墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
400+累计阅读
491平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
数据增强是计算机视觉领域中一个重要的技术，用于扩充训练集的多样性，提高模型的鲁棒性和泛化能力。在Yolov5目标检测算法中，数据增强被广泛应用，本文将详细解析Yolov5中常用的数据增强方式，并提供相应的源代码。
随机缩放是一种常见的数据增强方式，通过随机调整图像的大小，可以增加模型对目标的尺度适应性。在Yolov5中，随机缩放的实现代码如下：
import numpy as np
import random
def random_resize(image, target_size):
h, w, _ = imageYOLOv5输入端（一）—— Mosaic数据增强|优快云创作打卡
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 目录 一、原理分析 二、代码分析 1、主体部分——load_mosaic 2、load_image函数 3、random_perspective()函数（详见代码解析） 一、原理分析 YOLOv5采用和YOLOv4一样的Mosaic数据增强。 主要原理：它将一张选定的图片和随机的3张图片进行随机裁剪，再拼接到一张图上作为训练数据。 这样可以丰富图片的背景，而且四张图片拼接在一起变相提
YOLOV4-Mosaic数据增强详解
Mosaic数据增强 Mosaic数据增强方法是YOLOV4论文中提出来的，主要思想是将四张图片进行随机裁剪，再拼接到一张图上作为训练数据。这样做的好处是丰富了图片的背景，并且四张图片拼接在一起变相地提高了batch_size，在进行batch normalization的时候也会计算四张图片，所以对本身batch_size不是很依赖，单块GPU就可以训练YOLOV4。 以下是我根据pytorch YOLOV4的代码对Mosaic数据增强进行的整理。 图1 部分代码展示： oh, ow, oc = img
YOLO数据集实现数据增强的方法（裁剪、平移 、旋转、改变亮度、加噪声等）
数据集样本太少怎么办？数据集优质图像不够怎么办？如何做到更好的数据预处理？一文带你学会数据增强，还可实现带标签的扩充。
YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总
在专栏前面的内容一直介绍的是yolov5训练时候使用的一些技巧，这里用这篇博客最后归纳一下yolov5在数据增强上所使用的技巧。 在yolov3-spp专栏的时候，我介绍过yolov3-spp大致所使用的一些数据增强的方法： 数据增强：Mosaic 数据增强：随机旋转、平移、缩放、错切、HSV 在之前详细的介绍过代码，而在yolov5这里，其实代码是类似的，甚至函数的名字都没有变化，看过源码的朋友就可能知道了，改变的地方其实不是很多，所以这里就不再详细介绍代码的细节了，只是总结一下使用的数据增强。...
Yolov5(v6.1)数据增强方式解析
4-Mosaic数据增强/9-Mosaic数据增强
YOLOv5系列(二十六) 本文(1万字) | C3 | Focus | 替换为6*6卷积 |
为了保持图像大小卷积前后一致,就需要用到自动paddingdef autopad(k, p=None): # kernel padding 根据卷积核大小k自动计算卷积核padding数（0填充）""":param k: 卷积核的 kernel_size:param p: 卷积的padding 一般是None:return: 自动计算的需要pad值(0填充)"""# k 是 int 整数则除以2, 若干的整数值则循环整除return pFoucs模块使将原本的按下图方式分成四份，再。
YOLO实战：数据增强策略全解析（Mosaic+MixUp+CutMix）—— 从原理到调参，大幅提升模型泛化能力
自定义Mosaic增强（适配小目标）import cv2"""自定义Mosaic：优先保留小目标，减少裁剪幅度:param imgs: 4张原始图片（BGR格式）:param imgsz: 输出尺寸:param border: 拼接边界:return: 拼接后的图片"""# 1. 初始化输出图片# 2. 随机生成拼接中心点（偏向中心，减少小目标裁剪）# 3. 遍历4张图片，调整裁剪幅度（小目标保留更多区域）# 小目标场景：缩放幅度从0.5-1.5→0.8-1.2，减少小目标丢失。
在matlab中运行自带的模块（以CCSDS LDPC Decoder模块为例）
最新版的获取需要注册 MathWorks 账户 访问账户注册页面：www.mathworks.cn/mwaccount/register。下载新版本或历史版本的MATLAB，请登陆：https://www.mathworks.cn/downloads 并下载。点击此处可以拷贝调用例程的命令，在matlab命令行输入即可自动获取代码。可以看到页面中写了该模块需要在R2022b以上版本使用。运行.m文件可以生成simulink运行所需要的数据。可以看到左侧下载到了官方历程的文件。之后双击slx文件即可打开。
【Arduino】入门篇——交通信号灯
模拟交通信号灯一、实验目的二、实验材料三、电路图四、实验过程五、代码块六、实验结果 一、实验目的 我想大家都看见过交通灯，就是马路上十字路口的红绿灯。如果您开过车，我想您一定仔细观察过交通灯，如果您还没有驾驶过车，您是否仔细观察过交通灯呢？交通灯包括三种个不同颜色的灯：红灯、黄灯和绿灯。 每个路口的红绿灯切换的时间并不是相同，这个是根据不同路口的车流情况来设定的，下面就是模仿交通灯的一个实验 二...
ROS2学习笔记（二）-- 多机通讯原理简介及配置方法
简单介绍ROS2多机通信原理以及配置注意事项
【Tessent Shell Users Manual】【Ch3】Design Introspection and Editing（未完待续）
Tessent Shell 提供了一系列用于检查（examining/introspecting）和编辑design的命令。
浅析ArcGis中的软件——ArcMap、ArcScene、 ArcGlobe、ArcCatalog
ArcMap:是集空间数据显示、矢量数据编辑、冲突数据检查（拓扑检查）、查询检索（地理编码）、统计（字段属性表）、报表生成、空间分析（ArcGIS Spatial Analyst）和高级制图（制图表达）等众多功能干一体的桌面应用平台软件。而且提供所见即所得的符号编辑器，令用户可以随心所欲地生成任意复杂的点、线、面符号。所支持的空间数据格式包括Arclnfo coverages、ESRI shapefiles、ArcSDE lavers、DXF、DWG、DGN、常见的图像格式、GRIDs、TINs等。
基于Dify与DeepSeek构建中医智能问答工作流：从知识库到精准处方
本文详细介绍了如何利用Dify与DeepSeek构建中医智能问答工作流，实现从知识库构建到精准处方的全流程。通过模型编排和知识检索技术，系统能够结合中医辨证思维与AI推理能力，为基层医师、学生和爱好者提供结构化诊疗建议。文章重点分享了知识库选材、症状标准化处理、智能检索与辨证推理等核心环节的实战经验。
在VSCode中使用LaTex+（grammarly语法检测，chatgpt翻译，Sumatra PDF 轻量级pdf阅读器）
整个文章分为以下几个内容，打 * 的是必须要安装的。
Hindsight 内存爆炸 4 个词排查清单：9,284 条 6 成是 SSH 调试日志——Agent 标签系统的实战复盘
9,284 条记忆里 66% 是 SSH 调试日志。4 个标签被滥用=0 区分度。3 个 entity_labels + retain_mission + retain_every_n_turns 配置把噪声压回 5%——附 PATCH 脚本和实测前后数据。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
efm32 入门.pdf
本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
1万+
扫一扫
