原创 論文Pyramid Attention Network for Semantic Segmentation筆記

該論文發表於2017CVPR,由北理工+曠視科技+北大共同完成 論文傳送門 本人主要借鑑其中的思想在目標檢測中的可行性,故不考慮語義分割相關的內容 初次實現,如有不足之處,還請指出,謝謝! 名詞解釋 Global conte

原创 《動手學習深度學習》筆記之多項式擬合

本文學習自李沐大神的《動手學習深度學習》系列,代碼實現基於MXNet 代碼預熱 簡要列舉大意,具體參見官方API gluon.nn.Sequential() : 逐層堆疊網絡 gluon.loss.L2Loss(): 計算均方

原创 pytorch FPN層objectness map的可視化

要解決的問題 FPN Faster R-CNN的多尺度特徵包括P2, P3, P4, P5, P6,目的是觀察RPN網絡所生成的預測框的前景得分熱力圖,以驗證FPN的不同層確實將不同尺度的特徵進行了融合,下面是所得到的的示例圖,因

原创 論文Path Aggregation Network for Instance Segmentation筆記

Path Aggregation Network for Instance Segmentation論文發表於2018CVPR,香港中文大學+北京大學+商湯科技+騰訊優圖實驗室 共同完成; 論文傳送門 github代碼傳送門 本

原创 python類,對象

# 先用pass佔位,起架構;再用具體的函數替換pass完善類 # 類裏定義函數時,語法規定第一個參數必須爲self # __init__函數,在新對象實例化時會自動運行,用於給新對象賦初值 class Animals:

原创 圖像分割1

什麼是圖像分割 預測圖像中每一個像素所屬的類別或物體 應用場景: - 自動駕駛 - 3D地圖重建 - 美化圖片 圖切割(Graph cut) - 圖切割就是移除一些邊,使得兩個子圖不相連。在一張圖片中,每個像素點的fe

原创 python去除csv文件中每一行的多餘字符

動機 最近處理csv文件的時候,遇到了某些行的行尾出現多餘的分號的情況,而我在使用這些csv文件的時候,這些分號會導致程序運行錯誤,所以就需要將這些多餘的分號去除,csv的形式如下: image_path annotatio

原创 tensorflow模型保存

tensorflow模型保存 1 import numpy as np 2 import tensorflow as tf 3 from sklearn.datasets import fetch_cal

原创 anaconda修改鏡像

通過 conda config 命令生成配置文件,這裏,我們使用清華的鏡像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/,首先,打開CMD,執行命令:conda conf

原创 LeNet訓練mnist數據集

""" 卷積神經網絡處理的過程,主要包含4個步驟 1. 圖像輸入:獲取輸入的數據圖像,一般需要經歷float數據類型轉換,4維Tensor轉換 2. 卷積:對圖像特徵進行提取 3. maxpool:壓縮聚合卷積提取到的特徵,起到降維和改善

原创 使用了Batch Normalization的多層卷積神經網絡處理MNIST數據集

""" 編寫多層卷積神經網絡來識別mnist數據集 採用了Batch Normalization對輸入數據進行處理 """ import tensorflow as tf from tensorflow.examples.tutorial

原创 tensorflow恢復模型的特定值時出錯的問題解決

模型的恢復 對於的模型的恢復來說,需要首先恢復模型的整個圖文件,之後從圖文件中讀取相應的節點信息。 存儲的模型文件包括四個子文件,如下: 現在假如我想恢復模型中的某個節點信息: 需要注意的是在使用saver.restore恢復權

原创 pycharm導入自定義模塊出錯問題的解決

Pycharm導入自定義模塊出錯的解決 先上圖,我的文件結構是這樣的: 首先我寫了個 image_augmentation.py 的文件 路徑爲 "D/pycharm/myfile/tensorflow_application/im

原创 Canny邊緣檢測

canny邊緣檢測算法 五個步驟: 1. 高斯模糊:GaussianBlur 2. 灰度轉換:cvtColor 3. 計算梯度:Sobel/Scharr 4. 非最大信號抑制 5. 高低閾值連接輸出二值圖像 import cv

原创 使用python計算softmax函數

softmax函數用來解決概率計算中概率結果大佔絕對優勢的問題。比如:函數計算結果中有兩個值a和b,假如a>b,如果以大小進行取值的話,那麼a將永遠被選用,而b則永遠不會被選用。但是實際中,小概率事件有時也是會被選用的,只是可能性比較小罷