- 博客(27)
- 收藏
- 关注
RSS订阅原创 快速入门matplotlib
matplotlib.pyplot.subplot(nrows，ncols，**fig_kw)可以创建多个axis（坐标系/绘图区）的图，其中nrows，ncols分别为行、列，若nrows=1，ncols=2则有一行两列的坐标系。x是需要传入的数据，width是宽度，align是每个柱状图的对其方式（center是中间，edge是边缘），**kwargs是其他参数，如color颜色。利用plt.xticks(x，**kwargs)和plt.yticks(y，**kwargs)分别给x轴y轴添加刻度信息。
2025-01-15 15:31:33
830
原创 目标检测指标-以及YOLOv1简介
本文主要介绍了物体检测评估的指标及YOLOv1模型的基本概念。首先，分析了物体检测的重要性及常用指标如IOU和MAP，并讲述了其计算方法；其次，讨论了深度学习中的经典检测方法及其优缺点；最后，详细介绍了YOLOv1的核心思想、网络架构、损失函数及非极大值抑制（NMS），并指出YOLOv1的一些不足之处。
2024-11-22 17:33:11
1182
原创 零基础利用实战项目学会Pytorch
如何利用PyTorch从零基础进行深度学习的实战项目，涵盖了线性回归、数据类型、分类任务、回归任务、卷积神经网络以及LSTM文本任务等多个关键主题。读者将学习到PyTorch的基本组成以及如何逐步构建和训练模型，以完成不同类型的任务，包括数据预处理、模型训练和性能评估等。
2024-11-16 15:01:15
1561
原创 看懂本文，入门神经网络Neural Network
以上就是神经网络的基础知识，看懂后能迅速入门神经网络，是理解更复杂的网络如CNN（卷积神经网络）的前提，学会后建议直接学习CNN卷积神经网络。也可以看Alexnet，vgg，resnet等经典网络，这些也是基于卷积神经网络实现的。
2024-11-10 19:44:30
1083
原创 Swin Transformer网络
Swin Transformer 使用了层次化的设计，能够有效捕捉不同尺度的特征，提升分类精度，尤其在图像分类中相较于传统的卷积神经网络（CNN）具有更强的表达能力。：通过局部窗口的自注意力机制和跨窗口连接，Swin Transformer 提供了高效的空间信息传递，使得在图像分割任务中，能更好地保留图像的细节，同时避免了计算上的高昂成本。
2024-11-10 19:27:33
708
原创 Transformer原理详解，一文就懂
详细介绍了 Transformer 原理。首先阐述其输入形式为 BatchlenD，且训练更新权重融入上下文信息。接着重点讲解 Self - Attention 机制，包括通过辅助向量 q、k、v 计算词语权重以确定含义，还介绍了多头机制、位置编码和堆叠方法。然后说明 Decoder 解码过程，涉及 cross - attention 和 mask 机制。最后讲述最终输出经全连接和 softmax 得到结果，以及整体梳理了从输入到输出各环节的操作流程。
2024-11-04 16:21:13
809
原创 目标追踪DeepSort
你可以在任何对某个动态系统有 “不确定信息” 的地方使用卡尔曼滤波器，并且可以对系统下一步的行为做出 “有根据的猜测”。即使混乱的现实干扰了你所猜测的干净运动，卡尔曼滤波器通常也能很好地确定实际发生了什么。它还可以利用你可能想不到要利用的疯狂现象之间的相关性！卡尔曼滤波器非常适合 “不断变化” 的系统。它们的优点是占用内存少（除了前一个状态，不需要保留任何历史记录），并且速度非常快，非常适合实时问题和嵌入式系统。开车时如何确定自己的位置呢？
2024-11-03 19:15:03
1159
原创 OpenPose姿态估计（Pose Estimation）
人体姿态估计通过图像或视频识别追踪人体关键部位重建姿态。主要方法有 TopDown 和 OpenPose。TopDown 分两步但存在缺点。OpenPose 先获关键点位置再拼接，利用热度图和高斯方法得关键点预测结果，通过 PAF 按顺序拼接关键点，利用权值确定连接，还介绍了 PAF 标签定义、权重计算和匹配方法。同时提到 CPM-Convolution Pose Machines 及整体框架。
2024-10-29 18:08:55
1572
原创 行为识别SlowFast
本文主要介绍了一种通用的行为识别框架，包括基本思想、网络结构和效果分析。其基本思想是在动作变化而环境不变的情况下，获取动作信息和环境信息并进行融合。对于环境信息，可从静止图像或视频中抽取几帧进行卷积计算获取；对于动作信息，将视频分为序列，用 3D 卷积提取动作特征。网络结构包括主干、细节和特征融合部分。主干中红色框为环境提取，蓝色为动作提取，两者融合后进行预测。细节部分阐述了数据采样、ResNet 特征提取和池化层等过程。
2024-10-28 10:56:28
1062
原创 图像分割-DeepLab
本文介绍了图像分割中的 DeepLab 相关内容。首先指出一般模型如 Unet 用于医学小目标分割存在局限，为增大感受野常采用 pooling 操作但会丢失信息。接着阐述了 DeepLab 的几种方法：空洞卷积通过设置参数可增大感受野；SPP - Layer 通过不同切分和池化策略获取多种特征并拼接；ASPP 引入不同倍率空洞卷积。最后详细介绍了 DeepLab V3
2024-10-24 22:41:27
606
原创 图像分割概述及U-net网络
本文主要介绍了图像分割中的U-net相关内容。首先阐述了图像分割与目标检测的区别，包括语义分割（对每个像素打标签，区分前景背景，介绍了相关损失函数和IOU计算）和实例分割（不仅区分类别还区分个体）。接着详细介绍了U-net网络，包括原版结构（由下采样的编码过程和上采样的解码过程组成，通过特征融合完成分割任务，常用于医学领域小目标检测分割）、U-net++的改进（特征融合更复杂，有Deep Supervision，可对最后一层剪枝）以及U-net+++（先下采样，对中间某一特征图特殊处理后得到。
2024-10-24 16:47:41
1070
原创 一文搞懂内部类
1.实例内部类本质上也是类，它有类的种种特性，如可以继承，2.在实例内部类中，不能定义一个静态的成员变量。非要定义，就要定义常量3.实例化 实例内部类的对象：OuterClass.InnerClass innerClass = outerClass.new InnerClass();即就是：外部类名.内部类名 变量 = 外部类对象的引用.new 内部类()4.实例内部类中的"this":单独的"this"表示内部类，"外部类名.this"表示外部类。
2022-11-11 22:11:54
416
原创 一文搞懂——搜索树
二叉搜索树又称为二叉排序树，它具有以下性质1.若它的左子树不为空，则左子树上所有节点的值都小于根节点的值2.若它的右子树不为空，则右子树上所有节点的值都大于根节点的值3.它的左右子树也为二叉搜索树
2022-11-09 21:37:59
3222
原创 一文学懂Map和Set——详解
Map与Set是一种专门用来搜索的容器或者数据结构，其搜索的效率与具体的实例化子类有关。一般的查找如二分查找，它适合静态类型的查找，即就是不进行插入、删除操作。但现实中，如根据学号查找学生姓名，这种查可能会在查找时进行插入或删除操作，二分查找就不适用了。Map就是一个数据对应于另一个数据，如学号与姓名是一一对应的、身份证与某个人是一一对应的Set就像是一个集合，它里面存放一组不重复的数据。
2022-11-09 19:16:06
1845
原创 一文搞懂泛型——泛型简介/优点/上界/通配符
一般的类或者方法，只能运用具体的类型：即基本类型、自定义的类。若要编写可以用于多种类型的代码，这种刻板的限制对编写代码的束缚会很大
2022-11-06 21:45:08
537
1
原创 数据结构——八大排序算法（面试/数据结构期末考试-简单且详细）
一般认为希尔排序的分组如下所示，每个颜色对应一组，共5组，并对每一组进行直接插入排序由于是分5组，我们令gap = 5，i与j始终相差5，从第一组开始进行排序，排序后令i++。这种分组方法相比于前面说的按顺序分组的方法，大概率将小的数据放在前面，大的数据放在后面，使得这组数据更加有序。
2022-11-05 20:49:04
497
原创 图书管理系统java简易实现—超简单，超详细
所需要的知识：类，对象，抽象类，接口，封装，继承，多态，顺序表对于书的信息，进行编写创建 关于书的 包有书名，作者，价格，类型，以及是否借出等信息，这里用private进行封装，可有效保护代码隐私。class Books{ private String name;//书名 private String author;//作者 private String price;//价格 private String type;//类型 pr
2022-02-23 21:00:59
7249
5
原创 Java链表详解--通俗易懂(超详细,含源码)
概念链表(linked list)：是一种物理存储结构上非连续存储结构，数据元素的逻辑顺序是通过链表中的引用链接次序实现的 。链表由一系列结点（链表中每一个元素称为结点）组成，结点可以在运行时动态生成。每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。 相比于线性表顺序结构，操作复杂。由于不必须按顺序存储，链表在插入的时候可以达到O(1)的复杂度，比另一种线性表顺序表快得多，但是查找一个节点或者访问特定编号的节点则需要O(n)的时间，而线性表和顺序表相应的时间复杂
2021-12-05 21:04:57
39321
29
原创 数据结构基础——顺序表及其增删查改
数据结构数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。1.线性表线性表（linear list）是n个具有相同特性的数据元素的有限序列。线性表是一种在实际中广泛使用的数据结构，常见 的线性表：顺序表、链表、栈、队列、字符串... 线性表在逻辑上是线性结构，也就说是连续的一条直线。但是在物理结构上并不一定是连续的，线性表在物理上存储 时，通常以数组和链式结构的形式存储。数组
2021-12-01 08:00:00
715
6
原创 时间复杂度以及空间复杂度（大O的渐进表示法）
1.算法效率算法效率分析分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被 称作空间复杂度。 时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额 外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的 迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复 杂度。2.时间复杂度2.1 时间复杂度的概念时间复杂度的定义：在计算机科学中，算法
2021-11-29 19:54:02
1809
9
原创 Java中的类与对象
什么是类？什么是对象？ 面向过程 如用洗衣机洗衣服这个事情，人需要打开洗衣机盖，把衣服放进洗衣机，再加上洗衣粉，打开开关等等多个过程才可完成。 面向对象 总共有4个对象：人，衣服，洗衣粉，洗衣机。整个过程是通过这四个对象交互完成，人不需要了解洗衣服的过程，仅需要知道这四个对象即可。总的来说，需要3个过程找对象（由类而来） 创建对象 使用对象简单创建一个类class Person{}我
2021-11-28 19:16:21
746
10
原创 HTML常用标签（上）
目录1.标签语义2.标题标签-3.段落和换行标签1.段落标签2.换行标签3.小练习4.文本格式化标签5.与标签6.图像标签和路径1.图像标签使用方法：其他属性alt的使用：title的使用：width，height的使用border的使用图片属性总结2.文件1.目录文件夹和根目录2.VS Code打开文件夹3.路径相对路径绝对路径1.标签语义学习标签是有技巧的，重点是记住每个.
2021-08-27 17:51:52
236
1
原创 简单入门HTML
目录HTML简单介绍1.什么是网页 ？2.什么是HTML ？3.网页怎么形成的 ？常用浏览器及其内核浏览器浏览器内核Web标准1.为什么需要Web标准2.Web标准的构成HTML简单介绍现在，我们经常可以用到网页，小游戏，app等等，这些都是得益于前端开发的技术发展。而HTML正是完成这些的基础这里的编译器，我选择功能强大visual studio。学习HTML前，需要了解三个问题：什么是网页 ？ 什么是HTML ？ 网页怎么形成 ？
2021-08-26 22:02:25
407
2
原创 typora画图（1）--流程图
我们用typora可以利用mermaid进行流程图的制作实例先看一个简单效果首先打开typora，并添加代码块（输入“ ``` ”，即可），语言选则mermaid在第一行输入 graph LR这里 graph 为语法规定（必须写上） ，LR表示流程图方向是从左往右这里对 方向 进行简单介绍T---TOP B---BOTTOML---LEFT R---RIGHT用词 含义 TB 从上到下 BT 从下到上 LR ...
2021-08-24 22:38:40
2369
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