- 博客(28)
- 收藏
- 关注
RSS订阅原创 yolov7源码解读4-辅助头
Reorg 的主要功能是重新组织特征图，尤其是将空间信息转换到深度维度，压缩空间维度。它不直接用于将输入图像调整为固定尺寸（如 640×640），而是对特征图进行操作。多尺度支持：Reorg 的一个典型应用是融合不同尺度的特征图，增强模型对小目标和多尺度目标的检测能力。在实现中，Reorg 会减少特征图的空间分辨率，同时增加通道数，达到在分辨率对齐的同时保留更多细节的目的。辅助头的输出主要用于辅助训练过程，提供中间监督信号，而不是直接用于目标标签的生成或损失计算。主任务头。
2024-12-14 17:20:56
1312
原创 yolov7源码解读3-损失计算
t = t[j]会根据布尔索引j对t进行筛选，得到每层中匹配目标的子集。t的新形状将是(3, n, 7)，其中n是每层中被选中的目标数量。如果最终的结果形状是(1, 7)，那么这意味着在t[j]操作之后，只保留了一个目标（或一个输出层），并且这个目标的所有属性（比如类标、坐标等）被保留下来了。我们来详细分析一下t = t[j]和j的形状，以及为什么会得到(1, 7)。t = t[j]操作通过布尔索引筛选出与锚框匹配的目标。如果在j中每层只有一个True，而其他层的所有目标都不匹配（False。
2024-12-14 17:20:23
1295
原创 yolov7源码解读2-前向传播
是两个关键模块，用于提升网络的特征提取和表达能力，它们通过一种隐式学习的方式，优化特征表示和模型性能。这两个模块通过引入隐式参数进行优化，属于轻量化设计，主要目的是增强特征图在网络中的表达能力。: 空间金字塔池化 - 跨阶段部分连接。
2024-12-14 17:18:01
1133
原创 yolov7源码解读1-训练前准备
假设输入图像的尺寸是 640x640，经过这段代码的处理后，图像会随机缩放到一个新的尺寸（例如 768x768），并且新的尺寸是gs（32）的倍数。这样做的目的是增强模型对不同尺寸输入的适应能力，避免在训练过程中只接触到固定尺寸的图像，从而提高模型的泛化能力。如果图像在训练过程中经过了随机缩放（例如从 640x640 缩放到 768x768），那么在训练的后续过程中，通常会对图像进行统一调整回模型的默认输入尺寸（例如 640x640）。这种操作一般是在数据加载和训练时通过数据增强或者预处理流程完成的。
2024-12-14 17:07:49
1525
原创 1、opencv图像基本处理方法
在高斯金字塔的下采样过程中，图像缩小，但是卷积核保持不变，使用固定大小的高斯核对图像进行平滑处理。在上采样过程中，图像放大，卷积核也同样保持不变，用来平滑处理插值产生的噪声和细节不连贯。因此，图像的缩放与卷积核的缩放是两个独立的过程，卷积核的大小和操作并不会随图像的缩放而变化。cv2.pyrUp是一个强大的轮廓提取工具，在图像分析、对象检测等应用中具有广泛用途。通过适当的预处理（如二值化或边缘检测）和合理的参数设置，可以高效地从图像中提取有用的轮廓信息。是 OpenCV 中用于绘制轮廓的函数。
2024-10-22 20:54:55
1618
1
原创 2、图像的特征
差异计算能够得到特征的核心原因在于不同尺度的高斯模糊分别保留和抑制了图像的不同特征，最终通过计算这两者的差异，能够突出显示图像中最显著的变化（如边缘和角点），从而实现有效的特征检测。这种方法利用了尺度空间的优势，使得图像处理在多种应用中更具灵活性和鲁棒性。初步检测到的关键点虽然是局部极值，但由于整数像素坐标的限制、对比度不强的点以及边缘响应的不稳定性，这些关键点往往不够精确和稳定。通过关键点精确定位步骤，SIFT 可以将关键点的定位提升到亚像素级别，并剔除不稳定的点，确保后续的特征匹配更加准确和鲁棒。
2024-10-22 20:52:28
1143
原创 深度学习代码学习笔记2
操作维度输出形状作用1[784](最大值),[784](索引)返回每个样本的最大值及对应的类索引（预测类别）0[10](最大值),[784](索引)返回每个类别在所有样本中的最大值及对应的样本索引因此，当outputs的形状是[784, 10]时，选择可以用来获取每个样本的预测类别，而可以用来分析每个类别在样本中的最大预测值。Dropout 会随机丢弃一些神经元的输出，但并不改变输入的样本数量和形状。输入[64, 784]经过 Dropout 处理后，仍然是[64, 784]
2024-10-16 12:10:27
1403
原创 深度学习代码学习1
模块主要功能应用场景pathlib文件和目录路径操作处理文件、路径的创建、检查、删除等操作pickle序列化和反序列化持久化数据，保存或加载对象gzip压缩和解压 gzip 格式文件压缩大文件，减少存储或传输时的大小sys与 Python 解释器和系统进行交互处理命令行参数、退出程序、修改模块搜索路径这些包在日常开发和处理数据时都非常实用，特别是在处理文件系统、数据存储、压缩和命令行应用程序时。# 指定本地文件路径。
2024-10-16 12:09:49
1401
原创 Transformer细节问题
好处具体作用捕捉多样化的特征表示多个注意力头可以从不同角度学习输入序列的不同特征。稳定学习和减少信息丢失多头并行计算注意力，减少模型仅关注局部信息而忽略全局信息的风险。多尺度的信息提取不同的注意力头可以专注于短距离和长距离依赖，或局部和全局关系。应用于多种任务：机器翻译、文本分类、阅读理解等在不同的任务中多头注意力可以有效提取相关信息，提升模型的表现。通过多头注意力机制，模型能够并行处理和综合不同的信息，从而在各种任务中表现出色。多头注意力的每个头会独立进行注意力计算。
2024-10-11 11:08:51
852
原创 卷积神经网络细节问题及知识点
特征图是通过卷积操作生成的二维矩阵，每个特征图对应输入图像的一种特征表示。是在每个特征图的通道上进行归一化处理，确保每个通道的特征值在批次中均值为 0，方差为 1。特征是卷积核从输入数据中提取的局部信息，特征图中的每个值对应着一个局部区域的特征响应。感受野指的是卷积神经网络中某个神经元在输入图像中对应的区域大小。随着网络层数的加深，感受野逐渐扩大，使得神经元能够聚合更多的图像信息，提取出从局部到全局的特征。感受野的大小取决于卷积核的大小、步长、池化操作以及层数的堆叠。
2024-10-10 15:28:58
1817
原创 梯度下降算法与十分类
梯度下降（Gradient Descent）是一种用于最小化损失函数的优化算法。它通过不断更新模型参数，使得损失函数的值逐渐减小，最终达到最小值。这是机器学习和深度学习中最常用的优化方法之一，尤其是在训练神经网络时。成本函数与损失函数成本函数（Cost Function）和损失函数J_wb损失函数J_wb是线性回归中的平方差损失函数，用来计算模型的预测值与真实值之间的差异。是模型的预测值公式，其中w是权重，b是偏置。通过循环遍历所有数据点，计算总的平方误差，然后平均化并返回损失值。wb。
2024-10-09 12:08:36
1000
原创 双向搜索-meet in middle
在广度优先搜索中，如果结点数扩展增长过快，可以考虑双向广 搜。（若扩展快，但总状态量不大，也可直接用广搜）⚫ 应用场合：有确定的起点和终点，并且能把从起点到终点的单个 搜索，变换为分别从起点出发和从终点出发的“相遇”问题。⚫ 实现方法：(1)合用一个队列，交替进行。两个方向的搜索产生相 同的子状态，结束。适合正反方向扩展新节点数量差不多的情况；(2)分成两个队列，让子状态少的BFS先扩展，可以减少搜索的总 状态数，尽快相遇。以一道例题进行讲解。
2024-05-27 20:18:54
1267
原创 多源点的最短路径问题
所以我们可以采取BFS的方式（因为权值为1，用这个简单点）——>就会使用到队列，就自然而然地想到使用vector的方式进行建图，并用一个Bool vis数组表示节点是否被访问过。（就是将生产相同零件的车间用权值为0的边连接起来，连接后的整体看做一个虚拟节点。ps：并不是真正的连接，只是在后续使用BFS入队时，生产相同零件的车间一起入队即可）。，并将这个节点连接到所有的源点，边的权重为零。(Dijkstra是算一个源点到其他节点的最短路径)。需要一个bfs函数，一个min_cost函数，一个main函数。
2024-05-22 13:02:54
610
1
原创 三、数据库SQL操作语言-2（查询）
在一些特殊情况下，如关联表中一些行的主键与外键不匹配，查询结果集就会丢失部分数据。数据库开发人员可以将复杂的SQL查询语句封装在视图内，外部程序只需要使用简单的视图访问方式，便可获取所需要的数据。这些措施共同作用，既保护了数据库免受未授权访问和潜在威胁的影响，同时也允许合法的访问请求在安全的范围内进行。视图——是一种通过基础表或其它视图构建的虚拟表。它本身没有自己的数据，而是使用了存储在基础表中的数据。当视图在数据库中创建后，用户可以像访问关系表一样去操作访问视图。
2024-03-23 21:54:22
719
原创 三、数据库SQL操作语言-1
使用列约束关键词PRIMARY KEY定义表的主键列只能定义单列主键，若要定义由多个列构成的复合主键，则需要使用表约束方式来定义。使用表约束定义主键的优点： 便于定义复合主键 可命名主键约束 便于定义代理键。
2024-03-23 20:51:50
1086
原创 编译原理问答二
1.综合属性与继承属性2.计算规则3.综合属性计算过程终结符可以具有综合属性。终结符的综合属性值是由词法分析器提供的词法值，因此在SDD中没有计算终结符属性值的语义规则。4.继承属性终结符没有继承属性。终结符从词法分析器处获得的属性值被归为综合属性值。在分析树结点 N 上的非终结符 A 的继承属性只能通过 N 的父结点、N 的兄弟结点或 N 本身的属性值来定义。5.依赖图与拓扑排序6.S属性定义与L属性定义7.抽象语法树AST8.L属性文法例题。
2023-12-19 01:39:50
1549
原创 编译原理问答一
1.翻译（语言处理器）的三种形态的代表？解：JAVA（混合）,C（先编译后运行）,PYTHON（边翻译边运行）;编译器：一遍翻译，多遍运行：一边翻译，一边运行2.编译的步骤？解：3.每个步骤大概的功能？
2023-12-18 21:07:32
1997
原创 Oracle第五章数据库安全性管理
禁用/启用角色主要是在角色级别上对整个角色进行控制，影响该角色的所有用户。授予/收回角色是在用户级别上进行的，通过为用户分配或撤销角色，控制用户的权限。
2023-12-13 21:31:19
529
原创 Oracle第四章PL/SQL——存储过程，触发器
- 创建存储过程 DepSalary-- 定义游标-- 定义变量BEGIN-- 打开游标-- 循环遍历结果集LOOP-- 从游标中检索数据-- 退出循环条件-- 在屏幕上输出结果END LOOP;-- 关闭游标-- 执行存储过程DECLAREBEGIN-- 获取当前系统日期作为删除日期-- 插入删除记录到 EmployeeBackup 表END;
2023-12-13 17:41:17
722
1
原创 Oracle第四章PL/SQL——控制结构，函数，游标
PL/SQL概述PL/SQL程序结构PL/SQL基本语法PL/SQL控制结构分支结构循环结构loop简单循环for循环while循环选择结构
2023-12-12 22:18:22
427
原创 Oracle第三章——视图，索引，序列
索引索引的创建索引的修改索引的删除视图视图的创建视图的修改视图的删除视图的使用用于隐藏查询操作提高访问安全性集中展示用户感兴趣的数据练习序列序列的创建序列管理序列查看序列修改序列删除标识列的使用练习Oracle同义词同义词的创建同义词管理同义词查看同义词删除同义词的使用
2023-12-12 20:21:08
380
pytorch学习笔记1-神经网络分类任务
2024-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人