原创 Ubuntu16.04中Anconda2/Anconda3的安裝使用和tensorfow的配置
anaconda的安裝比較簡單，初學者主要的問題在與使用和配置方面。 1．下載安裝包： 在官網下載就行了，下載速度挺快的。 鏈接 https://www.anaconda.com/distribution/ python2.7
2020-06-16 15:22:00
原创 Tensorflow識別手寫數字
開始學Tensorflow識別手寫數字的時候，在Google的Tensorflow的實戰書和Tensorflow中文社區上都只是看到了MNIST的訓練結果，顯示了準確率。並沒有看到單個數字的識別結果。不過在參照了許多博客後，終於成
2020-06-16 15:21:59
2
原创 CAM實現的流程(pytorch)
之前寫了一個簡化版本（簡化版傳送門）的可視化過程，簡化版的可視化沒有考慮到通道之間的關係。這篇將介紹cam的流程。 下一篇爲Grad-Cam實現流程 目錄流程圖算法思路舉個例子代碼分析1.導入各種包，並且讀取類別標籤2.讀取圖片，
2020-06-16 15:21:59
18
原创 GIoU詳解
Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression 一、動機： 在目標檢測任務中，迴歸loss相同的情況下，Io
2020-06-16 15:21:59
1
原创 解決RemoveError: setuptools is a dependency of conda and cannot be removed from conda
昨天將顯卡驅動從389更新爲418之後，無法創建新環境，且無法刪除舊環境，使用conda remove或者conda create命令均會報錯： RemoveError: ‘setuptools’ is a dependency
2020-06-16 15:21:59
6
原创 ValueError: some of the strides of a given numpy array are negative.的解決方法
錯誤代碼： 使用opencv讀取圖片後，轉換顏色通道，再轉爲tensor img = img[:, :, ::-1] # BGR --> RGB transform = transforms.Compose([
2020-06-16 15:21:59
原创 特徵圖可視化爲類激活圖(CAM)－－簡化版
本篇博客是簡化版本的CAM，針對於不同特徵圖進行可視化。 其餘兩篇： CAM實現的流程(pytorch) Grad-Cam實現流程(pytorch) 在圖像分類領域的論文中，經常看到如下所示的可視化圖片。將特徵圖的響應大小，映射到
2020-06-16 15:21:59
原创 RA-CNN細粒度分類網絡
CVPR2017細粒度分類paper：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Ima
2020-06-16 15:21:59
17
原创 img[::-1,:,:]、img[:,::-1,:]、img[:,:,::-1]是啥？
如果使用了opencv讀取圖像作爲網絡的輸入時，經常能夠看到 img = img[:,:,::-1] 的一行代碼。 原因是opencv讀取圖像時，圖片的顏色通道爲 GBR，爲了與原始圖片的RGB通道同步，需要轉換顏色通道。 img
2020-06-16 15:21:59
10
原创 ShuffleNet V1, ShuffleNet V2論文筆記
參考鏈接： 『高性能模型』輕量級網絡ShuffleNet_v1及v2 輕量級網絡–ShuffleNet論文解讀
2020-06-16 15:21:59
原创 Stanford Cars數據集的下載與使用
本篇博客主要介紹Stanford Cars數據集的下載與使用 Stanford Cars數據集主要用於細粒度分類任務。數據集中一共包含16185張不同型號的汽車圖片，其中8144張爲訓練集，8041張爲測試集。 官網下載鏈接： h
2020-06-16 15:21:59
32
原创 Anaconda飛速安裝pytorch
系統：ubuntu 沒有科學上網工具就別嘗試pytorch官網給出的安裝方案了,網速跟不上.沒這金剛鑽攬啥瓷器活!!! 通過國內鏡像安裝方式如下: 先看自己CUDA對應的torch版本,然後: pip install --defa
2020-06-16 15:21:59
1
原创 NTS-Net
ECCV2018細粒度分類paper：Learning to Navigate for Fine-grained Classification 作者無私的將代碼公佈了出來，源碼基於pytorch。 項目地址：https://gith
2020-06-16 15:21:59
18
原创 Class-Balanced Loss Based on Effective Number of Samples
論文標題：Class-Balanced Loss Based on Effective Number of Samples 會議：CVPR2019 pytorch版代碼-GitHub地址：https://github.com/v
2020-06-16 15:21:59
原创 Grad-Cam實現流程(pytorch)
最近感覺類激活圖可視化是一件很有趣的事情。 CAM（傳送門：CAM實現的流程(pytorch)）由於對網絡結構有定性要求，所以在可視化一些有多個全連接層的網絡時，表現不太友好，於是出現了Grad-CAM。 文章目錄算法思路實現過程
2020-06-16 15:21:59
1