- 博客(22)
- 收藏
- 关注
RSS订阅原创 微机原理与接口技术知识点总结——绪论
早期计算机的用途主要是用于算数，一直到20世纪电子领域基础研究的突破，也就是电子计算机的诞生，计算机才变得如此广泛。以微电子技术为基础制造的电子计算机已经完全取代了机械计算机和机电计算机，因此电子计算机直接简称为计算机。根据信息的表达形式不同，电子计算机可以分为电子模拟计算机和电子数字计算机。电子模拟计算机采用连续的模拟电信号表达信息，以运算放大器等处理模拟电信号，计算精度取决于模拟期间，而且必须通过手动更改模拟电路才能改变处理过程，精度比较低，只用在某些专业领域。
2024-10-20 23:10:09
1781
原创 注意力机制——LSK（PyTorch代码实现）
近年来遥感目标检测的研究主要集中在改进面向边界盒的表示，而忽略了遥感场景中独特的先验知识。这种先验知识可能是有用的，因为微小的遥感目标可能在没有参考足够的远程背景的情况下被错误地探测到，而不同类型的目标所需的远程背景可能有所不同。在本文中，我们考虑到这些先验因素，提出了大选择性核网络(LSKNet)。没有花哨的东西，LSKNet在标准基准上设定了新的最先进的分数，即HRSC2016 (98.46% mAP)， DOTA-v1.0 (81.85% mAP)和FAIR1M-v1.0 (47.87% mAP)。
2024-08-21 11:13:19
444
原创 conda环境变量+常用操作+配置镜像源
根据我的上篇文章，应该都已经安装了conda和pycharm，然后可能会出现conda的没有配置到系统的环境变量上，这里首先教大家如何配置系统的环境变量，在进行后续操作，如果环境变量已经配置完毕可以自动跳过。这种就是没有配置好环境变量，导致在命令行窗口打不开，下边教大家配置。1、找到conda3的安装路径2、类似与上述图片这种，然后复制路径。每个人的都不一样3、打开如图所示的界面，点击高级系统设置。4、再点击环境变量，进行编辑。
2024-07-06 00:20:32
21602
3
原创 Anaconda+Pycharm两个软件从头到尾下载流程
1、使用教程前，请将电脑上的所有的Python卸载掉。再下载Anaconda，Anaconda这个软件里面就含有python。彻底删除python方法：1、计算机——属性——高级系统设置——环境变量2、查看电脑用户自己设计的环境变量，找到path也就是上边那一栏，双击path后的值，进入查看自己设置过的环境变量，删除掉和python相关的变量就可以了。
2024-07-05 01:51:01
1787
原创 图像分割——U-Net论文介绍+代码（PyTorch）
摘要：人们普遍认为，深度网络成功需要数千样本，在本文中，提出一种网络和训练方法，它使用大量数据增强来有效使用现存的样本，我们的体系结构由一个捕获上下文的收缩路径和能够实现精确定位的对称扩展路径组成。我们证明出这个网络可以使用少量图像进行端到端训练，并且在ISBI挑战赛上优先于先前的最佳方法（滑动窗口卷积）。并且我们的网络速度很快。1介绍目前卷积神经网络的具体用途是用在分类任务上，其中对图像的输出是一个单一的类标签。
2024-06-17 15:47:45
3478
7
原创 【YOLO系列】YOLOv1学习（PyTorch）原理加代码
之前我所发布的，都是分类问题，解决的概念就是输入一张图片，然后输出这个图片中的内容是什么类别，这种方法在很多问题上以及能够解决了，但是要清楚这个物体在图片中那个位置，这还是很难解决的，所以就引入了目标检测的概念，目标检测就是做到不仅判断物体的类别还可以得出物体所在位置，而目前最热门的目标检测的模型也就是YOLO系列了。YOLO系列的模型，是为了解决当时目标检测模型的帧率太低而提出来的模型。英文全称是You only look once。
2024-06-08 23:49:02
1985
2
原创 格式转化——Labelme标注好的json文件批量转为png（标签）文件（物体为红色，背景为黑色）和jpg原图
作用如题目，批量将标注好的json文件转成png标签，jpg原图，其中标签时红黑图。
2024-05-27 00:05:15
743
原创 JAVA知识点总结——Java基本语法（详细版）
JAVA的单词符号有5种：标识符、关键字、分隔符、常量、运算符JAVA采用Unicode的字符集，该字符集合是一种新的编码标准，和常见的ASCII码的区别是该使用的是16个二进制表示的一个字符，ASCII使用的8位表示一个字符，并且增加了许多非拉丁语字符。
2024-05-17 08:41:38
1500
原创 Java知识点总结——JAVA发展史和开发环境（详细版）
虽然原型很成功，但还是败给了竞争对手，一直到1993年7月，在互联网上流行的www浏览器很火，但是它是静态的，需要变成动态的，其解决方案需要一个安全可靠简练的语言，Oak完全符合，1994年，Java爆火，1995年，正式推出了Java语言，该语言具有安全、跨平台、面向对象、简单、适用于网络等特点、加上当时web的十分火爆，该语言顺便遍布全球各地，各大公司纷纷与Sun签订合同。JAVA是一种纯面向对象的语言，支持封装性、继承性、多态性三个特点，Java无全程变量，绝大多数都是对象。
2024-05-17 00:47:18
1328
原创 Opencv或者Image实现单通道（灰度图）转换为RGB三通道图像展示并保存（原理+代码）
该转换过程实际上就是将单通道图像复制3次，分别作为RGB三个通道，从而创建一个看似彩色但实际上每个颜色通道都相同的图像。
2024-05-13 01:56:09
4119
2
原创 图像分割数据集——将（image、label）等格式的数据集转换成VOC格式的数据集
我上传一下，我平时用的还算比较多的一些代码，这个代码简单的来说就是数据集的格式之间的变换。下边详细的讲解一下。然后这个文件夹里面是空文件，运行代码后，会生成对应的txt文件。SegmentationClass：数据集的标签.png格式。然后，转换就完毕了，大家有问题直接评论就可以了。JPEGImages：数据集的原图.jpg格式。ImageSets：里面还有个文件夹如下。原本的数据集文件夹格式。
2024-05-11 21:57:06
632
1
原创 ssl.SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: EE certifi
下载预训练的ResNet50模型时遇到了SSL证书验证失败的问题，具体原因是证书密钥强度不足。这个问题通常发生在Python环境的SSL证书库没有正确配置或者使用的SSL版本不兼容所访问网站的证书时。手动点击报错的链接处，跳转到浏览器进行下载，下载后，将下载的文件放到代码的目录下就可以了。这个错误消息表明你在尝试从。
2024-05-10 15:33:58
2973
原创 目标检测——NMS非极大值抑制（原理+代码）
非极大值抑制（NMS），顾名思义就是抑制不是最大值的元素，在目标检测当中，就是提取置信度高的目标检测框，而抑制置信度低的框。一般来说，在模型输出到目标框的时候，目标框会非常多，其中有很多重复的框会定位到同一个目标上，NMS用来筛选掉多余的框，来获得真正的目标框。如下图，YOLOv1中使用到的NMS的过程，在模型预测后，会产生很多的框，经过NMS的处理，最后显示出的效果就非常的好。
2024-05-10 10:08:47
8032
2
原创 目标检测算法指标（详细讲解+代码实现）
在目标检测算法中，训练出一个模型，想要知道这个模型的效果怎么样，主要是从模型的指标得出的，指标不仅在论文还是在自己学习的过程中，都是十分重要的，下边就来详细介绍一下指标的这个概念。
2024-05-09 21:13:48
2850
原创 LeNet讲解+代码实现，训练MNIST数据集（Pytorch）
LeNet是一系列网络的合称，包括LeNet1-LeNet5，由Yann LeCun等人 在1990年《Handwritten Digit Recognition with a Back-Propagation Network》中提出，是卷积神经网络的开山之作，也是将深度学习推向繁荣的一座里程碑。LeNet是一种图像分类模型，应用于支票或邮件编码上的手写数字的识别，该作者的Yann LeCun也被称为卷积神经网络之父，深度学习在现在的发展离不开这位伟大科学家辛勤付出。
2024-05-08 13:54:32
3069
8
原创 Python类的概念和使用以及继承等用法—十分详细清楚
在python中，类表示具有相同属性和方法的对象的集合，属性可以看成是一些对象可以是变量也可以是别的，方法就是在类中定义的函数，在使用类的时候，需要先定义类，然后再创建类的实例，通过类的实例就可以访问类中的属性和方法了，可以理解成类是一个集合里面包含有很多变量以及函数，但是又有一些便捷的操作和方法。类的定义使用class关键字来实现。
2024-04-23 16:29:48
3264
1
原创 类型转换——文件夹中所有.jpg转换成.png，以及.png转换成.jpg (无损)
【代码】类型转换——文件夹中所有.jpg转换成.png，以及.png转换成.jpg (无损)
2024-04-23 00:21:57
216
原创 深度学习——稠密连接网络（DenseNet）原理讲解+代码（torch）
DenseNet（稠密连接网络）是由Cornell大学的Gao Huang等人于2017年提出的深度学习网络架构。它的设计灵感来自于ResNet（残差网络）以及其前身 Highway Networks 的思想。这是作者发表的一篇CVPR顶会上的一篇论文，代码的地址，大家可以自行下载。
2024-04-19 21:42:04
24505
3
原创 深度学习——残差网络（ResNet）原理讲解+代码（pytroch）
残差的思想都是去掉相同的主体部分，从而突出微小的变化。从信息论的角度讲，由于DPI（数据处理不等式）的存在，在前向传输的过程中，随着层数的加深，Feature Map包含的图像信息会逐层减少，而ResNet的直接映射的加入，保证了 l+1 层的网络一定比 l 层包含更多的图像信息。原因：反向传播的时候的链式法则，越是浅层的网络，其梯度表达式可以展现出来连乘的形式，而这样如果都是小于1的，这样的话，浅层网络参数值的更新就会变得很慢，这就导致了深层网络的学习就等价于了只有后几层的浅层网络的学习了。
2024-04-18 22:07:18
29786
17
原创 VGGNet详细原理讲解及代码实现（PyTorch）
VGGNet探索了卷积神经网络的深度与其性能之间的关系，成功地构筑了16~19层深的卷积神经网络，证明了增加网络的深度能够在一定程度上影响网络最终的性能，使错误率大幅下降，同时拓展性又很强，迁移到其它图片数据上的泛化性也非常好。该网络有很多种类型的网络，深度从11层到19层不等，为了解决权重初始化问题，VGG采用的是一种预训练的方式，这一个过程涉及了迁移学习的思想，其核心思想就是利用一个预训练好的模型（比如VGG11）的权重参数来初始化一个新的模型（比如VGG13），然后在新的任务上进行微调。
2024-04-17 21:29:46
2148
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人