L_fengzifei的博客

图像频域分析

计算机视觉 网站参考

深度学习基础

cv transformer

CNN笔记

opencv

文章目录缺陷检测缺陷类型处理方法镜头镜头分辨率接口尺寸光圈数相机CCD/CMOS相机分辨率景深芯片曝光与增益精度选型相机选型镜头选型光源选型缺陷检测缺陷类型轮廓凸凹内部凸凹、污点、空洞同轴光低角度环形光划痕低角度环行光同轴光(防止反光)处理方法分析+特征分析+特征+查分测量+拟合频域机器学习广度立体镜头镜头分辨率其实是角度值1.2λD\frac{1.2{\lambda}}{D}D1.2λ​D 为光圈直径测量方法：线对数/每毫米接口接口 C放

系统学习CV-lesson7-GAN贝叶斯生成模型 判别模型自编码变分自编码KL散度GANpytorcheval 和no_gradbackward retain_graphloss gpu问题贝叶斯https://zhuanlan.zhihu.com/p/149853224https://zhuanlan.zhihu.com/p/26262151[菜菜机器学习]P(A∣B)=P(B∣A)P(A)P(B)P(A|B)=\frac{P(B|A)P(A)}{P(B)}P(A∣B)=P(B)P(B∣A)

系统学习CV-lesson6CNN归纳偏置dropout卷积运算padding池化可变性卷积用于旋转不变性和视角不变性RNNLSTMGRU问题CNN归纳偏置https://zhuanlan.zhihu.com/p/52103577https://www.zhihu.com/question/41404496/answer/627673667?ivk_sa=1024320u归纳：找出一定的规则偏置：对模型做一些选择和约束从假设空间中选择出更符合现实规则的模型dropouthttps://ed

系统学习CV-lesson8-分类网络AlexNetVGGInception/googleNetImageNetAlexNet加速训练使用非饱神经元(与梯度消失有关)和高效的GPU实现防止过拟合使用dropout简单的视觉任务，利用小规模数据集有用，但是现实场景存在很大的变化，因此需要大规模数据集有了大规模数据集，从大规模数据集中学习目标，就需要有很强的学习能力的模型GPU和高效的卷积使得在大规模数据集上训练也不会过拟合使用ReluRelu比sigmoid要好是因为解决了梯度消失

系统学习CV-lesson2sklearn多元线性回归逻辑回归交叉熵函数最大似然估计无偏估计梯度下降的由来梯度下降反向传播批量梯度下降方差-偏差泛化误差模型学习期望和均值偏差方差偏差与方差噪声欠拟合过拟合策略正则化稀疏性稀疏性与过拟合L1与L2L1/L2正则项与线性回归特征选择网格搜索多重共线性矩阵求导模型评价指标分类问题ROC AUCsklearnhttps://www.bilibili.com/video/BV1MA411J7wm?p=16&spm_id_from=pageDriver多元

系统学习CV-lesson5pytorch review其他参考batch概念backward()矩阵求导.data()和.detach()crossEntropyLossdropout优化方法和optimizerlearning rate（没看）warmup模型构建save load初始化进阶self.modules self.childrenreview reshapepermute transposeGPU cpubuffer parameter (没完全看懂)可重复性和运行效率 cudnn.benc

系统学习CV-lesson9-attentionSENetResnet(还要再深研究)ResNextVITSENet卷积操作的目的就是：就是融合每一层局部感受野的通道和空间信息一部分的研究工作是寻求提高特征层次的空间编码能力，从而提高CNN的表达能力文章主要关注卷积操作中的通道关系并提出了SE模块通过显示的建模通道之间的相互依赖关系，从而自适应的校准通道的特征响应堆叠SE模块 能够有效的提高跨数据集的泛化能力**目标就是通过学习利用全局信息来选择性的强调有用信息并抑制无用信息结构

系统学习CV-CNNGPU云服务器CNNfast RCNN家族RCNNfast RCNNfaster RCNN (有时间再读原论文)RPNmask RCNNroi Alignyolo家族yolov1yolov2yolov3-损失函数部分还要看yolov4yolov5FPN家族BiFPN采样策略NMS家族softmax-NMSMerge-NMSDIOU-NMS还有一个是博客中看到的（要查一下）loss 与梯度l1 / l2 smoothl1focal lossIOU损失家族IOUGIOUDIOUCIOUanc