qq_39071739的博客

【Pytorch框架实战】之Mask-Rcnn实例分割一、内容上次讲了Faster-RCNN网络，其主要由backbone的卷积网络、实现Boxes选择的区域推荐网络RPN、最终的分类回归。何凯明大作Mask-RCNN简单说就是在RPN之后得到对齐ROI对齐区域，完成了一个全卷积的像素分割分支，Mask-RCNN的网络结构如下：boxes：预测矩形的左上角与右下角坐标(x1,y1,x2,y2) [Nx4]labels: 预测每个对象标签scores：预测每个对象的得分，在0~1之间，大于阈值T的

【Pytorch框架学习】之Faster-Rcnn实现目标检测一、内容最近在参加kaggle的全球小麦检测大赛，需要学习目标检测的相关知识，后面也会陆续更新自己的比赛过程，自己从最经典的几种目标检测框架开始学习。这次学习的是Faster-Rcnn，采用官方的预训练好的权重，后面也会和大家分享如何训练自己的数据。目标检测就是判断图像中目标的位置，2012年前大多使用传统方法或机器学习方法，比如滑动窗口、Hog特征等。深度学习时代，出现了两种主流框架，一种以RCNN为代表的两级检测框架，一种是YOLO，S

【Pytorch框架学习】之迁移学习网络分类总结（3一、内容在做图像分类应用时，常常会使用一些经典的预训练网络，比如ResNet、VGG、Inception、DenseNet、EfficientNet、ResNeXt等。但是通常都是在ImageNet上预训练的，所以不能直接使用，因此需要最一些层的修改，这里总结了几种，方法是一样的，这里以二分类为例。二、代码import torch.nn as nnimport torchvision.models as modelsnum_class =

【Pytorch框架】之线性回归与逻辑回归（2）一、线性回归import torchimport matplotlib.pyplot as plttorch.manual_seed(10)# 学习率lr = 0.05# 创建训练数据x = torch.rand(20, 1) * 10 # x data (tensor), shape=(20, 1)y = 2*x + (5 + torch.randn(20, 1)) # y data (tensor), shape=(20, 1)

【Pytorch框架实战】之CIFAR-10图像分类1.main.pyimport torchfrom torchvision import datasetsimport torch.nn as nnfrom torch.utils.data import DataLoaderimport torchvision.transforms as transformsimport torc...

【Pytorch框架】之张量的创建（1）一、代码import torchimport numpy as nptorch.manual_seed(1)# =============================== exmaple 1 ===============================# 通过torch.tensor创建张量# flag = Trueflag = F...