原创 卷積、池化後特徵圖大小計算公式

卷積:(n+2p-f)/s+1 池化:(n-f)/s+1

原创 python中.flush()意思

flush() 方法是用來刷新緩衝區的,即將緩衝區中的數據立刻寫入文件,同時清空緩衝區,不需要是被動的等待輸出緩衝區寫入。 一般情況下,文件關閉後會自動刷新緩衝區,但有時你需要在關閉前刷新它,這時就可以使用 flush() 方法。

原创 MTCNN中celebA數據集的處理(一個置信度,兩個座標點)

我處理這個數據集是用來訓練MTCNN網絡的,celebA數據集由202599張人臉組成,這裏主要是將樣本擴容,即在原有的圖片上摳圖。 因爲上面是MTCNN的框架,由P,R,O三個網絡組成,P網絡輸入的是12×12的圖片,R網絡輸

原创 MTCNN中非極大值抑制NMS代碼

def nms(boxes,thresh=0.3,isMin=False):#[x1,y1,x2,y2,c] #根據置信度排序 _boxes = boxes[(-boxes[:,4]).argsort()]

原创 python中.copy()的用法

a=[1,2,3,4] b=a.copy() print(b)

原创 pytorch保存模型

一:只保存和加載模型參數 1 . 保存模型參數: import torch torch.save(model.state_dict(), 'save_path_name.pth') 2 . 加載模型參數: import torc

原创 根據MTCNN中P網絡的輸出,反算到原圖中畫框

根據MTCNN中P網絡的輸出,反算到原圖中畫框 上一篇博文,通過P網絡的輸出,經過一系列比較複雜的工作,得到了我們想要的[_x1,_y1,_x2,_y2,C],_x1,_y1,_x2,_y2是四個偏移量,C是置信度,下面介紹如何反

原创 MTCNN中P網絡的輸出格式,根據輸出篩選置信度C比較大的,並找到與C對應的偏移量(使用的時候,不是訓練)

MTCNN中P網絡的輸出格式,根據輸出篩選置信度C比較大的,並找到與C對應的偏移量(使用的時候,不是訓練) 1.首先來看P網絡 class PNet(nn.Module): def __init__(self):

原创 python中把數組轉成one-hot形式

from keras.utils import to_categorical或 from tensorflow.python.keras.utils import to_categorical 比如ascll=[1 2 3 4 5

原创 python把字符串變成固定長度str.ljust()

兩個字符串str1=“abc”,str2=“abcd”,如果想把這兩個字符串變成長度爲8的 str1 = str1.ljust(8, " "):左對齊,往右側填充 str2 = str2.ljust(8, " "):左對齊,往右側

原创 python將字符串轉換成ascll碼 np.fromstring

str=‘abcde’ ascll = np.fromstring(str, dtype=np.uint8) 結果[97 98 99 100 101]

原创 ModuleNotFoundError:No module named keras

我在from keras.utils import to_categorical時, 會報錯ModuleNotFoundError: No module named 'keras’應該是tensorflow版本的問題,解決:fro

原创 AttributeError: module 'keras.backend' has no attribute 'control_flow_ops'解決方法

AttributeError: module ‘keras.backend’ has no attribute 'control_flow_ops’解決方法 from tensorflow.python.ops import co

原创 用VGG16對102種鮮花分類

用VGG16對102種鮮花分類 dataset: import os import torch import numpy as np from PIL import Image from torch.utils.data impo

原创 python中把圖片從矩形處理成正方形

Python中把圖片從矩形處理成正方形 在訓練神經網絡時,數據集中有的圖片是矩形的,但是要求是正方形的,所以要對圖片進行處理,如果直接縮放成正方形,會改變寬和高的比例,導致失真。 這裏用的方法:把圖片粘貼到一張正方形圖片上,然後再