- 博客(17)
- 收藏
- 关注
RSS订阅原创 P16周：DenseNet+SE-Net实战_猴痘病毒
在DenseNet中插入SE模块是一种低成本、高收益的改进策略，通过通道注意力机制增强模型的特征选择能力，尤其适合需要高精度但对计算资源不敏感的场景。实际应用中需根据任务需求权衡计算开销和性能提升，并通过消融实验确定最佳插入位置和参数配置。
2025-03-28 19:28:20
947
原创 P14：DenseNet算法_实现乳腺癌识别
查看使用的是GPU还是CPU二、导入数据三、搭建模型查看参数量以及其他指标四、创建训练函数五、创建测试函数六、主函数调用保存最佳模型查看Loss与Accuracy图通过这个实例的学习，我对DenseNet算法在乳腺癌识别任务中的应用有了更深入的理解。深度学习在医学图像分析领域有着巨大的潜力，通过合理的模型设计和训练策略，我们可以更高效地解决实际问题。未来，我将继续探索更先进的算法和技术，提高在类似任务中的表现。
2025-03-07 20:33:27
267
原创 P13:DenseNet算法实战与解析
定义：在DenseNet中，密集链接指的是网络中的每一层都与其他所有层直接连接。具体来说，第(l)层的输入不仅包括上一层(l-1)的输出，还包括前面所有层(1,2,\cdots,l-2)的输出。这种连接方式打破了传统卷积神经网络中层层递进的连接模式，使得信息能够在网络中更高效地流动。作用机制缓解梯度消失问题：在传统的深度神经网络中，随着网络深度的增加，梯度在反向传播过程中容易出现消失或爆炸的情况，导致训练困难。
2025-02-28 20:46:16
909
原创 P12周：ResnetV2
定义残差块else:else:return x])return xif preact:else:else:return x。
2025-02-21 19:53:54
1038
原创 第P10周：Pytorch实现车牌识别
"""nn.Conv2d()函数：第一个参数（in_channels）是输入的channel数量第二个参数（out_channels）是输出的channel数量第三个参数（kernel_size）是卷积核大小第四个参数（stride）是步长，默认为1第五个参数（padding）是填充大小，默认为0"""# 最终reshapereturn x# 定义Reshape层modellr=1e-4,# 计算准确率。
2025-01-24 21:44:32
1045
原创 第P9周：YOLOv5-Backbone模块实现
returnp概述YOLOv5的Backbone（骨干网络）模块是YOLOv5架构中的关键部分。它的主要作用是提取图像的特征，为后续的目标检测任务提供丰富的语义信息。具体网络结构及功能CSPNet（CrossStagePartialNetwork）结构YOLOv5-Backbone部分采用了CSPNet结构。CSPNet的核心思想是通过跨阶段的局部连接，减少计算量的同时增强网络的学习能力。
2025-01-17 17:58:13
1038
原创 第P6周：马铃薯病害识别（VGG-16复现）
VGG-16（Visual Geometry Group-16）是由牛津大学视觉几何组（Visual Geometry Group）提出的一种深度卷积神经网络架构，用于图像分类和对象识别任务。VGG-16在2014年被提出，是VGG系列中的一种。VGG-16之所以备受关注，是因为它在ImageNet图像识别竞赛中取得了很好的成绩，展示了其在大规模图像识别任务中的有效性。深度：VGG-16由16个卷积层和3个全连接层组成，因此具有相对较深的网络结构。这种深度有助于网络学习到更加抽象和复杂的特征。
2024-12-27 16:56:35
597
原创 第P5周：Pytorch实现运动鞋识别_学习率变化
按需调整学习率（MultiStepLR）：按设定的间隔调整学习率，适合后期调试使用，观察loss曲线，为每个实验定制学习率调整时机。学习率自适应：可以使用自适应的学习率调整方法，根据模型的表现动态地调整学习率。指数衰减：学习率按指数函数进行衰减，例如每个epoch或一定的步数后，将学习率乘以一个小于1的指数因子。学习率衰减：随着训练的进行，可以逐渐降低学习率，使网络收敛。AdaGrad：根据参数的梯度历史信息来调整学习率，对于稀疏梯度的参数，学习率会相应地增大。
2024-12-13 20:36:48
912
1
原创 第P4周：猴痘病识别
经过本周的学习，主要掌握了如何保存训练好的模型和参数，得到的结果可以不用像上周一样每次要执行预测的图片还要把上面的代码重新运行一下了。
2024-12-06 21:25:28
399
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