6 jwy2014

尚未进行身份认证

暂无相关简介

等级
TA的排名 5w+

yolov2 kmeans

import matplotlib.pyplot as pltimport numpy as npimport os, cv2%matplotlib inlineLABELS = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', '...

2020-02-27 14:20:19

贾扬清20号csdn直播课件

2020-02-21 22:08:25

CMake Error: Could not find CMAKE_ROOT

Cmake出现CMake Error: Could not find CMAKE_ROOT !!!Cmake出现CMake Error: Could not find CMAKE_ROOT !!!试了很多方式, 其实只需要这一句话!!!!!!hash -r

2020-02-08 14:55:05

图像分割之分水岭算法

理论  任何灰度图像都可以看作是一个地形表面,其中高强度表示山峰和丘陵,而低强度表示山谷。用不同颜色的水(标签)填充每个孤立的山谷(局部极小值)。当水上升时,根据附近的峰(梯度),不同山谷不同的颜色的水,显然会开始融合。为了避免这种情况,你在水就要融合的地方及时增加屏障(增高水坝)。你继续填满水,建造屏障,直到所有的山峰都被淹没。然后,您创建的屏障会给出分割结果。这就是分水岭背后的“哲学”。你...

2020-02-05 19:49:31

多模态AI算法

让机器读懂视频:亿级淘宝视频背后的多模态AI算法揭秘导读:本篇文章由阿里巴巴新零售淘系技术部出品,内容大纲如下:1、多模态在视频分类算法中的应用探索2、视频分类算法中的层次化分类器的设计3、总结和展望背景随着4G的普及和5G的推出,内容消费的诉求越来越受到人们的重视。2019年互联网趋势报告指...

2020-01-14 11:28:30

多模态融合 Multimodal Fusion

多模态融合 Multimodal Fusion多模态融合(Multimodal Fusion )负责联合多个模态的信息,进行目标预测(分类或者回归),属于 MMML 最早的研究方向之一,也是目前应用最广的方向,它还存在其他常见的别名,例如多源信息融合(Multi-source Information Fusion)、多传感器融合(Multi-sensor Fusion)。按照融合的层次,可...

2020-01-14 10:32:49

kaggle

1.https://github.com/ternaus/TernausNetTernausNet is a modification of the celebrated UNet architecture that is widely used for binary Image Segmentation. For more details, please refer to ourarXiv...

2020-01-11 22:08:13

模型剪枝论文

前言这篇文章是ICCV 2017的一篇模型压缩论文,题目为《 Learning Efficient Convolutional Networks through Network Slimming》。2019年有相当多的关于YOLOv3的剪枝开源工程,他们大多数的原理都来自于这篇论文,这篇论文的思想值得仔细品读。论文原文地址和Pytorch开源代码地址见附录。基础原理这篇文章不同于之前介...

2020-01-06 20:41:51

TernausNet: U-Net with VGG11 Encoder Pre-Trained on ImageNet for Image Segmentation

# TernausNet: U-Net with VGG11 Encoder Pre-Trained on ImageNet for Image SegmentationBy [Vladimir Iglovikov](https://www.linkedin.com/in/iglovikov/) and [Alexey Shvets](https://www.linkedin.com/in/sh...

2020-01-05 20:05:43

Keras-yolov3训练

本教程为keras-yolov3版本的训练及测试全过程实现,为保证对新手的友好性,不会过多解释原理,主要是让新手能对全过程有个比较清楚的概念和认识,方便训练自己的数据。本教程一共有三个部分:一.数据集准备及生成 二.训练所需知识 三.测试及相关性能测试可视化一.数据集准备及生成:1.先来熟悉文件结构font文件夹下是保存keras-yolov3可能会调用到的字体及颜色,在测试部分有...

2020-01-03 23:27:56

Kaggle优胜者详解:如何用深度学习实现卫星图像分割与识别

Kaggle优胜者详解:如何用深度学习实现卫星图像分割与识别最近,Kaggle网站举办了一场在卫星图像上进行场景特征检测的比赛Dstl Satellite Imagery Feature Detection,数据集由英国国防科学与技术实验室(DSTL)提供。以色列团队http://deepsense.io在419支参赛队伍中获得了第四名的成绩。http://deepsense.io的模型...

2019-12-30 22:43:56

滑动窗口的最值

问题描述#给定一个大小为n≤106的数组。有一个大小为k的滑动窗口,它从数组的最左边移动到最右边。您只能在窗口中看到k个数字。每次滑动窗口向右移动一个位置。以下是一个例子:该数组为[1 3 -1 -3 5 3 6 7],k为3。窗口位置 最小值 最大值 [1 3 -1] -3 5 3 6 7 -1 -3 1 [3 -1 -3] 5 ...

2019-12-29 19:58:24

图像上采样和反卷积

上采样是指将图像上采样到更高分辨率的任何技术。最简单的方法是使用重新采样和插值。即取原始图像输入,将其重新缩放到所需的大小,然后使用插值方法(如双线性插值)计算每个点处的像素值。在CNN上下文中,上池化通常指代最大池化的逆过程。在CNN中,最大池化操作是不可逆的,但是我们可以通过使用一组转换变量记录每个池化区域内最大值的位置来获得一个近似的逆操作结果。在反卷积(网络)中,上池化操作使用这些转换变量...

2019-12-27 15:46:48

神经网络工具箱nn

使用autograd可实现深度学习模型,但其抽象程度较低,如果用其来实现深度学习模型,则需要编写的代码量极大。在这种情况下,torch.nn应运而生,其是专门为深度学习而设计的模块。torch.nn的核心数据结构是Module,它是一个抽象概念,既可以表示神经网络中的某个层(layer),也可以表示一个包含很多层的神经网络。在实际使用中,最常见的做法是继承nn.Module,撰写自己的网络/层。...

2019-12-27 14:32:34

Depthwise卷积与Pointwise卷积

Depthwise卷积与Pointwise卷积Depthwise(DW)卷积与Pointwise(PW)卷积,合起来被称作Depthwise Separable Convolution(参见Google的Xception),该结构和常规卷积操作类似,可用来提取特征,但相比于常规卷积操作,其参数量和运算成本较低。所以在一些轻量级网络中会碰到这种结构如MobileNet。常规卷积操作对于...

2019-12-26 22:31:52

dstl-test

https://www.kaggle.com/khushhall/dstl-test%matplotlib inlineimport matplotlib.pyplot as pltfrom pylab import plot, show, subplot, specgram, imshow, savefigimport numpy as npimport cv2import pa...

2019-12-26 16:10:49

Python编程图形库之Pillow使用方法讲解

安装安装可以通过pip,只需要执行pip install pillow即可from PIL import ImageGrabfrom PIL import ImageFilter,Image#get current screen copyimage = ImageGrab.grab()#display image sizeprint("Current screen s...

2019-12-26 09:53:29

Jetson nano快速上手,跑通tiny-yolov2

Jetson nano快速上手下载镜像文件首先我们需要下jetson的镜像文件,实际上就是一个针对jetson nano优化过的ubuntu系统。 官方推荐是16G的高速tf卡,这里建议大家最少使用32G。因为后面加上各种模型数据和库,再打开swap区可以轻松超过20G。大家可以前往下面网站,并通过在左侧选中第三栏,红圈的位置为镜像下载地址。https://developer.nvid...

2019-12-25 22:02:16

模型量化Calibration

量化校准过程(预处理阶段),我们使用验证集中的一小部分图片(通常为整个数据集的 1-5%)来收集数据分布的信息,包括最小值 / 最大值、基于熵理论的最佳阈值、基于对称量化的量化因子等。最终,这些量化参数会被记录在新生成的量化模型中。 Calibration 如果要让最后的精度损失不大,是要考虑一些先验知识的,这个先验知识就是每一层在 FP32精度下的激活值分布,只有根据这个...

2019-12-25 15:49:03

昇腾

直接卷积是按照卷积层的计算特性进行计算,在计算之前需要对输入特征图补零,补零的好处之一是可以让输入特征图在卷积层处理后,输出特征图和输入特征图的大小保持一致。同时,补零可以有效保护输入特征图的边缘特征信息,使其在卷积层的处理过程中得到有效保护。...

2019-12-25 15:15:35

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享精英
    分享精英
    成功上传11个资源即可获取