- 博客(24)
- 收藏
- 关注
RSS订阅原创 windows 安装pycocotools工具
windows 安装pycocotools工具git clone https://github.com/cocodataset/cocoapi.git #To prevent installation error do the following after commiting cocooapi : #using file explorer naviagate to cocoapi\PythonAPI\setup.py and change line 14 from: #ext
2022-01-22 23:26:02
129
原创 常用命令汇总
服务器管理命令汇总服务器anaconda配置环境方法vi ~/.bashrc添加export PATH=/home/lishanliao/anaconda3/bin:$PATHsource ~/.bashrc查看linux版本时要nvcc -Vnvidia-smi只是查看最高支持的版本VSCODE免密登录创建密匙ssh-keygen缺少文件在~/.ssh/下建立authorized_keys文件，修改权限：touch ~/.ssh/authorized_keysc
2021-12-07 09:21:34
226
原创 RFBnet论文及其代码详解
RFBnet之前学习一直是看优快云和知识，感觉还是很多细节未能很好地了解，于是最近打算开始阅读原文，并记录自己的想法与代码解析。可能有些错别字或者错误结论啥的哈。希望见谅。Abstract当前顶尖的目标检测网络(背景是在2018年)都是基于卷积神经网络作为特征提取网络(backbone),例如resnet-101与Inception，虽然这些特征提取网络有着强大的特征提取能力，但是却需要高昂的计算开销。与之相反，一些轻量化模型可以实现实时检测，但他们的精度却受到诟病。在这篇文章中，作者探索出一
2021-10-22 10:47:11
5590
4
原创 Deformable Convolutional Networks（可变性卷积）
Deformable Convolutional Networks(可变性卷积)原文链接GITHUB大致介绍作者在文章中提出了两个东西，第一个是可变性卷积，这个卷积结构可以根据物体的现状来改变卷积核，从而实现有针对性的卷积采样。第二个是可变性的ROI的池化层，这个也是利用改变采样形状的思想来完成的。本文的重点是可变性卷积，因为它的适用范围更为广阔。可变性卷积首先需要把握一个东西的概念，才能更好地把握重点。可变性卷积中的可变性指的是卷积核的采样位置是可变性。就好比空洞卷积与普通卷积相比实在每个
2021-10-16 15:05:45
1385
2
原创 SE+Resnet的backbone的预训练权重
权重下载网址：https://data.lip6.fr/cadene/pretrainedmodels/
2021-08-29 07:28:31
1234
原创 Git笔记整理
Git笔记整理之前一直没时间整理，今天正好摸个鱼就不看论文了，整理之前的学习笔记如果你需要设置主页，你需要创建一个仓库随后将仓库的名字命名为：username.github.iocreate a new repository on the command linegit initgit add README.mdgit commit -m "first commit"git branch -M maingit remote add origin https://github.com/zyfo
2021-07-21 13:42:12
142
原创 批量归一化BN
批量归一化BN因为深层次的梯度很大，网络是采用反向传播进行梯度更新的，所以深层次更新的值就对比浅层快，收敛也更快。由此将导致网络收敛较慢。BN提出的想法的浅层权重更新时避免深层次的权重也进行更新。BN的具体操作-固定每个批次中的均值与方差均值与方差是根据数据来的这里的γ和β是可学习参数BN的作用位置全连接层与卷积层输出上，放置于激活函数前全连接层与卷积层输入上对于全连接层，在特征维度上卷积层，通道维度上import torchimport torch.nn as nnd
2021-07-13 12:57:34
132
原创 pytorch网络可视化-查看每层网络的特征图
pytorch网络可视化-查看每层网络的特征图当今发论文离不开图像的可视化于是乎我就业余时间打算学习一下如何可视化每一层的图像一般来说会选取tensorboard来进行可视化这里采用另外一种方式 def forward(self, x): outputs = [] x = self.conv1(x) outputs.append(x) x = self.bn1(x) x = self.relu(x)
2021-07-11 22:05:10
7914
10
原创 pytorch模型权重初始化
pytorch模型权重初始化官方API**torch.nn.init.**uniform_(tensor, a=0.0, b=1.0)从均匀分布 U(a,b) 中生成值，填充输入的张量torch.nn.init.normal_(tensor, mean=0.0, std=1.0)从给定均值 mean 和标准差 std 的正态分布中生成值，填充输入的张量torch.nn.init.constant_(tensor, val)用 val 的值填充输入的张量torch.nn
2021-07-09 12:55:32
671
原创 深度学习框架中的计算图和自动求导
深度学习框架中的计算图和自动求导之前一直都没有了解过底层的实现在ai方面，如果每天都只是git clone 然后在本地跑通，这是远远不够的，正好最近在复习整理之前的知识于是把我认为重要的做了一个笔记我们只要知道了原理才能走得更远这里主要探讨pytorch计算图如上图，左边是我们需要求导的式子右边是我们拿来求导的计算图我们可以发现每一步都能由当前的一个新的字母替代原式中的表达式于是我们只需要在每个黄色的节点求导乘然后都乘起来就可以求出最后对应我们所需要的导数了（依据链式法则）反向累计
2021-07-08 16:01:51
307
原创 数据操作及其数据预处理
数据操作及其数据预处理数据操作基础知识代码实践#第一节课-数据操作'''张量表示一个个数值组成的数组，数组的维度可能有多个tensor的量支持:+,-,*,/,**(求幂运算)用到的api1.torch.arange() 根据数列级别的tensor2.x.reshape 改变形状、 x.shape输出x的形状3.x.numel() 统计所以元素的个数4.torch.zeros() 生成0的矩阵5.torch.ones()
2021-07-07 11:56:21
142
原创 深度学习代码遇到坑总结（持续更新）
深度学习代码遇到坑总结（持续更新）'''错误代码 Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.'''import osos.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'''' Initializing libiomp5md.dll, but found libiomp5md.dll already initialized. IOError: i
2021-07-05 15:32:57
742
原创 anaconda各类镜像源集合及使用方法
anaconda各类镜像源集合及使用方法清华：https://pypi.tuna.tsinghua.edu.cn/simple阿里云：https://mirrors.aliyun.com/pypi/simple/中国科技大学: https://pypi.mirrors.ustc.edu.cn/simple/华中理工大学：https://pypi.hustunique.com/山东理工大学：https://pypi.sdutlinux.org/ 豆瓣：https://pypi.douba
2021-07-02 15:37:46
864
原创 计算机视觉基础知识归纳（三）-目标检测
计算机视觉基础知识归纳（三）-目标检测在目标检测中我们把大致分为三个模块：backbone，neck，headbackbone在我们的目标检测网络中，backbone是初步的特征提取，随后将这些提取到的特征图送入head里面常见的backbone有vgg ，Alexnet，googlenet，resnet，等等不同的网络有着不同的特征与特点 常用的就是vgg与resnetbackbone的作用不同的特征图在原图上的表达能力是不一样的（其实就是对应的感受野）不同的backbone学到的语义信
2021-06-24 23:46:44
751
原创 计算机视觉基础知识(二)-感受野
计算机视觉基础知识归纳(二) —感受野感受野的重要意义深度神经网络的基本概念之一很大程度上决定了网络的性能视觉应用（分类，检测，分割，等）都需要利用感受野进行理解促使我们进行创新的源泉CNN感受野的定义与性质**定义：**深度神经网络中，每个神经元节点都对应输入图像的某个确定区域，仅在该区域的图像内容能够对相应的神经元的激活产生影响，那么这个区域就是神经元的感受野性质：越靠近感受野中心区域越重要各向同性（距离感受野中心距离相等的位置，其重要性是一致的）由中心向周围衰减的速度可以由
2021-06-20 18:37:08
1639
原创 深度学习idea归类与分析
深度学习idea归类与分析最近研究生复试与毕业论文的事情都忙的差不多了，也算看了一定数量的论文，一直思考如何自己提出自己的idea呢？怎样的idea更容易被审稿人所喜爱呢？所以就打算写个总结，也方便自己日后复习。工程领域或者是说技术细节方面的的进步（新手必备）将这个领域之内的优秀方法定义在一个新的应用场景这一类的文章我看了看大概四区到三区的居多，二区以上就比较少见了举几个我最近见到的例子，有一篇是SSD（目标检测方法）引入注意力机制发了一篇三区，或者是把之前领域的方法用到另一个领域，我的一个学
2021-06-07 13:23:47
722
原创 pytorch目标检测通用教程（包含目标检测基础知识汇总以及SSD的介绍）
pytorch目标检测通用教程（包含目标检测基础知识汇总以及SSD的介绍）之前写了很多分类网络，一直没时间写个目标检测的教程。（因为懒惰）如果你也正在研究目标检测，可以直接套用这套代码，直接使用或者说是换成自己需要的网络。最近正好复习一下之前写过的代码，就写一个通用的目标检测教程之后如果需要更换训练的模型只需要替换其中的部分模块就可以了PS：复习真的很重要，我最近常常复习之前写过的代码，收获颇丰通过这个教程我们可以学会目标检测的代码的编写与SSD的基本知识，开箱即用，也可以根据自身的需求更换其中
2021-06-04 00:34:18
5764
7
原创 计算机视觉基础知识总结归纳(一)
计算机视觉基础知识总结归纳（一）1.计算机视觉基础信息计算机视觉四大基本任务(分类、定位、检测、分割)计算机视觉的顶级会议和期刊顶级会议有CVPR、ICCV、和ECCV，此外ICLR也有不少计算机视觉论文。顶级期刊有IJCV和TPAMI。由于计算机视觉领域发展十分迅速，不论身处学术界或产业界，通过阅读顶级会议和期刊论文了解计算机视觉的最近研究成果都十分必要。数据集分类：MNIST 60k训练图像、10k测试图像、10个类别、图像大小1×28×28、内容是0-9手写数字。CIFAR-10 5
2021-05-25 13:06:06
3259
原创 深度学习目标检测数据集下载
coco与voc数据集下载与准备coco与voc数据集下载在远程服务器上测试目标检测算法需要用到测试集，最常用的是coco2014/2017和voc07/12数据集。coco数据集的地址为http://cocodataset.org/#downloadvoc和coco的镜像为https://pjreddie.com/projects/pascal-voc-dataset-mirror/本文做一次记录，方便以后使用。具体的文件夹结构与detectron2相似：vocVOC_ROOT|__ V
2021-05-15 17:32:22
2270
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