qq_28234239的博客

摘要深度神经网络在图像分类上表现的很好，但是测试数据稍有不同的时候，分类会有很大的下降。为了解决这个问题，通过高斯对抗训练，文章提出了鞍点方法来提高模型的健壮性。通过对抗的样本来训练，这些对抗样本的扰动呈高斯分布pass...

摘要文章提出了一个新的神经网络对曝光不足的图片增强。与基于Retinex算法的分解方法不同，文章引入平滑扩张卷积去估计输入图像的全局亮度。提出联合内容，颜色，纹理，和平滑度的联合损失函数。背景介绍pass方法详述UGNet 可以分为两个部分，全局亮度估计网络，和细节增强网络。文章还详细说了多项损失函数的细节。A 全局亮度估计网络当前的一些增强网络通常会通过pooling，下采样或者多尺度连接来得到大范围的上下文信息和全局亮度信息。但是，一方面，对于密集的预测任务，多尺度上下文信息的收集需要扩大

摘要由于雨水的的多样性以及不均匀的分布，单图像去雨是具有挑战性的。通过专用的模型和一些约束条件，现存的一些模型在一些特定的的雨类型上表现的很好。但是这些模型的生成能力也受到限制。在这篇文章中，通过有选择性地融合输入图像中没有雨的背景和已经恢复的有雨的区域。区域自适应结合网络(RACN),这个网络包括两个分支，这两个分支的特征相互结合。两个分支分别产生空间上可变的权重和已恢复的图像。在一方面，加权分支可以引导恢复分支更关注需要去雨的区域。另一方面，恢复分支可以引导权重分支远离没有雨的区域，避免过度滤波。实验

论文阅读笔记 - Dual Attention Network for Scene Segmentationabstrct一、pandas是什么？二、使用步骤1.引入库2.读入数据总结abstrct提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据

论文阅读笔记 - Residual Attention Network for Image Classification摘要简介二、使用步骤1.引入库2.读入数据总结摘要文章中提出了残差注意力网络，将注意力机制结合到残差网络当中。残差注意力网络通过堆叠注意力模块来组成，这些注意力模块可以产生注意力敏感的特征。来自不同模块的具有注意力敏感的特征可以自适应地改变。在每一个attention模型内部使用了自上而下和至下而上的前馈结构，将前馈和反馈注意力机制展开到单一的前馈处理当中。文章提出用残差注意力学习的方

论文阅读笔记 - CBAM: Convolutional Block Attention Module摘要简介研究现状网络设计attention 机制Residual Attention NetworkSqueeze-and-ExcitationCBAMchannel attention modulespatial attention module使用方法代码实现附论文原文 https://arxiv.org/abs/1807.06521摘要文章提出卷积块注意力模块，对于前馈神经网络来说，这是一个简

from keras.preprocessing.image import ImageDataGeneratorfrom keras.preprocessing import imageimg_genarator = ImageDataGenerator(rotation_range = 50, width_shift_ra...

import numpyimport scipy.specialclass NeuralNetWork: def __init__(self,inputnodes,hiddennodes,outputnodes,learningRate): self.input_nodes = inputnodes self.hidde_nodes = hiddenn...

制作tfrecord 的关键代码# -*- coding: utf-8 -*-import tensorflow as tfimport osfrom PIL import Imagefrom functions import *writer = tf.python_io.TFRecordWriter("/home/yuejian/Desktop/1234567.tfrecords"...

1，为什么要池化。为了降低卷积之后得到的特征数量。2，怎么池化？最大值池化，均值池化等。例如最大值池化就是把几个相邻的特征用他们的最大值来表示。...

作用：可以连接文件目录，上下层形式连接# -*- coding: utf-8 -*-import osprint os.path.join('home','me','mywork')# 打印结果# home/me/mywork

# -*- coding: utf-8 -*-import osimport shutil#### 建立文件夹for i in range(54): if os.path.exists(str(i)): print("Folder",str(i),"already exists ") else: os.mkdir(str(i))####...

1，卷积的原理。2，举例3，使用SAME模式，在矩阵的周围加0.4，实现import tensorflow as tfimport numpy as npM=np.array([[[2],[1],[2],[-1]],[[0],[-1],[3],[0]],[[-2],[1],[-1],[4]],[[-2],[0],[-3],[4]]], dtype='floa...

# -*- coding: utf-8 -*-import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist=input_data.read_data_sets("/home/yuejian/Desktop/TF/TF_test/MNIST_data",one_hot=True)...

神经网络中的学习率是难以设置的参数之一，如果学习率太小,则梯度很大的参数会有一个很慢的收敛速度;如果学习率太大,则己经优化得差不多的参数可能会出现不稳定的情况 。为了更有效地训练模型,比较合理的一种做法是,对每个参与训练的参数设置不同的学习率,在整个学习的过程中通过一些算法自动适应这些参数的学习率。...

反向传播是一种计算损失函数的梯度的简便方法

tensorflow计算交叉熵损失函数y_ 是标签（正确答案），y1, y2是预测值# -*- coding: utf-8 -*-import tensorflow as tfdef cross_entropy(y_,y): CROSS_ENTROPY=-tf.reduce_mean(y_*tf.log(tf.clip_by_value(y,1e-10,1.0))) re...

1，一个简单的前向全连接网络在这里插入代码片# -*- coding: utf-8 -*-import tensorflow as tfx= tf.constant([0.9,0.85],shape=[1,2],name="x")w1=tf.Variable(tf.constant([[0.2,0.1,0.3],[0.2,0.4,0.3]],shape=[2,3],name="w1"))...

TensorBoard 生成计算图这是一个简单的全连接网络，实现a=x * w1 + b1, y=a * w2 + b2.只看代码不是很形象，计算图让网络变得更直观。用 tf.summary.FileWriter() 方法生成计算图。步骤：1，运行代码，把计算图保存在 "/home/yuejian/Desktop/graph"import tensorflow as tfx = t...

什么事聚类？聚类（clustering），人以类聚，物以群分。聚类就是用各种方法把许多物体分成具有相似性质的各个类别。比如用“是否吃肉”把动物分成肉食动物，素食动物，杂食动物。...

什么是图像金字塔？比方说，一张图像的大小原来是1000x1000，现在用一种方法把它缩小成100x100，再缩小成10x10，再缩小成1x1.最后把这些图片从小到大堆起来，就是一个图像金字塔。...