- 博客(45)
- 收藏
- 关注
RSS订阅原创 JSON格式转PNG（用于语义分割数据集标签转换）
JSON格式转PNG（用于语义分割数据集标签转换）如果你需要批量转换多个语义分割的JSON标签文件为图像，假设你的JSON文件和图像文件有对应关系，文件名相同，只是后缀不同（比如.json和.png）。
2023-12-26 10:30:00
1007
2
原创 GFLOPs和FLOPs的主要区别
总的来说，FLOPs是计算复杂度的总量，而GFLOPs引入了时间维度，表示每秒的浮点运算数量，用于评估计算设备的性能。在深度学习领域，特别是在模型的训练和推理过程中，GFLOPs经常被用来描述模型的计算需求和硬件的计算能力。GFLOPs（Giga Floating Point Operations Per Second）和FLOPs（Floating Point Operations）都是用于衡量算法计算的复杂度的指标，但它们有一些区别。
2023-12-23 09:47:29
1685
原创 通讯录管理系统（C++实现）
（1）录入成员信息。基本信息：姓名、现就读大学名称及班级名、专业、家庭住址、家庭联系电话、邮编、本人联系电话等。（4）能够按姓名对成员信息进行检索并将检索结果显示在屏幕上。（5）能够按专业对成员信息进行检索并将检索结果显示在屏幕上。（7）要求利用菜单的形式进行管理。（3）修改成员信息并保存。（2）删除一个成员信息。（6）显示所有成员信息。
2023-12-22 10:15:00
558
原创 实现两张图片的接缝线拼接
使用ORB算法检测特征点，并通过BFMatcher进行特征点匹配。然后，根据Lowe's ratio test选择好的匹配点，并使用。将图像进行透视变换，然后将第二张图像粘贴到变换后的图像上。
2023-12-16 17:13:29
865
原创 简单的图像分类任务全流程示例（内含代码）
为你实际的数据集路径。这样，你就无需手动指定文件路径和标签，代码会自动从文件夹结构中获取这些信息。数据集类，它会自动根据文件夹结构为每个类别分配标签。
2023-12-10 21:58:16
620
原创 swin transformer+FPN（内含代码，可用于图像分类）
这个代码示例定义了一个简化版本的 Swin Transformer 和 FPN 结合的模型。你可以根据需要调整 Swin Transformer 和 FPNBlock 的通道数以适应你的任务。确保你的输入图像尺寸和通道数与模型定义中的一致。以下是一个基础版本的 Swin Transformer（Swin-B）加上特征金字塔网络（FPN）实现渐进融合的简化代码。请注意，这是一个简化版本，可能需要根据具体需求进行调整和优化。
2023-12-06 02:45:00
1156
1
原创 MobileNetV3 Small 加上特征金字塔结构的 PyTorch代码
【代码】MobileNetV3 Small 加上特征金字塔结构的 PyTorch代码。
2023-12-05 15:33:02
544
原创 在 ResNet 中实现多尺度的特征融合（内含代码，用于图像分类）
这个代码示例中，我添加了额外的卷积层和三个特征金字塔层，以便从不同的卷积层获得特征并进行融合。大家可以根据任务需求进行更改和优化。特征金字塔的思想能够提供更好的多尺度信息，有助于提高模型对不同目标大小的适应性。在 ResNet 中实现多尺度的特征融合，类似于特征金字塔网络（Feature Pyramid Network，FPN）的思想。
2023-12-05 03:00:00
4975
11
原创 PyTorch模型可视化（内含代码）
绘制神经网络的结构图，包括各层的连接和参数，有助于理解模型的整体架构。代码如下，但是其实较为麻烦的事torchviz的安装。
2023-12-04 10:15:00
500
原创 Grad-CAM（Gradient-weighted Class Activation Mapping）热力图（内含示例代码）
Grad-CAM（Gradient-weighted Class Activation Mapping）是一种用于可视化卷积神经网络（CNN）中特定类别的激活区域的技术。Grad-CAM帮助我们理解神经网络在分类任务中的决策过程，特别是它关注哪些图像区域以及这些区域对最终分类结果的影响。这使得Grad-CAM成为一种在解释深度学习模型决策时广泛使用的工具。具体来说，Grad-CAM使用神经网络的梯度信息来生成权重，这些权重用于对特定类别的激活区域进行加权。
2023-12-03 21:25:44
1512
原创 IoU、GIoU、CIoU和DIoU
IoU（Intersection over Union，交并比）、GIoU（Generalized IoU，广义交并比）、CIoU（Complete IoU，完全交并比）和DIoU（Distance IoU，距离交并比）是目标检测中常用于评估预测框和真实框之间重叠程度的指标。
2023-12-02 23:22:03
679
原创 简单的图像数据增强方式（旋转，反转，缩放等八种并提供代码）
下面给出一个简单的实现，其中包括旋转、翻转、缩放、平移、亮度调整、对比度调整、噪声添加和颜色变换。请注意，这只是一个基本的示例，实际应用中可能需要根据任务的需求和图像的特点调整参数和增强方式。
2023-12-01 10:15:00
995
原创 单例模式（C++）
单例模式是一种创建型设计模式，确保一个类只有一个实例，并提供一个全局访问点。这有助于控制资源的共享，以及限制对特定资源的访问权限。在单例模式中，通常通过私有构造函数和静态方法来实现。
2023-11-29 16:39:23
731
原创 最新！最全！目标检测，实例分割系列，即插即用的模块代码汇总
1，YOLOV5目标检测换多种主干的方法（含shufflenet，ghost net，mobilenet，resnet等2， InceptionNeXt当Inception遇见ConvNeXt3，向YOLO系列添加注意力机制（SE，CA，ECA，CBAM）4，多种即插即用的模块代码总结（内含SCConv，ODConv，PConv等即插即用模块代码，可直接用于改进目标检测，实例分割等任务）5，CFPNet-ECVBlock即插即用模块，涨点神器（提供代码）6，递归门控卷积，即插即用涨点神器！（HorNet，内
2023-11-28 14:53:10
1268
原创 学生成绩管理系统（python实现）
学生成绩表信息包括学号、姓名、各科课程成绩（语文、数学、英语、政治）和总分。，并根据需要进行插入、删除、排序、输出等操作。管理学生成绩表，每个学生的信息依次。
2023-11-25 19:03:01
1640
原创 学生成绩管理系统（C++实现）
管理学生成绩表，每个学生的信息依次从键盘输入，并根据需要进行插入、删除、排序、输出等操作。学生成绩表信息包括学号、姓名、各科课程成绩（语文、数学、英语、政治）和总分。
2023-11-24 10:30:00
1150
原创 YOLOV7主干改进，使用fasternet轻量化改进主干（完整教程）
这里有一个注意事项，因为PConv本身只是一个基本的卷积操作，因此它并不支持下采样和通道变换操作，因此为了尽可能的简单，大家直接在一些通道前后没改变的地方，没有进行下采样的地方使用PConv即可。2，为了大家方便的使用，这里我对原本的PConv的代码做了部分的改动，使得它的参数设置与Conv保持一致。1，Pconv（来自Fasternet）（可作为模型中的基础卷积模块使用）3，在models/yolo.py中将模块名添加上，大约是752行。4，自己动手diy配置文件yolov7.yaml文件。
2023-11-23 10:45:00
2291
原创 YOLO目标检测系列，即插即用的模块汇总（内含代码）
1，YOLOV5目标检测换多种主干的方法（含shufflenet，ghost net，mobilenet，resnet等2， InceptionNeXt当Inception遇见ConvNeXt3，向YOLO系列添加注意力机制（SE，CA，ECA，CBAM）4，多种即插即用的模块代码总结（内含SCConv，ODConv，PConv等即插即用模块代码，可直接用于改进目标检测，实例分割等任务）5，CFPNet-ECVBlock即插即用模块，涨点神器（提供代码）6，递归门控卷积，即插即用涨点神器！（HorNet，内
2023-11-22 18:33:34
848
原创 向YOLOV5/YOLOV7引入可变形卷积
可变形卷积（Deformable Convolutional Networks）相当于对卷积核中各个元素的位置施加了一个偏移量，可以使得它不再是方方正正的进行卷积操作，那接下来就看如何将其改进到YOLO系列的网络中。1，可变性卷积模块的代码实现。并将其复制到models/common.py中。class DCNv2(nn.Module): def __init__(self, in_channels, out_channels, kernel_size, stride=1,
2023-11-18 22:33:23
225
1
原创 （内含即插即用代码）选择性注意力LSK 模块，可用于改进YOLO系列的目标检测算法
在这里我们注意到，代码中是有LSKblock这个类和Attention这个类，无论哪一个，它的核心都是LSK的模块，无非是Attention加了一个残差结构。他们都是即插即用的模块，只需要一个形参，也就是输入通道数即可使用。这一注意力可以有效用于遥感目标检测算法的改进，废话不多说，直接上代码;最后的结果如下，输入特征的尺寸并未改变。
2023-11-16 19:22:46
1341
原创 使用YOLOV5时遇到的一些错误总结
这个问题的解决办法直接在utils/loss.py的167行改为。这个问题我只直接找到相应位置删除了包之后，再重新安装就好了。
2023-11-14 15:32:58
267
1
原创 递归门控卷积，即插即用涨点神器！（HorNet，内含gnConv代码）
代码：GitHub - raoyongming/HorNet: HorNet: Efficient High-Order Spatial Interactions with Recursive Gated Convolutions。论文：https://arxiv.org/pdf/2207.14284.pdf。
2023-11-10 10:30:00
566
1
原创 向YOLO系列添加注意力机制（SE，CA，ECA，CBAM）
1，找到合适的即插即用的注意力机制，无论是空间注意力，通道注意力还是混合注意力，都可以。下面显示一些常用的注意力机制。将这些代码直接复制到models/common.py的最后面。3，配置models/yolov5s.yaml，在相应的地方添加方法即可。这些可以自己diy。2，在models/yolo.py遍历中添加这些模块的名称。
2023-11-07 12:12:19
462
原创 使用Swin Transformer进行水果数据集分类
整个项目文件如下，大家使用的时候把训练脚本和预测脚本中的路径改一下就可以了，我用的是绝对路径，大家用的时候记得改。链接：https://pan.baidu.com/s/1s-ghHM9w2zoGKRGViO8TOA。链接：https://pan.baidu.com/s/1GwBmyF-sGA_hesWPxrRcRQ。其中包含香蕉，苹果，梨子，橘子，葡萄等五个种类，
2023-11-06 10:30:00
81
原创 简单使用人工智能解决小的代码问题（内含奥特曼分类数据集）
在我实验Swin Transformer训练奥特曼数据集的时候，发现其中有几张图片并不是rgb格式的，但是人为寻找又太麻烦，自己写个脚本就略嫌麻烦，于是把问题抛给了chatgpt，确实又快又好地解决了这个问题。最后给大家分享一下奥特曼吧，看你能认出来几个。
2023-11-06 02:30:00
42
YOLOV7+遥感目标检测数据集，可以一键运行
2023-11-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人