gg13213的博客

SSDcoco数据集构建文件VOC数据集构建文件三级目录coco数据集构建文件import osimport torch.utils.dataimport numpy as npfrom PIL import Imagefrom ssd.structures.container import Containerclass COCODataset(torch.utils.data.Dataset): class_names = ('__background__',

Yolov3voc数据集构建文件VOC数据集dataset构建文件VOC2CSVYolov3配置文件模型backbone构建yolo head预测文件conv层模块代码文件残差模块激活函数模块损失函数模块特征金字塔yoloyolov3网络代码构建voc数据集构建文件import sysimport xml.etree.ElementTree as ETimport config.yolov3_config_voc as cfgimport osfrom tqdm import tqdmsys.

SeNet开发环境准备工作项目代码结构cifar10转png程序数据集构建文件SeNet模型推理程序SeNet模型训练程序senet网络结构构建程序开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillowimageio准备工作cifar10数据集下载地址：https://www.cs.toronto.edu/~kriz/cifar.html预训练权重下

DenseNet开发环境准备工作项目代码结构cifar10转png程序数据集构建文件模型获取程序DenseNet推理程序DenseNet训练程序Densenet网络结构实现开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillowimageio准备工作cifar10数据集下载地址：https://www.cs.toronto.edu/~kriz/cifar

ResNeXt开发环境准备工作项目代码结构开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillowimageio准备工作cifar10数据集下载地址：https://www.cs.toronto.edu/~kriz/cifar.html预训练权重下载地址model_urls = { 'resnet18': 'https://download.

GooLeNet-V4开发环境准备工作项目代码结构开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillow准备工作Inception-ResNet-v2预训练模型权重下载地址：https://data.lip6.fr/cadene/pretrainedmodels/inceptionresnetv2-520b38e4.pthInception-V4预训练

ResNet开发环境准备工作项目代码结构cifar10数据集转换（解析）程序cifar10数据集构建程序ResNet模型获取程序resnet推理demo程序resnet训练程序resnet网络结构程序开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillow准备工作ResNet预训练模型下载地址：https://download.pytorch.org/mo

GooLeNet-V3一级目录二级目录三级目录一级目录二级目录三级目录

Batch Normalization开发环境项目代码结构生成虚拟数据程序神经网络构建带初始化模型的神经网络构建带BN的FC网络和不带BN的FC网络对比不同初始化方式带BN的网络模型对比开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillow项目代码结构src文件夹存储了带有BN的FC训练文件、基于初始化的带BN的FC训练文件以及BN在训练阶段的操作。t

GooLeNet-V1开发环境准备工作项目代码结构海洋渔业分类数据集构建程序GooLeNet模型获取程序GooLeNet模型获取程序GooLeNet推理demo程序GooLeNet训练程序GooLeNet网络结构构建程序开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillow准备工作GooLeNet-V1预训练模型，下载地址：https://downloa

VGG代码实现开发环境准备工作项目代码结构猫狗数据集构建程序vgg16模型获取程序VGG推理demo程序VGG猫狗数据集训练程序VGG网络结构代码开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillow准备工作alexnet预训练模型，下载地址：https://download.pytorch.org/models/alexnet-owt-4df8aa71.p

AlexNet代码开发环境准备工作三级目录开发环境python–3.7torch–1.8+cu101torchsummarytorchvision–0.6.1+cu101PILnumpyopencv-pythonpillow准备工作alexnet预训练模型三级目录

CV-transformerVIT二级目录三级目录VITtransformersequence结构采用的是RNN网络，后面时刻的信息依赖于前一时刻，存在无法并行运算的问题。CNN没有时序上的依赖可以进行并行运算，但CNN倾向于提取局部信息，没有全局视野。Transformer的优势：并行运算、全局视野、灵活堆叠能力。二级目录三级目录...

CV-轻量化网络mobileNet二级目录三级目录mobileNet二级目录三级目录

数字图像处理1数字图像处理数字图像表示图像类型数字图像处理图像可以定义为一个二维函数f(x,y)f(x,y)f(x,y)，其中xxx和yyy是空间坐标，而fff在任意坐标(x,y)(x,y)(x,y)处的幅度称为图像在该点处的亮度或灰度。当x、yx、yx、y和fff的幅值都是有限的离散值时，称该图像为数字图像。数字图像是由有限数量的元组组成的，每个元素都有一个特殊的位置和数值，这些元素称为图片元素、图像元素和像素。图像处理的三种类型：低级、中级、高级。低级处理包括原始操作，如降低噪声的图像预处理

目标检测总结目标检测常用数据集指标目标检测论文：A Survey of Modern Deep Learning based Object Detection Models目标检测：在图像或视频中，找到目标位置并进行分类。其需要识别并定位视野中某个目标的所有实例，即目标检测目的是检测出图像中所有实例的类别，并用一个轴对齐的矩形框大致给出实例的位置。在早期，目标检测模型是通过集成一系列手工设计的特征提取器来构造的，但这些模型速度慢、精度低、跨域性能差。近年来，基于CNNs的目标检测模型改变了视觉领域的

CV-目标检测个人数据集标签制作目标检测Yolov1YoloV2 算法个人数据集标签制作labelimg：图像标注工具目标检测目标检测：通过输入的图像来完成物体的检测，它需要解决的两个问题：物体在哪里（位置）和物体是什么（类别）。分类的损失和评价指标：损失函数：交叉熵损失函数评估指标：Accuracy检测的损失和评价指标评估指标：IOU（交并比）基于深层神经网络的目标检测双阶段：第一级网络用于候选区域提取；第二级网络对提取的候选区域进行分类和精确坐标回归。单阶段：摒弃了候选区域

CV--baselineAlexNet（基于深度卷积神经网络的图像分类）VGGGoogleNetAlexNet（基于深度卷积神经网络的图像分类）网络结构图：AlexNet特点：RELU激活函数relu(x) = max(0, x).relu可以使网络训练更快、防止梯度消失，使网络具有稀疏性。多GPU训练LRN（local response normalization）局部响应标准化：提高网络的泛化能力，受神经元侧抑制启发，即细胞分化变为不同时，会对周围细胞产生拟制信号，阻止他们向相同