- 博客(14)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 PyTorch物体检测（八）
非极大值抑制：NMS首先是最为基本的NMS方法，利用得分高的边框抑制的得分低且重叠程度高的边框。然而基本的NMS存在一些缺陷，简单地过滤掉得分低且重叠度高的边框会导致漏检等问题。针对此问题陆续产生了一系列改进的方法，如Soft NMS、Softer NMS及IoU-Net等。物体检测网络通常在最后增加一个非极大值抑制操作，即NMS，将重复冗余的预测去掉。非极大值抑制，顾名思义就是抑制不是极大值的边框，这里的抑制通常是直接去掉冗余的边框。这个过程涉及以下两个量化指标：1.预测得分：NMS假设一个边框的
2020-06-27 22:03:18
269
原创 PyTorch物体检测（七）
模型加速之轻量化网络实现模型加速的方法：1.轻量化设计：从模型设计时就采用一些轻量化的思想，例如采用深度可分离卷积、分组卷积等轻量化卷积方式，减少卷积过程的计算量。此外，利用全局池化来取代全连接层，利用1*1卷积实现特征的通道降维，也可以降低模型的计算量，这两点在众多网络中已经得到了应用；2.BN层合并：在训练检测模型时，BN层可以有效加速收敛，并在一定程度上防止模型的过拟合，但在前向测试时，BN层的存在也增加了多余的计算量。由于测试时BN层的参数已经固定，因此可以在测试时将BN层的计算合并到卷积层，
2020-06-27 20:47:29
400
原创 PyTorch物体检测（六）
YOLO v1算法利用回归的思想，使用一阶网络直接完成了分类与位置定位两个任务，速度极快。随后出现的YOLO v2与v3在检测精度与速度上有了进一步的提升，加速了物体检测在工业界的应用，开辟了物体检测算法的另一片天地。相比于Faster RCNN的两阶结构，2015年诞生的YOLO v1创造性的使用一阶结构完成了物体检测任务，直接预测物体的类别与位置没有RPN网络，也没有类似于Anchor的预选框，因此速度很快。...
2020-06-27 19:37:22
358
原创 PyTorch物体检测（五）
SSD（Single Shot Multibox Detecor）算法借鉴了Faster RCNN与YOLO的思想，在一阶网络的基础上使用了固定框进行区域生成，并利用了多层的特征信息，在速度与检测精度上都有了一定的提升。SSD算法的算法流程，输入图像首先经过了VGGNet的基础网络，在此之上又增加了几个卷积层，然后利用3*3的卷积核在6个大小与深度不同的特征层上进行预测，得到预选框的分类与回归预测值，最后直接预测出结果，或者求得网络损失。SSD的算法思想，主要可以分为四个方面：数据增强：SSD在数据部
2020-06-27 19:30:10
386
原创 单片机（二）
Keil软件使用及流水灯设计在代码中引用头文件，其实际意义就是将这个头文件中的全部内容放到引用头文件的位置处，免去我们每次编写同类程序都要将头文件中的语句重复编写。
2020-06-22 00:22:48
170
原创 单片机（一）基础知识
单片机就是在一块硅片上集成了微处理器、存储器及各种输入/输出接口的芯片，这样一块芯片就具有了计算机的属性，因而被称为单片微型计算机，简称单片机。
2020-06-20 23:12:02
340
原创 PyTorch物体检测（四）
RCNN全称Regions with CNN Features，是将深度学习应用到物体检测领域的经典之作，并凭借卷积网络出色的特征提取能力，大幅度提升了物体检测的效果。而随后基于RCNN的Fast RCNN及Faster RCNN将物体检测问题进一步优化，在实现方式、速度、精度上均有了大幅度提升。物体检测领域出现的新成果很大一部分也是基于RCNN系列的思想，尤其是Faster RCNN，并且在解决小物体、拥挤等较难任务时，RCNN系列仍然具有较强的优势。因此，想要学习物体检测，RCNN系列是第一个需要全面
2020-06-17 21:28:39
228
原创 tensorflow深度学习（六）
图像识别与卷积神经网络卷积神经网络（Convolutional Neural Network,CNN）top-N正确率指的是图像识别算法给出前N个答案中有一个是正确的概率。卷积神经网络的输入层就是图像的原始像素，而输出层中的每一个节点代表了不同类别的可信度。卷积神经网络和全连接神经网络的唯一区别就在于神经网络中相邻两层的连接方式。参数增多除了导致计算速度减慢，还容易导致过拟合问题。一个卷积神经网络主要由以下5种结构组成：1.输入层；2.卷积层；3.池化层；4.全连接层；5.Softma
2020-06-17 00:08:16
127
原创 学习C#（十五）高级桌面编程
WPF的一个最佳特性是允许设计人员完全控制用户界面的外观和操作方式。其核心是可以根据需要设置控件的二维或三维样式。两个基本技术：1.样式——批量设置要应用到控件上的某些属性；2.模板——在其基础上设置控件外观的控件。WPF控件有一个Style属性（继承来自FrameworkElement），它可以设置为Style类的实例。...
2020-06-14 23:51:38
238
原创 PyTorch物体检测（三）
当前的物体检测算法虽然各不相同，但第一步通常是利用卷积神经网络处理输入图像，生成深层的特征图，然后再利用各种算法完成区域生成与损失计算，这部分卷积神经网络是整个检测算法的“骨架”，也被称为Backbone。Backbone是物体检测技术的基础，其中也涌现出了多种经典的结构。...
2020-06-14 23:11:07
384
原创 学习C#（十四）基本桌面编程
基本桌面编程Windows Forms是用于创建传统Windows应用程序的基本工具，Windows Presentation Foundation（WPF）则提供更广泛的应用程序类型，并尝试解决Windows Forms中存在的很多问题。对于大多数图形Windows应用程序而言，开发核心是窗口设计器。为创建用户界面，将控件从工具箱拖放到窗口中，放在应用程序运行时希望其出现的位置上。而在WPF中，则不完全是这样，原因是用户界面实际上完全由另一种称为“可扩展应用程序标记语言（Extensible Appl
2020-06-07 23:44:52
1191
原创 PyTorch物体检测（一）PyTorch
本篇为概述部分机器学习是人工智能（Artificial Intelligence）发展较为快速的一支。机器学习的思想是让机器自动的从大量的数据中学习出规律，并利用该规律对未知的数据做出预测。在机器学习算法中，深度学习是特指利用深度神经网络的结构完成训练和预测的算法。根据人工智能实现的水平，可以进一步分为三种人工智能：弱人工智能（Artificial Narrow Intelligence,ANI):擅长某个特定任务的智能。当前的人工智能大多是弱人工智能；强人工智能：在人工智能概念诞生之初，人们期望
2020-06-02 22:02:18
2462
原创 Python Qt（一）开发环境安装
在Python中使用PyQt5编写程序可以只安装PyQt5，而不必安装Qt的开发环境。Qt Assistant是一个独立的查看Qt帮助文档的工具软件。在Qt Creator中也可以方便的查看Qt帮助文档，基本用不着这个软件。Qt Designer是一个进行窗口可视化设计的工具软件。Qt Creator中也有一个内置的窗口可视化设计工具软件（本书称之为UI Designer），而且UI Designer可以为界面组件的信号生成槽函数框架，所以在本书中不使用这个独立的Qt Designer，而使用Qt Cr
2020-06-01 21:20:12
626
tensorflow-1.13.1-cp37-cp37m-win_amd64.whl
2019-09-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人