<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Suodislie的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Suodislie</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Suodislie]]></copyright><item><title><![CDATA[非极大抑制NMS的直观理解]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/81871557</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/81871557</guid><author>Suodislie</author><pubDate>Mon, 20 Aug 2018 15:35:12 +0800</pubDate><description><![CDATA[NMS是针对基于Region的目标检测算法提出的，经过滑动窗、Selective Search、RPN得到的候选框，或者inference阶段得到的多个boxes会互相重叠，增加计算量，或者直接导致检测结果差。因此需要应用NMS，NMS的具体步骤如下：

 

step1：输入box坐标和置信度，以及重叠率的阈值。

step2：把所有框按置信度排序。

step3：将其他所有boxes与待比较队...]]></description><category></category></item><item><title><![CDATA[融和原图和标签图，python实现可视化标签数据，检测标定分割数据的好坏]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/79912670</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/79912670</guid><author>Suodislie</author><pubDate>Thu, 12 Apr 2018 14:17:26 +0800</pubDate><description><![CDATA[融和原图和标签图，python实现可视化标签数据，检测标定分割数据的好坏深度学习的重要环节是数据的采集，采集的数据到底能不能用，是否适合我们的应用场景，需要我们自己检查标定的数据，那么可视化标签数据显得尤为重要，下面是将分割数据映射到原图，判断数据好坏的python实现代码，希望能给大家启发，不足之处多多指教。      下面的代码是以Appllo Scapes数据集为例子，涉及32类。如要引用，...]]></description><category></category></item><item><title><![CDATA[分割数据转成lmdb格式，python代码]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/79912310</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/79912310</guid><author>Suodislie</author><pubDate>Thu, 12 Apr 2018 13:42:14 +0800</pubDate><description><![CDATA[分割数据转成lmdb格式分割数据转成lmdb格式通常有两种方法1：原图和标签图各生成一个lmdb文件2：原图和标签图写在一个lmdb文件中这里采用方法2作为示例，文中以cityscapes数据集为转换对象，请读者根据自己文件夹的实际情况做修改：import numpy as np
import sys
from PIL import Image
import lmdb
import random
...]]></description><category></category></item><item><title><![CDATA[SSD 的Default box /prior box生成原理]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/79607489</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/79607489</guid><author>Suodislie</author><pubDate>Mon, 19 Mar 2018 09:59:02 +0800</pubDate><description><![CDATA[Default box 超参数设定：mbox_source_layers = ['conv4_3', 'fc7','conv6_2', 'conv7_2', 'conv8_2', 'conv9_2'] //多尺寸检测min_ratio = 20  max_ratio = 90step = int(math.floor((max_ratio -min_ratio) / (len(mbox_sourc...]]></description><category></category></item><item><title><![CDATA[浅谈RPN中anchor生成机制]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/77744668</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/77744668</guid><author>Suodislie</author><pubDate>Thu, 31 Aug 2017 12:10:14 +0800</pubDate><description><![CDATA[                                        浅谈RPN中anchor生成机制

相关超参数设置：

 

base_size=16
ratios=[0.5, 1, 2]

 

scales== [8 16 32]

 

第一步：s=16*16=256      zero_base的坐标体系里对应的中心点坐标为（7.5，7.5）

 

第二步：s/ratio...]]></description><category></category></item><item><title><![CDATA[tensorflow slim【TF-Slim】]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/77074173</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/77074173</guid><author>Suodislie</author><pubDate>Thu, 10 Aug 2017 22:07:26 +0800</pubDate><description><![CDATA[一句话简介：slim是一个使构建，训练，评估神经网络变得简单的库。它可以消除原生tensorflow里面很多重复的模板性的代码，让代码更紧凑，更具备可读性。另外slim提供了很多计算机视觉方面的著名模型（VGG,
 AlexNet等），我们不仅可以直接使用，甚至能以各种方式进行扩展。
一.简介
    导入方法：    

import tensorflow.contrib.slim a]]></description><category></category></item><item><title><![CDATA[将自己的数据集改为PASCAL VOC2007格式用于]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/74933958</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/74933958</guid><author>Suodislie</author><pubDate>Mon, 10 Jul 2017 19:06:44 +0800</pubDate><description><![CDATA[将VOC数据集里的local、results、voccode等文件夹和文件如数保留，只更改VOC2007文件夹里的东西，里面包括SegmentationObject、SegmentationClass、JPEGImages、Annotations、ImageSets文件夹，我们的任务是目标检测，所以SegmentationObject和SegmentationClass就不需要了。保留JPEGIm]]></description><category></category></item><item><title><![CDATA[深度学习训练模型调参策略]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/72823831</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/72823831</guid><author>Suodislie</author><pubDate>Wed, 31 May 2017 20:55:57 +0800</pubDate><description><![CDATA[重要性：学习率>正则值>dropout
学习率：0.001，0.01，0.1，1，10  …….以10为阶数尝试
小数据集上合适的参数大数据集上一般不会差，可以先减少训练类别。
 
欠拟合：
表现形式：训练集，测试集准确率都很低
解决办法：增加网络层数，增加节点数，减少dropout值，减少L2正则值等等
 
 
过拟合：
表现形式：训练集准确率较高，测试集准确率比较低
解决]]></description><category></category></item><item><title><![CDATA[ubuntu无法正常登陆----登陆之后只显示桌面背景和鼠标]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/72772008</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/72772008</guid><author>Suodislie</author><pubDate>Fri, 26 May 2017 17:22:20 +0800</pubDate><description><![CDATA[前提：根据此博客解决该问题的前提是你没有更新什么，是上次还能正常使用，这次登录突然就这样了。问题描述：ubuntu登陆之后只显示桌面背景和鼠标指针，guest能正常登陆。踩坑日记：我碰到过此类问题两次，第一次尝试了各种方法：重装桌面管理器unity、修改相关文件、删除相关文件等等，最后还是重装系统。这次痛定思痛，想想自己到底做了什么才导致此类问题，发现之前自己在proflile和.bashrc文件...]]></description><category></category></item><item><title><![CDATA[Tensorflow可视化工具Tensorboard使用方法]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/72357870</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/72357870</guid><author>Suodislie</author><pubDate>Wed, 17 May 2017 10:46:29 +0800</pubDate><description><![CDATA[声明：本文转自博主http://blog.youkuaiyun.com/jerry81333/article/details/53004903，因为博主写的很简洁易懂，所以转来收藏。如有侵权，请告知删除。


Tensorboard：
如何更直观的观察数据在神经网络中的变化，或是已经构建的神经网络的结构。上一篇文章说到，可以使用matplotlib第三方可视化，来进行一定程度上的可视化。然而Tenso]]></description><category></category></item><item><title><![CDATA[batch_size参数设置]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/72301559</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/72301559</guid><author>Suodislie</author><pubDate>Tue, 16 May 2017 16:04:09 +0800</pubDate><description><![CDATA[Batch_size：定义：一次性读入多少批量的图片，不是样本。Full Batch Learning：Batch_size=数据集大小，适用于小数据集。Mini-batches Learning：Batch_size= N（自己设定），适用于大数据集。Online Learning（在线学习）：Batch_size=1，如何选择Batch_size？A：一定范围内增大Batch_size：1、 ...]]></description><category></category></item><item><title><![CDATA[tensorflow 里的tf.select(condition,a,b)解释及应用]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/71440236</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/71440236</guid><author>Suodislie</author><pubDate>Tue, 09 May 2017 11:04:44 +0800</pubDate><description><![CDATA[tensorflow 里的tf.select(condition,a,b)解释及应用
首先参考tensorflow里的官网解释：http://www.tensorfly.cn/tfdoc/api_docs/python/control_flow_ops.html#less 里面是全英文比较费解。那么下面的解释对你应该有帮助：
condition：一个张量tensor，类型为bool
a   ]]></description><category></category></item><item><title><![CDATA[ImportError: No module named sklearn model_selection]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/70308037</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/70308037</guid><author>Suodislie</author><pubDate>Fri, 21 Apr 2017 09:12:25 +0800</pubDate><description><![CDATA[报错：ImportError: No module named sklearn model_selection
原因：model_selection 是sklearn版本’0.18.1’以上的，目前版本很可能低于0.18.1，所以报错：
首先终端输入：conda 查看一下conda
               然后：conda list     查看自己的sklearn版本
版本为0.1]]></description><category></category></item><item><title><![CDATA[ubuntu下的tensorflow安装：cuda8.0+cudnn5.0+opencv2.4.11+anaconda+tensorflow]]></title><link>https://blog.youkuaiyun.com/Suodislie/article/details/70228138</link><guid>https://blog.youkuaiyun.com/Suodislie/article/details/70228138</guid><author>Suodislie</author><pubDate>Tue, 18 Apr 2017 14:31:44 +0800</pubDate><description><![CDATA[1：安装Ubuntu最好选择LTS版本，理由在这：http://www.linuxidc.com/Linux/2011-08/40021.htm至于系统大家进官网自行下载：https://www.ubuntu.com/download/desktopubuntu的安装步骤这里不再赘述，网上有很多安装教程。系统安装完成后我遇到这样的问题：输入超出范围的问题，请调节至：1600×900解决办法：关机拔...]]></description><category></category></item></channel></rss>