- 博客(15)
- 资源 (2)
- 收藏
- 关注
原创 人体姿态估计预处理——测试获得六个尺度
测试获得六尺度的注意点 :1、六个尺度是对原图像,就是一开始的图像未被变成256*256的改变。2、在转换的过程中,需要得到仿射变换矩阵。--------------------------------------------------------------------------------- Cropping-------这个函数也是多尺度测试会用到的-----------------------------------------------------------------.
2020-11-26 19:43:02 429
原创 numpy 之np.not_equal
np.not_equal比较的是对应元素是否相等.相等元素为false,不相等就是true对于第一种情况,比较的对象shape与第二个比较对象shape不相等,需要将维度广播,下面就是一个例子,将arr1进行广播arr1 = np.array([[11, 12, 13],[11, 12, 13]])import numpy as nparr1 = np.array([11, 12, 13])arr2 = np.array([[11, 22, 23],[21, 22, 23]])print.
2020-11-25 19:30:13 1767
原创 图像旋转
这个是人体姿态估计旋转角度。旋转中心(0,src_w * -0.5),旋转角度是:rot_rad。其中:src_w=scale*200(人体在原图中所占的高度,也就是这么一个高度就可以将人包围住)rot_rad = np.pi * rot / 180src_dir = get_dir([0, src_w * -0.5], rot_rad)...
2020-11-25 16:05:10 228 2
原创 python之x.astype
import numpy as npx = np.array([1, True, False])b = x.astype(int)print(b)[1 1 0]这个函数是在人体姿态估计中获取最大热图值使用到#######这里的目的是将1*4096的预测热图值的矩阵变成64*64热图尺寸的形式 preds[:, :, 0] = (preds[:, :, 0]) % width preds[:, :, 1] = np.floor((preds[:, :, 1]) / w.
2020-11-25 10:24:53 1261
原创 numpy之np.tile函数
>>> import numpy>>> numpy.tile([0,0],5)#在列方向上重复[0,0]5次,默认行1次array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])>>> numpy.tile([0,0],(1,1))#在列方向上重复[0,0]1次,行1次array([[0, 0]])>>> numpy.tile([0,0],(2,1))#在列方向上重复[0,0]1次,行2次array([[0.
2020-11-25 09:52:38 649
原创 numpy之numpy.amax
numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)获取数据a的坐标轴方向的最大值。举例:a = np.arange(4).reshape((2,2))print(a)array([[0, 1], [2, 3]])##########################################np.
2020-11-25 09:10:49 962
原创 numpy之np.argmax
np.argmax函数的作用 就是获取最大值的索引,也就是id举例说明:np.argmax函数参数argmax(a, axis=None, out=None) 返回axis维度的最大值的索引 a :输入一个array类型的数组。 axis:参数为None时默认比较整个数组,参数为0按列比较,参数为1按行比较。 ...
2020-11-25 09:03:16 856
转载 水平翻转需要注意的事项
在水平翻转的时候,可以通过image.transpose(PIL.Image.FLIP_LEFT_RIGHT)来进行图像上的水平翻转,但是label并不能和翻转后的图片一一对应,因此需要修改label的横坐标位置。方法1:通过计算中心点的x坐标来更新#计算中心点anno_centers=(anno[:,0]+anno[:,2])/2#对于中心点进行水平翻转anno_centers=1-anno_centers#计算原来的xmin,xmax的距离anno_widths=anno[:,2
2020-11-23 10:23:44 351
原创 pytorch之torch.flip
torch.flip(input,dim):第一个参数是输入,第二个参数是输入的第几维度,按照维度对输入进行翻转import torchx = torch.arange(16).view(2, 2, 2,2)print('x=\n',x)a = torch.flip(x, [2])print('a=\n',a)x= tensor([[[[ 0, 1], [ 2, 3]], [[ 4, 5], [ 6, 7]]],
2020-11-23 09:58:02 26580
原创 pytorch之transform
从 MyDataset()类中 __getitem__()函数中发现, PyTorch 做数据增强的方法是在原始图片上进行的,并覆盖原始图片,这一点需要注意。
2020-11-06 15:43:49 160
原创 pytorch之dataloader,enumerate
from torch.utils.data import TensorDatasetimport torchfrom torch.utils.data import DataLoadera = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9]])b = tor.
2020-11-06 14:17:47 20507 11
转载 Siamese network之网络编写——pytorch
import torchimport torch.nn as nnimport torch.nn.functional as Fclass SiameseNet(nn.Module): """ A Convolutional Siamese Network for One-Shot Learning [1]. Siamese networts learn image representations via a supervised metric-based app.
2020-11-05 21:24:10 545
转载 关于怎么使用预训练参数的问题,没有办法在ImageNet上训练?
https://github.com/YimianDai/open-aff/issues/8首先,关于怎么使用预训练参数的问题,我觉得应该是没问题的,您可以逐层手工从 pretrained_net 里面把对应层的权重付给你自己网络(假设叫 net)的对应层。在 MXNet 里面,大概就是如下:pretrained_net = resnet50_v1b(pretrained=True)params = pretrained_net.collect_params()net = create_new
2020-11-02 10:27:44 643
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人