![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
进步一丢点everyday
多学一秒,女友不同。
展开
-
关于语义分割从Github上档下来到跑通,实时
毕设做关于语义分割的,前段时间跑通一个基于resnet 101的deeplab v2的代码,但mIOU不管怎么训练都上不去,经过问师兄和查找资料可能的原因有:在当前学习率下模型已经饱和;deeplabv2 本身mIOU 最高66%,加之算法实现过程没有优化由于时间关系我准备换一个参考代码,经介绍我选择Github中:https://github.com/GeorgeSeif/Seman...原创 2019-05-13 09:08:54 · 1656 阅读 · 3 评论 -
语义分割训练模型代码为下篇学习解读做准备
这是我下一篇要学习解读的训练代码:from __future__ import print_functionimport os,time,cv2, sys, mathimport tensorflow as tfimport tensorflow.contrib.slim as slimimport numpy as npimport time, datetimeimport arg...原创 2019-05-15 11:10:42 · 743 阅读 · 0 评论 -
python基础较差的我学习关于语义分割模型训练代码
本文主要解读我遇到一个比较好的语义分割训练模型,所以我决定认真学习。如有错误请大家多多指点,共同进步。开始学习,主要列出我理解的程序逻辑流程,以及读不懂的语句。(以下英文解释都是我help出来的 )random.randint(0,1)randint(a, b) method of random.Random instanceReturn random integer in rang...原创 2019-05-15 17:31:01 · 961 阅读 · 0 评论 -
tensorflow之helloworld
学习tfmnist手写字体识别tensorflow实现softmax regression识别手写数字mnist手写字体识别注:官方源代码在www.broadview.com.cn,我现阶段的学习方式是复现效果,过程中解决问题加深理解,经典代码段进行反复直到熟记。tensorflow实现softmax regression识别手写数字一边看tf实战书,一边跑3_2_helloworld代码...原创 2020-03-18 15:55:00 · 290 阅读 · 0 评论 -
L1正则化的理解
在论文中看到L1正则化,可以实现降维,加大稀疏程度,菜鸟不太懂来直观理解学习一下。 在工程优化中也学习过惩罚函数这部分的内容,具体给忘记了。而正则化正是在损失函数后面加一个额外的惩罚项,一般就是L1正则化和L2正则化。之所以叫惩罚项就是为了对损失函数(也就是工程优化里面的目标函数)的某个或些参数进行限制,从而减少计算量。L1正则化的损失函数是是不光滑的,L2正则化的损失函数...原创 2020-03-19 18:15:27 · 1224 阅读 · 0 评论 -
Tensorflow实现多层感知机及常见问题
Tensorflow实现多层感知机上上篇博客讲述了使用一个softmax Regression(无隐含层),取得了接近92%的手写字识别准确率。现在我们尝试加入隐含层,并使用减轻过拟合的Dropout、自适应学习速率的Adagrad,以及可以解决梯度弥散的激活函数ReLU。来看看他们的加入对识别准确率的影响。开干。和以前一样,导入数据,import tf,激活Session。from t...原创 2020-03-21 12:07:02 · 360 阅读 · 0 评论 -
【转载】卷积核的步长
http://blog.csdn.net/meadl/article/details/68927227卷积层的维度计算 假设卷积层的输入大小x*x为5*5,卷积核大小k*k为3*3,步长stride为2,假设不填充,输出维度将会是(x-k)/2+1,即为2*2;如果步长为1,那么输出将会是3*3.步长为1的前向传波和反向传播已有很多推导,不再赘述。...转载 2020-03-22 11:53:12 · 986 阅读 · 0 评论 -
TensorFlow实现进阶的卷积网络
首先这一节使用的数据集CIFAR-10数据集,包含了60000张32x32的彩色图像,其中50000张训练图像,测试集10000张。一共是10类标签,分别是airplane,automobile,bird,cat,deer,dog,frog,horse,ship和truck。首先我们来准备好数据集,这个也花了一点时间。cifar—10数据集地址:http://www.cs.toronto.edu...原创 2020-03-25 18:35:20 · 196 阅读 · 0 评论 -
利用vgg预训练模型提取图像特征及常见问题
VGG卷积神经网络是牛津大学在2014年提出来的模...转载 2020-04-01 19:28:45 · 3300 阅读 · 7 评论 -
yolo算法读取数据集及标签的代码
上代码import osimport xml.etree.ElementTree as ETimport numpy as npimport cv2import pickleimport copyimport yolo.config as cfg #另一个py文件,后面会附上,这里主要读取它的路径定义类class Pascal_voc(object): #定义自身属性 de...原创 2020-04-13 17:45:51 · 1983 阅读 · 0 评论 -
物体检测之选择性搜索(Selective Search)转
https://blog.csdn.net/yuanlulu/article/details/82157071转载 2020-04-18 17:04:11 · 153 阅读 · 0 评论 -
目标检测中NMS(非极大抑制)
https://blog.csdn.net/m0_37605642/article/details/98358864转载 2020-04-18 17:29:25 · 345 阅读 · 0 评论 -
fine-tuning
有时候如果数据集不够大,很少有人可以从头开始训练网络,最常见的做法是使用预训练网络来重新fine-tuning(微调),或者成为特征提取器。 使用条件:数据集大小,以及新数据集和元数据集的相似程度,有一点就是网络的前几层一般学的都是同意特征,后面几层学到的始于类别香断的特征,下面介绍常见的四种情况:数据集小而且与元数据集相似,因为新数据集较小,如果直接fine-tune可能会过拟合,...原创 2020-04-19 12:16:42 · 212 阅读 · 0 评论 -
selective search 和 NMS
selective search使用原始分割图将图像进行分割成1-2k个小区域查看现有的小区域,按照颜色、纹理、大小和形状交叠四个特点合并规则合并相似度高的两个区域,重复直到整张图片合并为一个输出所有曾经所有存在的区域,所谓候选区域,这里包含最初的小小区域和第二步中合并的小区域以及最后的大区域。其中颜色和纹理都是相近的合并,在面积方面,合并后总面积小的: 保证合并操作的尺度较为均匀,避...原创 2020-04-19 16:21:57 · 245 阅读 · 0 评论 -
anchor【转载】
提到RPN网络,就不能不说anchors。所谓anchors,实际上就是一组由rpn/generate_anchors.py生成的矩形。直接运行Faster RCNN的作者在其论文中给的demo中的generate_anchors.py可以得到以下输出:[[ -84. -40. 99. 55.][-176. -88. 191. 103.][-360. -184. 375. ...转载 2020-04-19 16:32:25 · 282 阅读 · 0 评论