<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[xu_white的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/xu_white</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; xu_white]]></copyright><item><title><![CDATA[sift提取手工特征——猫草版]]></title><link>https://blog.csdn.net/xu_white/article/details/131168892</link><guid>https://blog.csdn.net/xu_white/article/details/131168892</guid><author>xu_white</author><pubDate>Mon, 12 Jun 2023 15:20:41 +0800</pubDate><description><![CDATA[老规矩先上学习链接！讲的巨好的视频！SIFT,尺度不变特征转换 即SIFT (Scale-invariant feature transform)。它用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量.最令我困惑的问题来了 什么叫做scale 多尺度呢 看了第一个视频·豁然开朗这姐们讲的太好了 常看常新本博客原理部分完全搬运这个up的视频！讲的实在太好啦。]]></description><category></category></item><item><title><![CDATA[卷积网络和transformer如何处理三通道图片]]></title><link>https://blog.csdn.net/xu_white/article/details/130827654</link><guid>https://blog.csdn.net/xu_white/article/details/130827654</guid><author>xu_white</author><pubDate>Tue, 23 May 2023 15:38:30 +0800</pubDate><description><![CDATA[卷积过程中，最主要的是：输入层有多少个通道，卷积核就要有多少个通道，但是卷积核的数量是任意的，卷积核的数量决定了卷积后 featuremap 的通道数。]]></description><category></category></item><item><title><![CDATA[修改经典网络alexnet和resnet的最后一层用作分类]]></title><link>https://blog.csdn.net/xu_white/article/details/130139341</link><guid>https://blog.csdn.net/xu_white/article/details/130139341</guid><author>xu_white</author><pubDate>Thu, 13 Apr 2023 20:29:05 +0800</pubDate><description><![CDATA[修改经典网络有两个思路，一个是重写网络结构，比较麻烦，适用于对网络进行增删层数。一个就是加载然后修改。也可以修改的复杂一点。]]></description><category></category></item><item><title><![CDATA[自定义dataloader记录]]></title><link>https://blog.csdn.net/xu_white/article/details/129142817</link><guid>https://blog.csdn.net/xu_white/article/details/129142817</guid><author>xu_white</author><pubDate>Tue, 21 Feb 2023 14:59:47 +0800</pubDate><description><![CDATA[利用ImageFolder读入数据]]></description><category></category></item><item><title><![CDATA[第六章DIP作业-RCOTSU图像分割]]></title><link>https://blog.csdn.net/xu_white/article/details/128227262</link><guid>https://blog.csdn.net/xu_white/article/details/128227262</guid><author>xu_white</author><pubDate>Wed, 07 Dec 2022 21:27:52 +0800</pubDate><description><![CDATA[OTSU图像分割算法使用最大类间方差作为标准，利用图像直方图的分布信息，计算出一个阈值，根据像素是否超过阈值将图像分为前景与背景。如下图分别为原图，调用open-cv的threshold接口的二值化图像及自己写的otsu算法所得二值化图像。使用OTSU算法可得出该图类间方差最大阈值为21。如图所得，直接实现的OTSU算法对图像进行二值化处理的结果和用OpenCV中OTSU阈值分割的方法对图像进行处理的结果相同。            我们输出原图的灰度直方图，可以看出原图灰]]></description><category></category></item><item><title><![CDATA[小徐科研杂记——Deep Supervision(深监督)]]></title><link>https://blog.csdn.net/xu_white/article/details/126940304</link><guid>https://blog.csdn.net/xu_white/article/details/126940304</guid><author>xu_white</author><pubDate>Mon, 19 Sep 2022 19:39:36 +0800</pubDate><description><![CDATA[深监督(Deep Supervision)，就是在深度神经网络的某些中间隐藏层加了一个辅助的分类器作为一种网络分支来对主干网络进行监督的技巧，用来解决深度神经网络训练梯度爆炸和消失以及收敛速度过慢等问题。深度神经网络训练的时候，采用的是反向传播方式，该方式使用链式求导，计算每层梯度的时候会涉及一些连乘操作，因此如果网络过深。那么如果连乘的因子大部分小于1，最后乘积的结果可能趋于0，也就是。那么如果连乘的因子大部分大于1，最后乘积可能趋于无穷，这就是。，后面的网络层的参数不发生变化，]]></description><category></category></item><item><title><![CDATA[小徐科研日记——深度学习视频分类方法]]></title><link>https://blog.csdn.net/xu_white/article/details/126736444</link><guid>https://blog.csdn.net/xu_white/article/details/126736444</guid><author>xu_white</author><pubDate>Thu, 08 Sep 2022 22:34:15 +0800</pubDate><description><![CDATA[视频由空间维度和时间维度组成。包括静态图像特征，运动特征，音频特征，外部特征等。目前主要的方法有：双流网络，静态图像特征聚合，3D卷积以及基于transformer的视频分类。]]></description><category></category></item><item><title><![CDATA[基于pytorch实现的视频分类——C3D模型论文复现]]></title><link>https://blog.csdn.net/xu_white/article/details/126429672</link><guid>https://blog.csdn.net/xu_white/article/details/126429672</guid><author>xu_white</author><pubDate>Fri, 19 Aug 2022 18:31:42 +0800</pubDate><description><![CDATA[视频分类任务]]></description><category></category></item><item><title><![CDATA[V-REP(Cooprliesim EDU)自学笔记 实现UR5机械臂末端按轨迹移动]]></title><link>https://blog.csdn.net/xu_white/article/details/126231195</link><guid>https://blog.csdn.net/xu_white/article/details/126231195</guid><author>xu_white</author><pubDate>Mon, 08 Aug 2022 17:02:44 +0800</pubDate><description><![CDATA[V-REP(Cooprliesim EDU)自学笔记 实现UR5机械臂末端按轨迹移动]]></description><category></category></item></channel></rss>