原创 RetinaFace-Pytorch源碼閱讀

論文:https://arxiv.org/pdf/1905.00641.pdf 代碼:https://github.com/deepinsight/insightface/tree/master/RetinaFace Pytorc

原创 新優化器SGDP+AdamP:減慢基於動量的優化器的權重增長

論文:https://arxiv.org/pdf/2006.08217.pdf 代碼:https://github.com/clovaai/AdamP 摘要 諸如batch normalization(BN)等正則化技術已導致深度

原创 Ubuntu16.04下Cuda10.2的Tensorrt7.0安裝及填坑指南

上一篇博客重新安裝顯卡驅動440和cuda10.2版本安裝好了cuda10.2,那麼這一篇講述如何安裝tensorrt7.0及遇到的坑。 安裝tensorrt7 先去官網下載ubuntu16.04,cuda10.2對應的tenso

原创 重新安裝顯卡驅動440和cuda10.2版本

最近跑Yolov5,需要Pytorch1.5環境,Pytorch1.5依賴cuda10.2,cuda10.2依賴顯卡驅動440。。。 而我電腦的配置是 顯卡驅動418(最高只支持cuda10.1), cuda10.1, cuda1

原创 卷積覈計算個數和BN層gamma係數個數關係

關於卷積覈計算的可視化,是一個卷積覈對應一個輸出通道。 這裏直接用cs231n課程中的一張卷積動圖展示如下: 可以看到,一共用了兩個濾波器(卷積核),對應了兩個輸出通道。 常見的組合是CBL,即Conv -> BN ->acti

原创 使用Python驗證字符串是否是迴文串

給定一個字符串,驗證它是否是迴文串,只考慮字母和數字字符,可以忽略字母的大小寫。 說明:本題中,我們將空字符串定義爲有效的迴文串。 示例 1: 輸入: “A man, a plan, a canal: Panama” 輸出: tr

原创 AC-FPN解讀 --- Attention-guided Context Feature Pyramid Network for Object Detection

論文:https://arxiv.org/pdf/2005.11475.pdf 代碼:https://github.com/Caojunxu/AC-FPN 目錄摘要簡介AC-FPNA. CEM模塊B. AM模塊1) Context

原创 Python中的常用方法/經典函數(持續更新)

該篇博文主要記錄常見/經典的Python函數(持續更新) ———————————————2020.06.10———————————————— 匿名函數lambda 最常用的一個函數,與常規函數不同它是一個表達式。 格式:lambd

原创 [目標檢測新範式]DETR --- End-to-End Object Detection with Transformers

目錄簡介TransformersDETRBackboneTransformer encoderTransformer decoderPrediction feed-forward networks (FFNs)Auxiliary

原创 目標檢測中NMS和mAP指標中的的IoU閾值和置信度閾值

有時候路走的太遠,會忘了爲什麼要出發。 學習亦如是 在目標檢測中,經常看到置信度閾值和IoU閾值這兩個關鍵參數,且NMS計算和mAP計算中都會有這兩個,那它們的區別是什麼?本文就這個問題做一次總結。 NMS 模型預測會輸出很多框,

原创 Python計算斐波納契數列(f(n)=f(n-1)+f(n-2))

題目:已知:F(0) = 0, F(1) = 1, F(n) = F(n-1) + F(n-2) 其中(n≥2,n∈N)* 遞歸· def Fun(x): if x <=1: return x el

原创 RetinaFace論文解讀 --- RetinaFace: Single-stage Dense Face Localisation in the Wild

論文:https://arxiv.org/pdf/1905.00641.pdf 代碼:https://github.com/deepinsight/insightface/tree/master/RetinaFace Pytorc

原创 YOLOv4的Tricks解讀三--- 目標檢測後處理(Soft-NMS/DIoU-NMS)

目錄Soft-NMSDIoU-NMS YOLOv4中採用了DIoU-NMS 非極值抑制方法,本文就YOLOv4中涉及的Soft-NMS和DIoU-NMS方法做解讀學習。 Soft-NMS 論文:https://arxiv.org/

原创 YOLOv4的Tricks解讀二 --- 正則化(DropOut/DropConnect/DropBlock)

目錄DropOutDropConnectDropBlock YOLOv4中採用了DropBlock正則化方法,本文就YOLOv4中涉及和採用的DropBlock進行總結和學習。 DropOut DropOut在全連接層使用,進行

原创 YOLOv4的Tricks解讀一 --- 多圖融合的數據增強(MixUp/CutMix/Mosaic)

目錄MixUpCutMixMosaic YOLOv4 = CSPDarknet53 + SPP + PAN + YOLOv3 YOLOv4採用的trick可以分爲以下幾類: 用於骨幹網的 Bag of Freebies(BoF)