原创 深度學習設計
損失函數設計： 1、目標檢測領域：不提倡使用預測框座標與GT座標的差值進行損失函數統計，因爲座標差值會受座標尺寸大小影響，座標 尺寸大的時候，差值相對大，座標尺寸小，差值相對小。 改進：使用IOU，IOU不受座標尺寸因素的影響。 （兩種座
2020-07-06 19:28:01
7
原创 Python+OpenCV教程4：圖像基本操作
目標 訪問和修改圖片像素點的值 獲取圖片的寬、高、通道數等屬性 瞭解感興趣區域ROI 分離和合並圖像通道 教程 獲取和修改像素點值 我們先讀入一張圖片： import cv2 img = cv2.imread('lena.jpg'
2020-06-22 04:49:58
3
原创 pytorch實現 分組卷積 深度可分離卷積
常規卷積： 常規卷積需要的參數量：Cin×K×K×Cout 分組卷積： 分組卷積需要的計算量 ： Cin×K×K×Cout / g 深度可分離卷積(Depthwise Separable Convolution): 需
2020-06-22 04:49:58
2
原创 文字檢測篇-傳統篇
文字檢測是文字識別過程中的一個非常重要的環節，文字檢測的主要目標是將圖片中的文字區域位置檢測出來，以便於進行後面的文字識別，只有找到了文本所在區域，才能對其內容進行識別。 文字檢測的場景主要分爲兩種，一種是簡單
2020-06-22 04:49:58
6
原创 Python+OpenCV教程13：輪廓
目標 瞭解輪廓概念 尋找並繪製輪廓 OpenCV函數：cv2.findContours(), cv2.drawContours() 教程 啥叫輪廓 輪廓是一系列相連的點組成的曲線，代表了物體的基本外形。 談起輪廓不免想到邊緣，它們確實很像
2020-06-22 04:49:58
74
原创 A Beginner guide to Deep Learning based Semantic Segmentation using Keras
A Beginner's guide to Deep Learning based Semantic Segmentation using Keras Divam Gupta 06 Jun 2019 Pixel-wise imag
2020-06-22 04:13:10
原创 使用 深度可分離卷積(Depthwise Separable Convolution) 改造CRNN網絡
深度可分離卷積(Depthwise Separable Convolution)能夠使得網絡的參數大幅度減少，本文擬在改造CRNN，看看參數量的變化情況： 改造前crnn網絡的cnn部分網絡代碼： class CNN0(nn.Modul
2020-06-22 04:13:10
1
原创 暗通道去霧算法
https://blog.csdn.net/wsp_1138886114/article/details/84228939### https://www.cnblogs.com/echoboy/p/10924868.html 針對天空去霧
2020-06-22 04:13:10
1
原创 使用kmean進行圖像分割 使用CRFs進行分割後處理
存在需要解決的問題： 1、kmean是隨機聚類的，當設置K值後，每次聚類完後分配的標籤也是隨機的，如果直接根據聚類後的標籤給着色，客戶每一次聚類後發現顏色都跟上一次不一樣，又開始嗶哩嗶哩了； 2、可通過設置kmean的參數cv2.KMEA
2020-06-22 04:13:10
原创 深度學習評估參數
True Positive(TP)：原來是正樣本，預測結果爲正樣本；目標識別中，把目標給框出來了 True Negative(TN)：原來是負樣本，預測結果爲負樣本；目標識別中，負樣本就是背景之類 False Positive(FP)：原
2020-06-22 04:13:10
原创 李宏毅深度學習課程筆記 -卷積神經網絡
1、卷積神經網絡特適合image處理，其設計理念： 現象1： 現象2： 現象3： 總結summary： (1)對於圖像中的patterns(比如貓的耳朵，嘴巴等)，通常比整張圖像小很多。神經網絡的每一個neuron，相當於一個ba
2020-06-22 04:13:10
1
原创 from scratch implement crnn using pytorch :讀取訓練數據
知識點： python特殊函數 __call__() 實現類變成一個可調用對象 class Person(object): def __init__(self, name, gender): self.nam
2020-06-22 04:13:10
4
原创 使用pytorch實現crnn
改動點： （1）把傳統的卷積改造成深度可分離卷積； （2）使用pytorch實現的ctc，不再使用百度開源的warpctc，主要原因是本人使用Windows來開發調試，編譯warpctc貌似很麻煩； crnn網絡實現代碼： clas
2020-06-22 04:13:10
1
原创 pyorch 通過前三個數預測後一個數的模型代碼demo
相關知識： 使用scatter_進行one-hot編碼 scatter_(self, dim, index, value)將src中數據根據index中的索引按照dim的方向填入value值，這個函數可以從轉換成onehot編碼來理解
2020-05-16 16:24:50
原创 pytorch 實現crnn
知識點： torch.nn.ReLU(inplace=True)中inplace的作用 在文檔中解釋是： 參數： inplace-選擇是否進行覆蓋運算 意思是是否將得到的值計算得到的值覆蓋之前的值，比如：x = x +1即對原值進行操
2020-05-16 16:24:49