- 博客(9)
- 收藏
- 关注
RSS订阅原创 一个英文论文的模板网站，超方便
IEEE Article Templates - IEEE Author Center JournalsIEEE article templates let you easily and quickly format your article and help you prepare a draft for peer review.https://journals.ieeeauthorcenter.ieee.org/create-your-ieee-journal-article/authoring-too
2025-02-20 09:52:35
221
原创 E-RAFT: Dense Optical Flow from Event Cameras数据集
数据集方法类型数据来源真值质量位移范围优势/局限性MVSEC激光雷达里程计（室外）<br>视觉里程计（室内）激光雷达、里程计、视觉特征点中/低最大 10 像素简单易用，但真值质量有限，难以处理动态物体和大位移光流。DSEC-Flow立体匹配 + 激光雷达里程计立体事件相机、激光雷达、里程计高最大 210 像素高质量真值，大位移光流，适合复杂场景和高精度光流估计，但生成过程复杂。
2025-02-15 22:51:08
699
原创 训练模型的一般步骤
损失函数（Loss Function）是模型训练过程中用来评估预测值与真实值之间差异的函数。选择合适的损失函数取决于你的任务类型，例如：分类任务：交叉熵损失（Cross-Entropy Loss）回归任务：均方误差损失（Mean Squared Error Loss）检测任务：可能使用结合了多种损失的综合损失函数，如Focal Loss、IoU Loss等。
2025-02-12 17:42:33
378
原创 对维度上拼接的详解
在深度学习和PyTorch中，“维度上拼接”（Concatenation along a dimension）指的是将两个或多个张量（tensors）沿着指定的维度合并成一个更大的张量。这种操作在构建神经网络时非常有用，尤其是在处理具有不同来源或不同特征的输入数据时。
2025-02-11 21:05:43
240
原创 Bottleneck层
Bottleneck层是一种具有较少参数和计算量的卷积层，通常用于替代传统的卷积层以减少模型的复杂度和计算负担。这种层结构的设计思路是，通过减少中间层的通道数（即特征图的数量），来“挤压”信息并通过一个较小的“瓶颈”，然后再通过扩展层恢复通道数，从而实现特征的非线性变换和信息的有效传递。Bottleneck层是深度学习网络中一种重要的层结构，它通过减少中间层的通道数来减少模型的计算复杂度和参数数量。这种结构在保持模型性能的同时，提高了计算效率，有助于加速模型的训练和推理过程。
2025-02-11 12:14:13
366
原创 ImportError: attempted relative import with no known parent package
尝试了很多方法后，包括sys添加路径等等无效，索性改为绝对导入，例如改为。原代码使用的是相对导入且目录下有init文件，但是依然报错。
2024-12-23 21:57:23
172
原创 解决服务器上跑代码导入不了utils模块
环境变量，将项目根目录添加到其中。通过以下命令完成：（注意export只在当前页面有效）在运行 Python 脚本之前，可以临时修改。
2024-12-11 11:03:06
188
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人