度信息，我们认为这些特征都与边缘检测有关。其中X（k）i是来自阶段k的激活值，而Xfuse i来自融合层，|I|是图像I中的像素数，K是级数（此处等于5）。
2023-10-05 16:56:02
234
2
原创 边缘检测涉及的评价指标
F-measure 是一种常用的综合评价指标，用于度量图像边缘检测算法的准确性和召回率之间的平衡。通常情况下，F-度量的数值越高越好，表示算法在边缘检测中的性能越好。这意味着每个图像都可以有不同的阈值，根据图像的特性来确定最佳的阈值。OIS 旨在更精细地评估每个图像上的算法性能，因为不同图像可能需要不同的阈值才能获得最佳结果。它采用了一种固定的阈值，该阈值对于数据集中的所有图像都是相同的。在边缘检测中，ODS F-度量通常用于表示综合性能，考虑了边缘检测的准确性和召回率等因素，以综合评估算法的效果。
2023-10-03 16:03:57
1133
原创 TRADITIONAL METHOD INSPIRED DEEP NEURAL NETWORK FOR EDGE DETECTION（TIN）
从一个简单的特征提取器开始，它是一个3x3卷积神经网络层，存在16个输出映射。（图6中的点A）我们使用扩张卷积来构建多尺度滤波。扩张卷积可以用更少的参数捕获更大的感受野。我们称这个模块为Enrichment。Enrichment模块如下：3x3表示过滤器大小为3x3，16表示输入的数量，32表示输出的数量/滤波器的数量。每个扩张滤波器的输出在末尾相加。（图6中的点B）使用了八个1x1卷积层，以及一个Sigmoid激活函数。
2023-10-03 14:43:36
166
原创 解决BrokenPipeError: [Errno 32] Broken pipe/RuntimeError: DataLoader worker (pid(s) x) exited unexpe报错
1.将代码放入main()函数，同时添加下述代码。防止多进程的递归调用。这将确保只有在脚本作为主模块执行时，训练代码才会运行。（实测有用，程序正常运行）2. 修改调用torch.utils.data.DataLoader()函数时的 num_workers 参数。答：表明在使用多进程的情况下，存在尝试在当前进程还未完成引导阶段时启动新进程的问题。这通常是由于在多进程环境中启动了新的进程。
2023-09-26 15:50:30
1455
2
原创 数据集处理----python生成.lst文件
下述为HED-BSDS/train/aug_data_scale_0.5与HED-BSDS/train/aug_gt_scale_0.5文件夹下的图像对应生成在C:/Users/Liu/Desktop/DataSets目录下的output2.lst文件。以数据集BSDS500为例，将HED-BSDS/train目录下的相应的图片与边缘提取后的图像一一对应，写入lst文件中。目的：为之后训练网络提供前提条件。
2023-09-25 17:00:30
514
4
原创 运行GitHub代码--Windows（二），RCF-PyTorch运行train_RCF.py文件
启动命令行：win+R,输入cmd，回车在命令行中输入nvidia-smi输出看到自己的CUDA版本为11.1。
2023-09-25 10:07:53
375
3
原创 解决报错：OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
运行python train_RCF.py时，出现OMP错误。这个错误提示说OpenMP运行时库libiomp5md.dll被重复初始化了。这通常是因为程序中链接了多个OpenMP运行时库导致的。
2023-09-22 11:16:49
501
1
原创 新版pycharm导入conda虚拟环境及常见问题、错误
博主亲身经历，发现无论怎么导入conda.exe都不行，经过大佬指点，发现选择。本人解决这个问题采用的是上述2方法，但是有的同学采用的是类似这种。下面是新旧两版Conda Environment的对比。，点击OK，就完成了。
2023-09-18 18:52:43
7578
22
原创 运行GitHub代码--Windows（一），Anaconda创建虚拟环境
1.根据论文所给链接直接查找2.根据论文题目查找代码链接（有其他查找方式 欢迎补充）（1）GitHub直接查找论文名称（2）paperswithcode 直接查找论文名称。
2023-09-13 16:09:19
461
2
熟悉Android开发环境-建立我的第一个App（青岛理工大学2018实验报告）
2023-10-09
RCF-Torch所需的VGG16
2023-09-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人