zhuiqiuk的专栏

排序：
默认
按更新时间
按访问量
RSS订阅

原 CNN 论文阅读

参考网站: 知乎，计算机视觉论文速递 https://zhuanlan.zhihu.com/c_172507674 1. 《CBAM: Convolutional Block Attention Module》 ECCV 2018 CBAM integrated with ...

2019-03-05 19:03:58

阅读数 459

评论数 0

原 cnn git和有用资料网站

RetinaNet:    https://github.com/clcarwin/focal_loss_pytorch

2018-04-04 08:42:48

阅读数 129

评论数 0

转 Ubuntu 16.04 系统没有声音的解决办法

独立安装了 Ubuntu 16.04 系统后，打开发现没有声音，记得第一次安装的时候也是这个问题，后来具体通过修改什么文件解决的忘记了，这回遇到却没地方找，实在是后悔不已。 经过几番折腾，这回找到的办法较上次简单，不用去修改文件，直接下载软件然后修改设置即可，具体方法如下： 1、打开终端输入以...

2017-07-06 14:24:32

阅读数 16547

评论数 3

原 公司ubuntu服务器登录与操作记录

1.同一个局域网内的ubuntu机器ubuntu terminal登录服务器 ssh huang@192.168.1.116 输入密码后进入 访问其他用户： cd /home/zhao ls rm XXx  删除文件 vim xxx 编辑文件， i 进入编辑模式。。编辑完了， Esc , :q...

2017-01-17 16:43:43

阅读数 1824

评论数 0

原 深度学习网站

cnn学习博客：http://blog.csdn.net/u011534057/article/list/5

2016-12-28 17:29:11

阅读数 379

评论数 0

转 Caffe学习(1):Ubuntu16.04上Caffe配置安装(Only CPU)

常说天作孽犹可违，人作孽不可活啊，那为了毕设，我就是作死啊。没办法自己从三月份辞掉实习开始断断续续学习深度学习，才明白入坑虽浅，基情不断啊。为了能够完成毕设，便选了Caffe，也到处都是坑啊。没办法，为了祭奠我那糟糕透顶的记忆脑细胞，用我这糟糕的文笔稍微记录一下吧。 首先想吐槽一下，我的电脑没有...

2016-11-03 21:49:09

阅读数 519

评论数 0

转 tensorflow卷积神经网络中的padding参数最详细解释！

tensorflow卷积神经网络中的padding参数最详细解释！ 当使用tensorflow创建卷积神经网络时，肯定要用到卷积层和池化层，tendorflow关于建立卷积层和池化层的API都有padding这个参数，如下所示： - tf.nn.conv2d(input,filter,stri...

2019-05-19 15:30:17

阅读数 5

评论数 0

转 期刊分区常识

作为一个科研工作者，了解期刊论文的一些基本常识是大有裨益的。这对于我们深入了解所从事领域的研究、和论文的写作与发表等都会有很大的帮助。比如对于期刊分区的问题，从事科研的人都听过，但是也许你并没有深入了解其概念和意义。尤其对于刚刚步入科研领域和外行的人来说，可能仅仅凭借分区和影响因子来评价期刊的优劣...

2019-04-29 12:48:52

阅读数 116

评论数 0

转 学术论文级别

(1) 公开发表的论文分为六个级别（类）    第一级－T类：特种刊物论文，指在《SCIENCE》和《NATURE》两本期刊上发表的论文 第二级 - A类:权威核心刊物论文，指被国际通用的SCIE、EI、ISTP、SSCI以及A&HCI检索系统所收录的论文（以中国科技信息研究所检...

2019-04-29 12:25:51

阅读数 39

评论数 0

转 拉普拉斯金字塔分解及图像融合

单图像求高斯金字塔和拉普拉斯金字塔 高斯金字塔 设高斯金字塔第l层图像Gl 所做操作： 即当前层是上一层的高尺度图像先高斯滤波，再降采样。下采样过程 这里，N为层数。Rl为l层行数。w(m,n)是5*5二维可分离高斯滤波器。 拉普拉斯金字塔分解 目的是将源图像分别分解到不同的空间频带上，相当...

2019-04-25 23:47:50

阅读数 38

评论数 0

转 图像金字塔（Python实现）

图像金字塔（Python实现） 1 简介 在图像处理中常常会调整图像大小,最长的就是放大(zoom in)和缩小(zoom out),尽管集合变换也可以实现图像放大或者缩小 一个图像金字塔式一系列的图像组成,最底下一张式图像尺寸最大,最上方的图像尺寸最小,从空间上从上向下看,就可以看成埃及金字塔....

2019-04-25 23:15:13

阅读数 43

评论数 0

转 CAM方法获取显著图：基于pytorch的实现

CAM方法获取显著图：基于pytorch的实现 1、下载代码 2、具体代码 （1）导入需要的模块 （2）具体代码详解 （3）生成结果 转：CAM实践：基于pytorch的使用方法原文地址：https://cloud.tencent.com/developer/article/...

2019-04-25 22:49:13

阅读数 61

评论数 0

转 利用pytorch实现Visualising Image Classification Models and Saliency Maps

saliency map saliency map即特征图，可以告诉我们图像中的像素点对图像分类结果的影响。 计算它的时候首先要计算与图像像素对应的正确分类中的标准化分数的梯度(这是一个标量)。如果图像的形状是(3, H, W)，这个梯度的形状也是(3, H, W)；对于图像中的每个像素点，这个...

2019-04-25 22:45:05

阅读数 30

评论数 0

转 迁移学习的应用场景以及finetune的使用方法

这里简单介绍下什么是迁移学习，就是基于前已经学习到的知识应用到当前具体的任务需求上，而他们两者的领域并不是相同的，严谨说是不是直接相关的，比如任务是不同类型（如之前的分类猫和狗，而当前的可能是分类狮子和大象），或者数据集是不同类型的（如先前的数据是拍摄的自然真实动物的图像数据，而当前的数据是卡通，...

2019-04-19 17:20:02

阅读数 48

评论数 0

原 Incremental Learning

2018-2019 Paper: Multi-task settings: Class-incremental Learning via Deep Model Consolidation https://arxiv.org/abs/1903.07864v1 End-to-end Increm...

2019-04-19 17:03:10

阅读数 73

评论数 0

原 Darknet Fine tune模型注意事项

（1）参数学习率，需要调小。 （2）观察loss，是否下降，或者上升，跳动特别明显。如果上升或者跳动特别明显说明 learn rate较大。原因：之前训练模型总的训练样本数量 t1与现在fine tune的 t2不一样。如果 t1 > t2, 不改变learn rate, 通过po...

2019-04-19 15:46:18

阅读数 21

评论数 0

转 Tensorboard使用

参考网站：https://www.jb51.net/article/134956.htm 较好 背景 在复杂的问题中，网络往往都是很复杂的。为了方便调试参数以及调整网络结构，我们需要将计算图可视化出来，以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具，可...

2019-04-18 16:17:54

阅读数 60

评论数 0

转 Opencv下视频的读写

1. 视频结构 一个视频由压缩格式(container, eg. avi, mkv...)和封装格式(codec, eg. H264, DIVX)组成. 详细解释:源自[1] For start, you should have an idea of just how a video file...

2019-04-09 16:13:05

阅读数 12

评论数 0

转 变形卷积核、可分离卷积？CNN中十大拍案叫绝的操作！

原文链接：https://mp.weixin.qq.com/s/iN2LDAQ2ee-rQnlD3N1yaw CNN从2012年的AlexNet发展至今，科学家们发明出各种各样的CNN模型，一个比一个深，一个比一个准确，一个比一个轻量。我下面会对近几年一些具有变革性的工作进行简单盘点，从这些充满...

2019-04-04 04:17:43

阅读数 44

评论数 0

转 首次披露！拍立淘技术框架及核心算法，日均UV超千万 2017-8

https://yq.aliyun.com/articles/161333?utm_content=m_27815 出自：阿里云/云栖社区/阿里技术/博客 摘要：近期，谷歌工程师为何疯狂迷上阿里郎的鞋？一文引发关注，以“拍立淘”为代表的计算机图像技术让业内人士称赞不已。以图搜图，是通过搜索图像...

2019-04-02 17:38:55

阅读数 73

评论数 0

提示
确定要删除当前文章？
取消 删除
关闭
关闭