- 博客(14)
- 收藏
- 关注
原创 论文格式修改笔记(七):word自动生成的目录的字体格式修改办法、及设置后部分标题依旧样式不变的解决办法
注:如果出现了更新目录后,部分级别的标题不按设置好的样式更新的话,那就是某一级标题的样式是正文,需要给这一级标题重新创建一个样式。word自动生成目录后,目录内容的字体和格式如何从默认格式修改成规定格式呢?点击修改,将三级目录标题(TOC1、TOC2、TOC3)各自修改为规定格式。2.取名(可以叫标题3/三级标题,自定义即可~)——点击修改。5.点击左下角的格式,选择段落,设置行间距等等。(分别选择样式,点击修改就可以修改了)1.引用——目录——自定义目录。1.选中文字——选择创建样式。
2024-05-28 15:50:44
2419
1
原创 论文格式修改笔记(五):mathtype编辑的公式右编号不与页面最右边对齐的解决方法
8.将公式选择使用“公式样式”,然后在公式前面按Tab键,就可以将公式居中,在公式和编号之间再按Tab键,这样就可以让编号右对齐并且在行末了。7.已知37.79/2=18.895,制表位位置上面最上一行的数字可以修改,改成18.895,选择居中对齐,设置完成后点击确定。2.然后重复上个方法的操作,先输入37.79——右对齐——设置,然后输入18.895——居中对齐——确定,就可以啦。前言:点击布局——栏——更多栏,记住栏的宽度(这篇文章以我的37.79为例)4.点击左下角的格式——选择制表位。
2024-05-23 17:01:04
2293
原创 论文格式修改笔记(四):图表标题的交叉引用的设置
写论文时图表很多的时候为了删除或者添加图表时不需要手动修改其他图表的编号,常用到插入题注和交叉引用的功能,而且这个功能也可以方便生成图表目录。
2024-05-15 14:59:37
1732
原创 论文格式修改笔记(三):多级列表(章节标题自动编号)的设置
1.选中每一章的标题——开始——段落的右下角——缩进与间距——对齐方式按照要求选择,大纲级别选1级2.同样的方式:1.1选择2级,1.1.1选择三级3.选中各级的标题,点击样式选择框的右下小标——选择创建样式——自己定义样式名字即可。
2024-05-14 20:07:32
1369
原创 YOLO:将xml数据集转换为txt格式的方法
在使用YOLO算法时,数据集如果使用的是xml标注文件时,需要将xml格式转换为txt格式,首先需要新建五个文件夹,以及一个transition.py文件,文件夹之间的关系如下图:注意images文件夹里面的test和train文件夹提前放入使用的测试集和训练集图片,indata文件夹要放入所有要转化的xml文件。参考博主:https://blog.csdn.net/yxl_prm/article/details/119895511。需要修改的地方我都写在注释里面了,大家看注释里面的修改即可。
2024-02-01 19:10:33
908
1
原创 批量修改xml文件中的标签类别
参考博主:https://blog.csdn.net/SYGgogogo/article/details/121867089。我在想要使用一个公开数据集时,发现需要修改数据集中的标注文件xml中的类别信息,最终根据其他博主的方法,修改成功!
2024-02-01 12:59:55
452
1
原创 查找数据集标注xml文件中的标签类别classes
参考博主:https://blog.csdn.net/qq_38441692/article/details/104183666。将下述标注xml文件的地址(annotation_path)转化成自己的即可。在拿到数据集时,需要知道数据集中标注有哪些类别才能继续向下进行。
2024-01-31 11:13:43
682
1
原创 YOLO学习笔记(五):YOLOv4
YOLOv4是一个高效而强大的目标检测网络。它使我们每个人都可以使用 GTX 1080Ti 或 2080Ti 的GPU来训练一个超快速和精确的目标检测器。YOLOv4也对当前先进的目标检测方法进行了改进,使之更有效,并且更适合在单GPU上训练;这些改进包括CBN、PAN、SAM等。
2023-12-16 15:53:13
995
1
原创 YOLO学习笔记(四):YOLOv3
YOLOv3最大的改进就是网络结构,采用darknet-53网络结构代替原来的darknet-19,使其更适合小目标检测;并且特征做的更细致,利用特征金字塔网络结构实现了多尺度检测,融入多持续特征图信息来预测不同规格物体;使用Logistic函数改进softmax函数,可以预测多目标任务。
2023-12-13 22:19:02
425
1
原创 YOLO学习笔记(三):YOLOv2背景、改进原理
随着卷积越多,越靠后的感受野越大,因此最后一层时感受野太大了,适合捕捉较大的目标,小目标可能丢失,因此需融合之前的特征,将前一个26×26×512的特征图进行拆分,拆分成4个13×13×512的特征图和下一个13×13×1024的进行拼接,拼接为13×13×(4×512+1024)=13×13×3072。如上右图:5个聚类的中心与手动挑选的框是不同的,扁长的框较少,瘦高的框较多。并且,输入图片的尺度越大则精度越高,尺度越低则速度越快, 因此YOLOv2多尺度训练出的模型可以适应多种不同的场景要求。
2023-12-12 21:49:43
1107
原创 卷积神经网络CNN学习笔记
解析:5×5×3=75,表示每一个卷积核只需要75个参数,此时有10个不同的卷积核,就需要10×75=750个卷积核参数,不要忘记还有bias参数,每个卷积核都有一个对应的偏置参数,最终只需要750+10=760个权重参数。很明显堆叠小的卷积核所需的参数更少一些,并且卷积过程越多,特征提取也会越细致,加入的非线性变换也随着增多,还不会增大权重参数个数,这就是VGG网络的基本出发点,用小的卷积核来完成整体特征提取操作。表示卷积核的宽度和长度;步长小细粒度提取特征,得到的特征图大,得到的特征较多,较为丰富。
2023-12-11 21:53:31
835
原创 YOLO学习笔记(二):YOLOv1
对S×S个网格以及每个网格的B个预测框进行求和,分别对两部分:坐标中心误差和位置长宽的误差进行求和。注意对长宽的求和使用的平方根的方法,原因是对不同大小的bounding box预测中,对于小bounding box的预测更加敏感,因此将bounding box的w和h取平方根代替原本的w和h。最终的预测特征由边框的位置、边框的置信度得分以及类别概率组成。总体思想:YOLO将输入的448×448×3的特征图片送入CNN,其中经过24个卷积层,2个全连接层(FC),最后输出的特征图大小为7×7×30。
2023-12-10 16:17:24
930
原创 YOLO学习笔记(一):YOLO基本指标分析
多个类别物体检测中,每一个类别都可以根据recall和precision绘制一条曲线,即为PR曲线,recall和precision往往是矛盾关系,AP就是该曲线下的面积,mAP一般指所有图片内的所有类别,考虑不同阈值的AP的平均值。mAP指标(mean average precision):均值平均精度,综合衡量检测效果(越高效果越好),精度(检测到的框和实际标注的框是否吻合)和召回率recall(是否有标注的物体没检测到,没有画框)都需要衡量。公式为:正确检测/(正确检测+误报)
2023-12-09 18:53:45
1208
原创 pycharm中matplotlib库安装方法
第一次使用matplotlib库时,会发现matplotlib库不是Pycharm自带的库,属于第三方库,需要进行安装,会显示ModuleNotFoundError: No module named 'matplotlib'。博主的python版本为3.10。
2023-12-06 11:36:30
3563
3
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