- 博客(22)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 ITK SimpleITK Window环境下编译
最近在工作中涉及到3D 数据的分割，深度学习方法慢，且构建数据集费时费力，经过一番查找，最终选择使用ITK这个库。最开始的时候是使用python 环境下的SimpleITK ,也实现了我想要的功能。但最终要和QT C++ 的项目合并，所以只能使用C++ 下的代码了。后来因为速度上的问题，又编译了基于Cuda 11.2 的GPU 版本的ITK.这里记录一下我在使用ITK 过程中遇到的坑和问题，希望能给后来人有些帮助。
2024-04-09 18:09:48
375
原创 目标检测--YoloV5
以Yolov5s的结构为例，原始608×608×3的图像输入Focus结构，采用切片操作，先变成304×304×12的特征图，再经过一次32个卷积核的卷积操作，最终变成304×304×32的特征图。需要注意的是：Yolov5s的Focus结构最后使用了32个卷积核，而其他三种结构，使用的数量有所增加，先注意下，后面会讲解到四种结构的不同点。在网络训练中，网络在初始锚框的基础上输出预测框，进而和真实框groundtruth进行比对，计算两者差距，再反向更新，迭代网络参数。中，采用的都是普通的卷积操作。
2024-03-29 09:24:59
270
1
原创 目标检测--Yolov7
从网络结构上看和yolov3, yolov5 啥的相差不大，都是通过backbone，neck， head，最后输出三个feature map, 但里面的网络细节上有了不小的改动。将每个【真实框】与得到的9个anchor 匹配： 分别计算【真实框】与这9个anchor 的宽高比（比较大的除以比较小的，比值大于1），得到两个比较值，取最大值，如果最大值小于阈值，就将这个anchor 框设置为正样本（正样本的意思就是说这个框里面有要检测的物体，负样本是说，有个框，但框里没有要检测的物体）。
2024-03-28 10:16:09
266
1
原创 目标检测--YoloX
以下整理和图像均来自江大白老师的知乎讲解：深入浅出Yolo系列之Yolox核心基础完整讲解知乎YOLOX 结构图yolov3 相比，最大的改进是在head阶段，yolov3结构如下yolov3 head中，直接将neck层融合后的结果，进行卷积操作，然后得到 （n*n）*255 的feature map而yolox head 则使用了“解耦头”操作，将neck层的结果解耦,如下图。
2024-03-26 09:57:28
385
原创 A Unified Model for Multi-class Anomaly Detection
A Unified Model for Multi-class Anomaly Detection
2023-02-24 10:11:52
160
原创 分割论文：Adapting The Hypersphere Loss Function From Anomaly Detection To Anomaly Segmentation
Adapting The Hypersphere Loss Function From Anomaly Detection To Anomaly Segmentation
2023-02-21 10:23:39
339
原创 自回归和自编码
以前看论文和博客的时候经常看到自回归模型，自编码模型，感觉云里雾里的。今天搜了搜，看清了本质。自回归语言模型，说白了就是通过上文一步一步预测下文，不能看见未来信息的模型。像坚持只用单向Transformer的GPT就是典型的自回归语言模型自编码语言模型就是 类似于bert 这种，使用了 mask LM 的，可以使用上下文语境信息的。这也是为什么bert 是双向的原因。区别与bi lstm 这种，使用两层网络的...
2022-04-26 17:27:13
1168
原创 从0开始训练bert
之前一直对bert 预训练结果是怎么来的感兴趣，今天参考了下github 上的代码，跑了一边终于知道是怎么来的了，在这分享下。代码地址：codertimo/BERT-pytorch: Google AI 2018 BERT pytorch implementation (github.com)https://github.com/codertimo/BERT-pytorchbert 模型训练的任务：在bert 模型中，主要干了两个事，一是判断两句话 是否是上下文，二是从这两句话中...
2022-04-08 18:01:14
2889
3
原创 统计语言模型
统计语言模型 基于概率的判别模型。统计语言模型把语言（词的序列）看作一个随机事件，并赋予相应的概率来描述其属于某种语言集合的可能性。给定一个词汇集合 V，对于一个由 V 中的词构成的序列S = 〈w1, · · · , wT 〉 ∈ Vn，统计语言模型赋予这个序列一个概率P(S)，来衡量S 符合自然语言的语法和语义规则的置信度。用一句简单的话说，统计语言模型就是计算一个句子的概率大小的这种模型。基本语言模型公式：P(w1,w2,w3…,wi)=P(w1)P(w2|w1)P(w3|w1,w..
2021-12-21 11:13:51
343
原创 多分类任务的混淆矩阵和评价指标
之前一直不明白多分类任务的混淆矩阵，今天研究了一下。拿一个三分类任务来说 "cat", "dog","bird"，有8个预测结果预测值：[dog, dog, cat ,cat, cat, dog, bird, cat]真实值：[dog, cat, cat, cat, bird, bird,cat, cat]要对每一个类别做混淆矩阵。拿cat类来说，真实值是cat, 预测值也是cat 也就是TP 值3， 的值是 2， 真实值是不是cat,但预测值是cat, 也就是FP的值是1 ， 真实值是ca
2020-09-16 12:36:48
2877
原创 python3 post 请求
记录一下python3 post 请求的发送方式，省的每次现查import jsonimport urllib.parseimport requestsimport jsonheaders = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Geck...
2019-12-24 09:09:37
325
原创 线性回归推导整理
记录一下线性回归推导。以后多写写博客，多记录线性回归公式其中，w0为参数，x0 为样本值，b 为偏执项可以记为 (1)其中，wT为转置矩阵。预测样本和真实值之间存在误差 其中为误差对于每个样本都存在误差 (2)假设误差是服从独立分布的，并且服从高斯分布，则有 (3)将（2）代入（3）则有条件概率 (4)在已知条件概率的情况下，可以...
2019-12-13 13:23:57
397
原创 LIN总线协议记录
最近调研了LIN总线，记录一下，以备查找。LIN总线： 针对汽车分布式电子系统而定义的一种低成本的串行通讯网络。基于SCI(UART)数据格式，采用单主控制器/多从设备的模式，是UART的一种特殊情况。LIN网络中节点数量不能超过16个，否则节点增加将会导致网络阻抗，导致环境条件变差。同步机制： 主节点在报文帧的头部发送同步间隙，标记报文帧的开始。
2017-09-06 16:45:18
6078
原创 Python学习笔记与记录
学习Python的语法与用法记录break语句： break用于将整个循环终止，当运行break后，循环将会跳出 continue语句： 用于跳过continue后面的语句，直接进行下一次循环 pass语句： Python pass是空语句，是为了保持程序结构的完整性。pass 不做任何事情， 一般用做占位语句
2017-09-06 16:40:50
336
原创 shell 编程记录
shell变量不需要声明，不需要指明变量类型 不能使用关键字不能用数字开头，只能包含数字，字母和下划线显示时用echo($变量名显示)for循环有三种表示方法for i in a to bfor i in {1,2,3…}for((i = 0; i < n ; i++))之后是do 循环语句，最后done。if - else 语句说明： if [ 表达式] “执行语
2017-03-10 10:11:45
120
原创 gerp小记
linux中grep命令：－c：只输出匹配行的计数。－I：不区分大 小写(只适用于单字符)。－h：查询多文件时不显示文件名。－l：查询多文件时只输出包含匹配字符的文件名。－n：显示匹配行及 行号。－s：不显示不存在或无匹配文本的错误信息。－v：显示不包含匹配文本的所有行。pattern正则表达式主要参数：\： 忽略正则表达式中特殊字符的原有含义。^：匹配正则表达式的开始行。$:
2017-03-09 13:54:17
384
opencv-contrib_python-3.4.2.16-cp37-amd64.zip
2019-08-23
opencv_python-3.4.2.16-cp37-cp37m-win_amd64.whl
2019-08-23
Nemesis网络发包工具源码
2018-02-05
linux下用curl实现远程下载文件代码
2017-09-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人