原创 PyTorch學習:多項式迴歸的小例子

#多項式迴歸模型 import torch import numpy as np from torch.autograd import Variable import matplotlib.pyplot as plt torch.man

原创 PyTorch學習:Tensor的操作

x = torch.ones(2, 2) print(x) # 這是一個float tensor 1 1 1 1 [torch.FloatTensor of size 2x2] print(x.type()) torch.

原创 PyTorch學習:動態圖和靜態圖

動態圖和靜態圖 目前神經網絡框架分爲靜態圖框架和動態圖框架,PyTorch 和 TensorFlow、Caffe 等框架最大的區別就是他們擁有不同的計算圖表現形式。 TensorFlow 使用靜態圖,這意味着我們先定義計算圖,然後不斷使用

原创 從LeNet-5到NasNet

LeNet-5:input:輸入圖片,32*32像素;C1:5*5卷積核,生成6個feature maps,共需要(6*5*5 + 6)=156個參數;S2:2*2個像素相加,然後乘以一個參數,加上一個偏置,共計2*6=12個參數;C3:

原创 CTPN細粒度候選框合併

1.候選框分組 2. 確定每個分組的座標 1.候選框的分組: im_size[1]:傳入圖片的寬度 box[0]:細粒度候選窗口的左上角橫座標 boxes_table:把所有左上角橫座標相同候選窗口放在一塊,方便下面根據左上角候選窗口的橫

原创 圖像的讀取和翻轉

使用opencv和PIL讀圖像的異同點以及圖像翻轉的numpy操作import cv2 import numpy as np from matplotlib import pyplot as plt from PIL import Ima

原创 python dp 地牢遊戲

題目思路: 從右下到左上進行動態規劃。逆向計算經過每一個格子至少需要的生命值。 def loving(n,m,s): qishi=1 i=n-1 j=m-1 dp=[[0 for i in range(

原创 IOU的計算

IOU:在圖像檢測中經常用來篩選候選框。具體爲兩個候選框的交集除以兩個候選框的補集。 # -*- coding: utf-8 -*- def IOU(Reframe,GTframe): """ 自定義函數,計算兩矩形 I

原创 常用的圖像處理插值方法

1.最近鄰插值import cv2 import numpy as np import time from traitlets.config.application import catch_config_error def fu

原创 Canny+Hough可視化調參(Trackbar)

這裏引用一個腦CT圖片,用一天直線從中間分開。g_CannyThred_1:canny邊緣檢測運用高低閾值的方法(小於低閾值忽略,高於高閾值爲邊緣,高低閾值之間的值如果與邊緣相連則判定爲邊緣),官方推薦高閾值是底閾值的2到3倍。本慘數爲底

原创 keras 自帶數據的標準化方法

1. featurewise_center:布爾值,使輸入數據集去中心化(均值爲0), 按feature執行。2. samplewise_center:布爾值,使輸入數據的每個樣本均值爲0。3. featurewise_std_no