- 博客(27)
- 收藏
- 关注
RSS订阅
原创 目标检测（一）Detnet（目标检测特征提取网络）
Detnet（目标检测特征提取网络）摘要：不管是rcnn系列，还是ssd,yolo系列的网络，都是在原有的分类网络的基础上进行微调（迁移学习）。目标检测：1.分类2.定位。存在问题：1.传统的backbone基于大的下采样倍数，以获取更大的感受野，这有利于图像的分类，但不利于目标的精确定位、识别小物体。2. 最新的检测器与分类的backbone相比，为了获取多样的sizes，基本都增加了额外的stages。改进：detnet包含了额外的层，不仅保留了高分辨率的特征，而且保留了大的感受野。DETNET
2020-05-14 00:19:05
2570
原创 Server returns invalid timezone. Go to ‘Advanced‘ tab and set ‘serverTimezone‘ property manually.
报错：Server returns invalid timezone. Go to ‘Advanced’ tab and set ‘serverTimezone’ property manually.解决方法：1. 打开IDEA右边的Database–>点击+号2、 填写UserPasswordDatabase(就是你要连接的数据库)Test Connection3、 点击Driver:MySQL4、将MySQL版本号修改成自己所要使用的5、重新进行连接测试，看到红色框中的
2021-08-25 10:50:25
89
原创 在Intellij idea中新建了一个Maven项目，运行时报错如下：Error : java 不支持发行版本5
在Intellij idea中新建了一个Maven项目，运行时报错如下：Error : java 不支持发行版本5出错原因：java版本不匹配解决方法：1、 File -->Project Settings-->Project 检查Project中，Project SDK版本2、File -->Project Settings-->Modules 检查Modules中，Language level版本4、同上5、检查6、解决完成，运行查看结果出错原因：java版本不匹配解决方法：
2021-08-24 13:54:20
118
原创 卷积神经网络（四）Resnet网络pytorch实现
1.Resnet 主要结构图2.VGG与resnet34比较注意虚线和实线的区别：2.1不需要下采样，直接相加3.1需要下采样，下采样之后再相加3.resnet参数结构4.具有代表性的残差块前面是34-的，后面是50+的5.具体代码实现5.1先定义适合Resnet34的基础卷积块#18，34class BasicBlock(nn.Module): #因为第一个卷积和第二个卷积的通道数一样，所以这个设置为1 expansion = 1 def __
2020-07-29 17:02:51
947
原创 卷积神经网络（三） 轻量级网络EffNet pytorch实现
这篇论文是在Mobilenetv1,v2,Shufflev1发表之后提出来的，阅读论文前面的一部分就可以知道，主要也是针对这两篇论文的改进。**1.主要改进的地方就是下面这幅图：**将深度可分离卷积（3，3）改成（3，1），（1，3）空间可分离卷积，这个结构在谷歌的Inception网络结构中也提到过，感兴趣的小伙伴可查阅。2.该模块代码实现 def make_layers(self,ch_in,ch_out): layers=[ # ch_in=
2020-07-26 09:54:09
731
原创 Pytorch知识集锦（一） torch x=x.view(x.size()[0],-1)
在写特征提取网络的时候，在卷积网络和分类网络的相结合的地方，需要用到将特征转换成一个列数为一的一维向量：#coding=utf-8#torch x=x.view(x.size()[0],-1)import torcha=torch.arange(1,17) #[1,16]print(a)print(a.size(0)) #[16] 一行，十六列#x=x.view(x.size(0),-1)b=a.view(a.size()[0],-1)#b=a.view(a.size(0),-1
2020-07-25 21:20:55
313
原创 卷积神经网络（二）Alexnet Pytorch实现
卷积神经网络（二）Alexnet Pytorch实现1.Alexnet 网络结构模型相比于Lenet5,它的结构更深，还加入了激活函数Relu()函数（仔细度代码就会发现）2.网络模型搭建 Pytorchimport torch.nn as nnimport torchclass AlexNet(nn.Module): def __init__(self, num_classes=1000, init_weights=False): super(AlexNet, sel
2020-07-24 18:18:52
316
原创 卷积神经网络（一） Lenet Pytorch实现
Lenet 这个网络是最基础的卷积神经网络，学过一段时间的pytorch看着结构图应该就可以搭建出来了1. lenet 网络结构图2. lenet模型 代码实现import torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): #定义conv pool fc def __init__(self): super(LeNet, self).__init__()
2020-07-24 18:03:53
454
原创 python进阶（八） 三元运算符
#coding=utf-8"""如果条件为真，则为真，如果体哦啊金为假，则为假"""is_fat=Truestate="fat" if is_fat else "not fat"print(state)#(返回假，返回真)[真或者假]fat=True#注意下面这个要对应，如果是真则返回后面的，如果是假则返回前面的fitness=("skinny","fat")[fat]print("All is ",fitness)#元组条件表达式一般情况下不使用，...
2020-07-21 19:37:35
98
原创 python进阶（七）Reduce 用法
#coding=utf-8"""当需要对一个列表进行计算并返回结果，"""#计算一个整数列表的乘积的时候from functools import reduceproduct=reduce((lambda x,y:x*y),[1,2,3,4])print(product)
2020-07-21 15:19:22
139
1
原创 python进阶（六） set 数据结构
#coding=utf-8"""set 结合是一个非常有用的数据据结构 它和列表不要太一样 它的里面不可以包含重复的元素"""some_list=["a","b","c","b","d","m","n","n"]# duplicates=[]# for value in some_list:# if some_list.count(value)>1:# if value not in duplicates:# duplicates.ap
2020-07-21 15:18:13
110
原创 python进阶（五）Filter 用法
#coding=utf-8"""filter 过滤列表中的元素，并且返回一个由所有符合要求元素构成的列表符合要求即函数映射到该元素时返回值为 True.filter 类似于一个for 循环，它是一个内置函数，并且更快"""number_list=range(-5,5)less_than_zero=filter(lambda x:x<0,number_list)print(list(less_than_zero))...
2020-07-21 14:24:11
129
原创 python进阶（四） Map()用法
#coding=utf-8"""Map 会将一个函数映射到一个输入列表的所有元素上面"""#map(function_to_apply,list_of_inputs)#将列表中的所有元素传递给函数items=[1,2,3,4,5]squared=[]for i in items: squared.append(i**2)print(list(squared))#大多数时候，使用匿名函数 配合map使用items=[1,2,3,4,5]squared=list(map(lamb
2020-07-21 14:17:16
230
原创 python进阶（三）生成器Generators
#coding=utf-8"""迭代器：是一个可以遍历一个容器的对象一个迭代器在遍历并读取一个容器的数据元素时，并不会执行一个迭代"""#可迭代对象"""在python中的任意对象，只要它定义了可以返回一个迭代器的__iter__方法或者定义了可以支持下标索引的__getitem__方法，那么它就是一个可迭代对象可迭代对象，就是能提供迭代器的任意对象"""#迭代器"""任意对象，只要定义了__next__方法，它就是一个迭代器"""#迭代"""从一个地方取出一个元素的过程
2020-07-21 01:25:54
115
原创 python进阶（二） 调试 Debugging
#coding=utf-8"""调试，从脚本内部运行"""import pdbdef make_bread(): pdb.set_trace() return "I don't have time"print(make_bread())#命令列表"""c:继续执行w：显示当前正在执行的代码行的上下文信息a：打印当前函数的列表参数s:执行当前代码行，并停在第一个可以停止的地方，相当于单步进入n:集训执行当前函数的下一行，或者当前行直接返回，但不跳过"""
2020-07-21 00:39:28
148
原创 python进阶（一）*args **kwargs 的用法
#coding=utf-8"""*args **kwargs 主要用于函数定义 ，将一个不定数量的参数传递给下一函数不定：预先并不知道要传递给多少参数给你，故这个场景下使用这两个关键字*args:用来发送一个 非键值对的可变数量 的参数列表给一个函数"""# #*args 是一个参数列表# def test_var_args(f_arg,*argv):# print("first normal arg:",f_arg)# for arg in argv:#
2020-07-21 00:20:33
300
原创 GAN对抗生成网络（一）（小白）
原理通过生成网络G，判别网络D不断博弈，让G学习到真实的数据分布。生成网络G：它输入的是随机噪声，输出的则是生成的图像。判别网络D：输入的是一张图片x，输出的是概率D（x)=(0,1)训练过程1.生成网络G的目标就是：生成类似真实的图片去让判别网络D判断是否为真。2.判别网络D的目标就是：辨别出输入的图像是真实的图像，还是生成网络G所生成的图像。G与D构成了一个动态博弈的过程，最终的平衡点就是【纳什均衡点】优化过程：寻找生成模型与判别模型之间的纳什均衡点优化目标：调节概率生成模型的参数 t
2020-07-13 19:22:59
155
原创 pytorch： utils.data 使用案例（自定义数据集）
pytorch： utils.data 使用案例（自定义数据集）utils.data包括Dataset和DataLoader。 torch.utils.data.Dataset为抽象类。 自定义数据集需要继承这个类， 并实现两个函数， 一个是__len__， 另一个是__getitem__， 前者提供数据的大小（size） ， 后者通过给定索引获取数据和标签。__getitem__一次只能获取一个数据， 所以需要通过torch.utils.data.DataLoader来定义一个新的迭代器， 实现
2020-06-23 22:20:24
634
原创 图像处理:图像统一缩放到一定尺寸python+opencv
图像处理:图像统一缩放到一定尺寸python+opencv代码import os.pathimport globimport cv2def convert(indire,outdir,width=128,height=128): #src=cv2.imread(indir,cv2.IMREAD_ANYCOLOR) src = cv2.imread(indire,cv2.IMREAD_ANYCOLOR) try: dst=cv2.resize(src,(wid
2020-06-22 21:32:46
2496
原创 python调用cv2.findContours时报错
**python调用cv2.findContours时报错：ValueError: not enough values to unpack (expected 3, got 2)**原因：opencv版本问题，我安装的是最新版本，opencv-python==4.2.0，版本太高了旧版的传回三个参数，新版的传回两个参数ref_, refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SI
2020-05-16 10:47:47
934
3
原创 （opencv ）r_template_match.py: error: the following arguments are required: -i/--image, -t/--template
ocr_template_match.py: error: the following arguments are required: -i/–image, -t/–template信用卡识别错误解决！错误：usage: ocr_template_match.py [-h] -i IMAGE -t TEMPLATEocr_template_match.py: error: the following arguments are required: -i/--image, -t/--template
2020-05-15 22:40:04
1935
5
原创 小目标检测 FPN（一）
小目标检测 FPN（一）小目标的介绍：有两种定义方式，一种是相对尺寸大小，如目标尺寸的长宽是原图像尺寸的0.1，即可认为是小目标，另外一种是绝对尺寸的定义，即尺寸小于32*32像素的目标即可认为是小目标。方法一：FPN论文：feature pyramid networks for object detection主要思想：在FPN之前，大多数目标检测的方法和分类网络一样，用特征提取网络的最后一层来进行回归和预测。缺点：这种方法只用到高层的语义信息，对于前面特征提取的信息，利用率非常低。在目标检测
2020-05-13 12:09:27
1366
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人