原创 cv2.imread()函數按照不同參數讀取時的輸出通道數
import cv2 img = cv2.imread('1.jpg', cv2.IMREAD_UNCHANGED) print(img.shape) img = cv2.imread('1.jpg', cv2.IMREAD_CO
2020-06-21 22:06:02
原创 對深度學習目前以及未來的看法 (AI時代可能延後，但總會到來)
下面的觀點僅代表個人看法，沒有受到任何外在觀點的浸染，只是自己躺在椅子上，望着藍藍的天空，腦子裏突然蹦出來的想法。 個人認爲：深度學習目前處於一個突破性的臨界點的狀態，很像是60年代左右出現的數據庫的狀態，當然如果相比於數據庫，數據庫
2020-06-21 22:05:41
原创 MAC系統下測試IP+端口
首先給大家示範一個錯誤的寫法： 想要知道其中某個端口的系統是否可以訪問通，一般的ping命令是解決不了這個問題的，因爲不管在windows下還是linux或者mac下，ping命令只能跟IP地址或者域名，是不能加端口訪問的。 mac下
2020-06-21 22:05:41
原创 上採樣、下采樣（卷積、轉置卷積）圖片輸出大小計算公式
輸出圖像大小 = （輸入圖片大小 - 卷積核大小 + 2*padding）/ stride步長 + 1 如：4 = （4 - 3 + 2*1）/ 1 + 1 輸出圖像大小 = （輸入 - 1）* stride步長 + outputpa
2020-06-21 21:32:56
原创 爲什麼卷積核通常都是奇數（1x1、3x3...）
使用小的卷積核代替大卷積核的目的有兩個，第一，降低參數數量，第二，順帶的效果是增加了網絡深度。 1，爲了方便same padding時的處理。如步長爲1時，要補充k-1的zero padding才能使輸出輸出的尺寸一致，這時候如果核大小k
2020-06-21 21:32:45
18
原创 論如何做到輕量級網絡(Unet爲例)
先貼一張整個過程中參數的下降量： 可以看到，最後參數量爲原始的20%左右。 查看網絡參數量的代碼： # 網絡參數數量 def get_parameter_number(net): total_num = sum(p.num
2020-06-21 21:32:45
原创 java中對map根據value進行排序(Integer、String均使用)
1、聲明一個hashmap對象 Map<Integer, Integer> map = new HashMap<Integer, Integer>(); 2、put數據 3、通過ArrayList構造函數把map.entrySet()轉
2020-06-15 10:52:45
原创 YOLO-V3 Bbox預測解讀
tx、ty：預測的座標偏移值，經過sigmoid變換。 Cx、Cy：在本圖是1，這樣經過計算後，就得到了預測bbox的中心點座標。 tw、th：尺度縮放。 bx、by：預測出的bbox的中心點座標。通過計算得出。 bw、bh：預測出
2020-04-10 16:57:33
20
原创 anchor的生成
github分析看的更舒適： The generation method of anchor in Faster RCNN (anchor的產生詳細分析) anchor的生成主要是採用了generate_anchors方法： d
2020-03-26 07:32:47
原创 Pascal VOC 2007 數據集簡介
Pascal VOC 2007 數據集簡介 Annotations：XML文件集合。 文件名、長、寬、通道數、目標類型、目標座標...... ImageSets：Layout、Main、Segmentation Layout：train文
2020-03-26 07:32:37
原创 YOLO v3配置文件全解析
# [net]爲特殊的層，配置整個網絡 [net] # 測試模式，每次測試1/1=1張 # Testing # batch=1 # subdivisions=1 # 訓練模式 每次前向圖片的數目=batch/subdivisions=16
2020-03-26 07:32:37
原创 5354. 通知所有員工所需的時間
# DFS自底向上 ''' class Solution: def numOfMinutes(self, n: int, headID: int, manager, informTime) -> int:
2020-03-09 04:30:43