- 博客(4)
- 收藏
- 关注
原创 出现问题:IndexError: list index out of range
时添加一个检查,确保索引不超出范围。列表中不存在的索引。请运行修改后的代码,检查是否解决了问题。为了防止这种错误,我们可以在访问。这将防止因索引超出范围导致的。错误,表示代码尝试访问。的长度不一致导致的。
2024-07-24 19:38:53
279
原创 CLIP改进工作之Group VIT(使用了CLIP的目标函数自己做的训练模型)的局限性启发
作者为了尽可能的提高前景类的分割性能,因此就设置了一个相似度的阈值,比如说对于pascal voc这个数据集来说,它的阈值就设置成了0.9和0.95 ,也就是说grouping embedding和文本的相似度必须超过0.9,而且是取得最大的那一个,这样才能说grouping embedding属于这一类。但是这套方案对于pascal voc来说还好,因为本来的类别数就少,而且这个数据集里面就是实打实的物体,这个物体有非常明确的语义信息,因此不太存在这个背景类的干扰的问题。
2024-07-24 11:19:47
1376
原创 文献阅读之《基于深度学习的表面缺陷检测方法综述》
近年来,基于深度学习的表面缺陷检测技术在各种工业场景中广泛应用。本文对近年来基于深度学习的表面缺陷检测方法进行了梳理,根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类,并对各种典型方法进一步细分归类和对比分析,总结了每种方法的优缺点和应用场景。本文探讨了表面缺陷检测中三个关键问题,介绍了工业表面缺陷常用数据集。最后,对表面缺陷检测的未来发展趋势进行了展望。缺陷的定义在机器视觉任务中,缺陷是基于人类经验的概念,而不是纯粹的数学定义。
2024-07-23 15:51:53
1047
原创 重读文献之CLIP的局限性
虽然说扩大CLIP的数据集和模型,其性能还会继续提高,但是付出的代价很大(计算量),至少在1000倍的水平才可以。比如某些细分类的数据集上面,CLIP模型的效果是低于有监督学习的Resnet50的基线网络水平的。虽然CLIP可以做零样本学习,但是还是在给定的类别中做选择,有一个更灵活的方式是直接生成图像的标题,这样的话一切都是这个模型在做处理。)未来的想法就是将对比学习的目标函数和生成式学习的目标函数合在一起,希望将两个方法的优势结合在一起(对比学习的高效性和生成式模型的灵活性)。,就会有一些局限性。
2024-07-22 18:25:17
1324
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人