- 博客(18)
- 资源 (20)
- 收藏
- 关注
原创 Pytorch 转 Tensorflow代码的一些参考和坑(持续更新)
pytorch移植Tensorflow真的挺痛苦,但是为了避免之后的重复查找,还是很有必要记录一下
2022-11-30 16:33:21
1703
1
原创 ConvNext 原文翻译
视觉识别的“兴盛的20年代”始于Vision Transformer(VITS)的引入,它很快取代了ConvNets,成为最先进的图像分类模型。另一方面,当应用于一般的计算机视觉任务时,例如对象检测和语义分割,普通的VIT面临困难。正是层次化的Transformers(如Swin Transformers)重新引入了几个ConvNet先例,使Transformers实际上可以作为通用视觉主干,并在各种视觉任务中表现出卓越的性能。
2022-09-22 21:43:56
1542
1
原创 Tensorflow项目实战-Cats And Dogs数据集
目录数据集:Baidu 网盘地址:实验环境:数据集处理部分:网络搭建:VGG16(非原版的,采用的是B站北京大学教程里面的那个)InceptionNet_v1_10训练:预测:数据集:Baidu 网盘地址:链接:https://pan.baidu.com/s/1Vl1Z2RwPKNXCrtpcBWygAw提取码:1234解压后共有两个文件夹,分别存放着Cat 和 Dog 的图片,每个类别都有12500张图片(解压路径最好不要有中文)。实验..
2022-04-08 18:36:00
2856
3
原创 坐标注意力机制-Tensorflow2
""" 坐标注意力机制代码"""import numpy as npfrom tensorflow.keras.layers import AvgPool2D, Conv2D, BatchNormalization, Activationfrom tensorflow.keras import Modelfrom tensorflow.keras.activations import sigmoidfrom tensorflow import split,concat,transpos.
2022-03-17 21:40:31
1167
6
原创 Python-灰度图像增强(持续更新)
依据作用域的不同,图像增强分为空域内处理和频域内处理;空域内处理是直接对图像进行处理,主要有灰度变换方法和直方图方法等。通过调节灰度图像的明暗对比度,使得图像变得更加清晰。直方图均衡化、直方图规定化、线性滤波、非线性滤波等。 频域内处理是在图像的某个变换域内,对图像的变换系数进行运算,然后通过逆变换获得图像增强效果。通过傅里叶变换将图像从空间域变换到频域,在频域进行滤波,然后再通过傅里叶反变换到空间域。频域滤波主要包括:低频滤波、高频滤波、带阻滤波器、同态滤波等。 新的图像增强方法:模糊技术、小波变
2021-09-17 21:20:41
9475
1
原创 人体关键点检测--COCO关键点简介及自开发标签软件介绍
目录COCO数据集中关键点annotations简介标签软件COCO数据集中关键点annotations简介COCO数据集的关键点annotations字段结构如下annotation{ "keypoints": [x1,y1,v1,...], #关键点坐标及标志位 v "num_keypoints": int, #关键点数量(要求v>0) "id": int, "image_id": int, #图像id号,对应图像..
2021-06-16 00:13:40
5535
5
翻译 Tensorflow学习之tf.keras(一) tf.keras.preprocessing(未完)
概述:Keras 数据预处理工具。模块:image 模块: 一组用于图像数据实时数据增强的工具。sequence模块: 用于预处理序列数据的实用程序。text 模块: 用于文本输入预处理的实用程序。函数:image_dataset_from_directory(...):从目录中的图像文件生成tf.data.Dataset。text_dataset_from_directory(...):从目录中的文本文件生成tf.data.Dataset...
2021-06-09 17:04:00
3011
翻译 论文翻译:Pose estimation at night in infrared images using a lightweight multi-stage attention network
摘要人体关键点检测是计算机视觉中一项比较基本的任务;它是人类行为识别、行为分析和人机交互的前置任务。由于大多数异常行为发生在夜间,如何在弱光或完全黑暗的环境中有效地提取关节序列数据对其识别提出了巨大的挑战。本文提出了利用远红外图像检测人体关键点的方法,解决了在完全黑暗、烟雾、恶劣天气和眩光等恶劣天气条件下的人体姿态估计问题。然而,远红外图像具有分辨率低、噪声大、热特性差等缺点,需要实时提供关节数据以备后续任务的需要。基于以上原因,本文提出了一种轻量级多级注意力网络(LMANet)来...
2021-06-06 23:45:28
2619
4
翻译 Tensorflow学习之tf.keras(一) tf.keras.layers.Model(另附compile,fit)
模型将层分组为具有训练和推理特征的对象。继承自:Layer,Module
2021-06-06 19:53:24
2050
原创 Tensorflow简单项目实战——fashion_mnist
一、数据集简介采用Tensorflow官方数据集fashion_mnist训练集由60000个图像组成,测试集图像10000张。图片依据衣服分为10个类别每张图都是28x28的灰度图像,二、实验环境Python3.6numpytensorflowmatplotlibtensorflow-datasets (安装好tensorflow后直接pip install tensorflow-datasets)...
2021-06-03 11:24:09
1505
翻译 Tensorflow学习之tf.keras(一) tf.keras.layers.Sequential
Sequential将线性的层堆叠成一个层tf.keras.Model。别名tf.keras.models.Sequential
2021-06-02 15:53:38
1564
翻译 论文翻译:CenterNet:Objects as Points
摘要:检测将物体识别为图像中与轴对齐的框。大多数成功的对象探测器列举了一个几乎详尽的潜在对象位置列表,并对每个对象进行分类。这是浪费,效率低下,并且需要额外的后处理。在本文中,我们采取了一种不同的方法。我们将一个对象定为一个单点-它的边界框的中心点。我们的检测器使用关键点估计来寻找中心点,并回归到所有其他对象属性,如大小,3D位置,方向,甚至姿态。我们基于中心点的方法,CenterNet,是端到端可微的,比相应的基于边界框的检测器更简单、更快、更准确。在MS COCO数据集上,Ce...
2021-05-23 11:34:30
841
翻译 BlazePose
摘要我们提出了BlazePose,一种轻量级卷积神经网络架构,用于人体姿态估计,可用于移动设备上的实时推断。在推理过程中,网络为一个人产生33个身体关键点,在Pixel 2手机上以每秒30帧以上的速度运行。这使得它特别适合姿态跟踪和手语识别等实时用例。我们的主要贡献包括一个新的身体姿态跟踪解决方案和一个轻量级的身体姿态估计神经网络,使用热图和回归到关键点坐标。1.引言从图像或视频中估计人体姿态在健康跟踪、手语识别和手势控制等各种应用中起着核心作用。这个任务是具有挑战性的,...
2021-05-16 21:04:26
8486
翻译 Tensorflow学习之tf.keras(一) tf.keras.layers.BatchNormalization
标准化 输入/激活函数 tf.keras.layers.BatchNormalization( axis=-1, momentum=0.99, epsilon=0.001, center=True, scale=True, beta_initializer='zeros', gamma_initializer='ones', moving_mean_initializer='zeros', m...
2021-05-13 21:56:02
1553
翻译 Tensorflow学习之tf.keras(一) tf.keras.layers.Conv2D
别名tf.keras.layers.Convolution2Dtf.keras.layers.Conv2D( filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), groups=1, activation=None,
2021-05-13 18:26:05
1182
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人