- 博客(115)
- 资源 (13)
- 收藏
- 关注
RSS订阅原创 目标检测之WBF：Weighted Boxes Fusion
目标检测之WBF：Weighted Boxes Fusion禁止任何形式的转载!!!《Weighted boxes fusion: Ensembling boxes from different object detection models》论文地址：https://arxiv.org/pdf/1910.13302.pdfWBF是后处理的一种方式，实现过程如下：融合时的公式：最后，还进行了一步 置信度分数调整，但个人觉得不是一定需要的，官方代码里默认是公式(5)：其中N是所有的框，T
2022-05-31 09:24:55
1004
3
原创 目标检测之anchor free
目标检测之anchor free CornerNet CenterNet ExtremeNet FCOS FoveaBox
2022-04-06 15:12:16
8303
1
原创 目标检测之DETR
目标检测之DETR前言网络结构前言《End-to-End Object Detection with Transformers》论文地址：https://arxiv.org/pdf/2005.12872.pdfDEtection with TRansformers是在2020年ECCV上发表的，性能虽然不是很能打，尤其是在小目标上的精度不太行；但是作为Transformer用在目标检测领域的开山之作，还是有很多可以借鉴的地方。在这之前建议可以先看一下ViT的工作，Vision Transforme
2022-02-19 19:54:27
5280
1
原创 CNN卷积神经网络之ConvNeXt
CNN卷积神经网络之ConvNeXt前言改进内容1 训练技巧2 宏观设计3 ResNeXt-ify4 Inverted Bottleneck5 Large Kernel Sizes67前言《A ConvNet for the 2020s》论文地址：https://arxiv.org/abs/2201.03545pytorch代码：https://github.com/facebookresearch/ConvNeXt最近Transfomer在CV领域大放异彩，颇有一种要碾压CNN的气势。但是作者觉
2022-02-18 16:50:13
7842
2
原创 Swin-Transformer
Swin-Transformer前言网络结构细节1.Patch Merging2.Windows Multi-head Self-Attention（W-MSA）3.Shifted Windows Multi-Head Self-Attention（SW-MSA）4.Relative Position Bias消融实验SOTA结果前言《Swin Transformer: Hierarchical Vision Transformer using Shifted Windows》论文地址：https:/
2022-02-16 22:48:34
6677
原创 RoIPooling、RoIAlign的最直观理解
RoIPooling、RoIAlign的简单、直观理解禁止任何形式的转载!!!在两阶段的目标检测中RoIPooling、RoIAlign经常被用到，都是在特征图上截取感兴趣的区域，本文打算以最简洁的方式展示两者的区别：RoIPooling由图可见，在一开始进行crop的时候为了取整，截取到的特征与计算的位置有偏差；接下来进行pooling的时候，同样为了取整，直接舍弃了部分特征信息。RoIAlign如下图，不进行crop，先保留小数进行划分；划分完之后显然都不是完整的小格子(特征图像素)
2022-02-08 19:49:15
2364
原创 Vision Transformer(ViT)及后续工作
Vision Transformer ViT前言Vision Transformer网络结构Embeding层EncoderMLP HeadHybrid网络结构实验结果前言《An Image is Worth 16x16 Words:Transformer for Image Recognition at Scale》论文地址：https://arxiv.org/pdf/2010.11929.pdfTransformer最开始是用于NLP的， Vision Transformer (ViT)借鉴该
2022-02-07 22:04:41
4054
原创 CNN卷积神经网络之EfficientNet V2
CNN卷积神经网络之EfficientNet V2前言EfficientNetV1中存在的问题NAS 搜索网络结构前言《EfficientNetV2: Smaller Models and Faster Training》论文地址：https://arxiv.org/abs/2104.00298EfficientNetV2这篇文章是在2021年发布的，刚出来没多久我就看了，不过现在才有时间整理一下。EfficientNetV2在V1上做了一些改进，先看一下性能对比：(21k)表示是经过Image
2022-02-07 16:42:20
3632
原创 CNN卷积神经网络之RegNet
CNN卷积神经网络之RegNet前言设计思路AnyNet设计空间网络结构实验结果消融实验结论前言《Designing Network Design Spaces》论文地址：https://arxiv.org/pdf/2003.13678.pdf代码：https://github.com/facebookresearch/pycls何恺明团队在CVPR 2020上发布的论文，提出了RegNet。在相同的训练设计和FLOPs的条件下，RegNet的精度超越了之前最SOTA的EfficientNet，
2022-02-06 19:30:52
6067
原创 CNN卷积神经网络之Res2Net和Res2NetPlus
CNN卷积神经网络之Res2Net和Res2NetPlus前言Res2Net module集成Dimension cardinality和SE block实验结果Res2NetPlus前言《Res2Net: A New Multi-scale Backbone Architecture》论文地址：https://arxiv.org/pdf/1904.01169.pdf面向视觉任务的多尺度表示对于目标检测、语义分割和显著目标检测任务具有重大意义。通过CNN新模块Res2Net，能够实现与比以往优秀的
2022-02-06 13:15:30
3042
原创 CNN卷积神经网络之ResNeSt
CNN卷积神经网络之ResNeSt前言ResNeSt Block实验结果代码前言《ResNeSt: Split-Attention Networks》论文地址：https://arxiv.org/pdf/2004.08955.pdf这篇文章是李沐团队的投2020ECCV的，但是收到了strong reject。整个网络的性能还是很棒的，但是审稿人觉得创新性不够：“It more likes to combine ResNeXt-D and SKNet together and do not int
2022-02-05 22:25:30
2880
原创 CNN卷积神经网络之SKNet及代码
CNN卷积神经网络之SKNet及代码前言SK Convolution细节网络结构实验结果代码《Selective Kernel Networks》论文地址：https://arxiv.org/pdf/1903.06586.pdf前言CVPR2019 SKNet是SENet的加强版，是attention机制中的与SE同等地位的一个模块，可以方便地添加到现有的网络模型中，对分类问题，分割问题有一定的提升。如果不清楚SENet的，可以先看一下CNN卷积神经网络之SENetSK Convolution
2022-02-05 17:11:17
13718
21
原创 轻量级网络之CondenseNet
轻量级网络之CondenseNetCondenseNet: An Efficient DenseNet using Learned Group Convolutions2018CVPR的网络，文章的贡献从名字就能清晰明了的Get。利用可学习分组卷积，对DenseNet的进行轻量化改造。首先看一下是如何替换网络中的普通卷积：A是原来的卷积，在B中被替换成分组卷积，其中1x1的分组卷积是可以学习分组的；注意在1x1分组卷积前多插入了一层Permute，作者想要在DenseNet的卷积操作中引入group
2022-01-25 22:20:23
2378
原创 多尺度特征提取模块 Multi-Scale Module及代码
即插即用的多尺度特征提取模块及代码小结Inception ModuleSPPPPMASPPGPMBig-Little Module(BLM)PAFEMFoldConv_ASPP现在很多的网络都有多尺度特征提取模块来提升网络性能，这里简单总结一下那些即插即用的小模块。禁止抄袭或转载！！！Inception Module最早的应该算是在ILSVRC2014比赛分类项目获得第一名的GoogLeNet（Incepetion V1），该网络设计了Inception module。后来出现了很多进化版本：I
2022-01-23 14:39:08
46374
29
原创 神经网络 激活函数小结.2022.01
神经网络激活函数小结.2022.01Sigmoid函数H-Sigmoid函数Tanh函数ReLu函数Softplus函数Leaky ReLu函数PReLu(Parametric)函数Randomized Leaky ReLu函数ELU(Exponential Linear Units)函数ReLu6函数Swish函数(SiLU)H-Swish函数Mish函数高斯误差线性单元(GELUs)Maxout函数FReLU函数AconC函数Meta-ACON禁止转载！！！一般激活函数有如下一些性质：非线性
2022-01-22 22:54:02
2277
原创 目标检测之YOLOv4
目标检测之YOLOv4框架技巧Trick/优化1.BoF2.BoSYOLO V4论文地址：YOLOv4: Optimal Speed and Accuracy of Object Detection源代码：https://github.com/AlexeyAB/darknet，原作者YOLO V4的代码是基于C++的pytorch实现：https://github.com/GZQ0723/YoloV4https://github.com/Tianxiaomo/pytorch-YOLOv4YOLO
2022-01-01 11:28:14
2633
原创 pytorch从dataloader取一个batch的数据
pytorch从dataloader取一个batch的数据有时候我们需要创建两个DataLoader，来构建正负样本对。这就意味着我们需要从不同DataLoader中取数据。dataloader本质上是一个可迭代对象，可以使用iter()进行访问，采用iter(dataloader)返回的是一个迭代器，然后使用for i in iter(dataloader)循环读取，也可以使用next()访问一次。dataset1= MyDataSet(transform=transforms,dataset_pa
2021-12-30 21:04:57
12587
原创 GitHub下载指定文件夹的方法(简单快捷)
GitHub下载指定文件夹的快捷方法GitHub上默认是无法下载指定的文件夹，然而有时候我们只需要下载其中一个文件夹的内容，比如下图中的GAN：可以复制该文件夹的链接：然后在该网站上即可下载到所需的文件：...
2021-12-30 14:27:10
6632
4
原创 数据增强综述及albumentations代码使用
数据增强综述及albumentations使用基于基本图形处理的数据增强本文涉及到的资料：1.A survey on Image Data Augmentation for Deep Learning2.Albumentations: Fast and Flexible Image Augmentations3.Code基于基本图形处理的数据增强1.翻转；2.旋转；3.仿射变换；4.色彩空间(RGB、YUV、CMY、HSV，在图像情感分析中会影响标签。最简单的方法就是只改变一个通道。对比度、直方
2021-12-16 21:37:54
5688
4
原创 Opencv拼接两张不同尺寸的图像(Python)
Opencv拼接两张不同尺寸的图像代码我有一张大图一张小图想同时显示在一个窗口，并且希望一张窗口中的每张图片显示的时候都没有被拉伸。同一个窗口显示：代码from cv2 import cv2import numpy as np# 作者：球场书生# 日期：2021/12/15image = cv2.imread("1.jpg")transformed_image =cv2.imread("2.jpg")h0,w0=image.shape[0],image.shape[1] #cv
2021-12-15 17:15:27
7487
原创 linux图形界面卡死
项目场景：linux图形界面卡死问题描述：鼠标能够移动，但是整个图形界面卡住。解决方案：进入linux下共有六个虚拟控台，f2-f6，分别对应这不同的权限ctrl+alt+f2提示登陆，此时登陆root用户。先输入账号，再输入密码。登陆完成后，输入sudo init 3 #初始化，有当前级别改到第三个级别，没有图形的网络模式然后根据提示，再次登陆root用户的，然后输入sudo init 5
2021-11-25 21:44:55
6074
2
原创 (反卷积)转置卷积的实现
反卷积 转置卷积的实现前言卷积的计算反卷积的计算卷积与转置卷积对比前言在使用卷积的时候，如果真的按照滑动卷积核求和计算的话，计算的速度无疑会比较慢。实际上，计算卷积的时候借助的是稀疏矩阵来计算。我们经常会使用反卷积(转置卷积)来进行上采样，卷积可以使得特征图变小，而反卷积可以让特征图变大，反卷积也叫做转置卷积，为什么这么叫？看了下面的计算过程就知道了。卷积的计算反卷积的计算卷积与转置卷积对比...
2021-11-16 09:50:11
2855
原创 深度学习学习率调整小结
深度学习学习率调整小结简介代码StepLR简介learning rate schedules主要就是对分子部分进行调整，采用learning rate schedules的时候多用于SGD这类非自适应的算法之中。PyTorch提供的学习率调整策略分为三大类:有序调整：等间隔调整(Step)，按需调整学习率(MultiStep)，指数衰减调整(Exponential)和 余弦退火CosineAnnealing自适应调整：自适应调整学习率 ReduceLROnPlateau自定义调整：自定义调整
2021-08-16 10:26:26
2830
原创 深度学习Optimizer优化器小结
Optimizer优化器小结简介优化器算法介绍1.SGD2.Adagrad3.RMSprop3.Adadelta5.Adam6.7.8.9.小结禁止任何形式的转载!!!简介这里已经默认大家知晓了反向传播的基本原理，只是在算法实现层面上进行介绍。torch.optim包里实现了实现各种常用的优化算法，使用时先建立优化器对象optimizer = torch.optim.SGD(model.parameters(), lr=0.01, momentum=0.9)，当想要指定每层学习速率时：optim
2021-07-28 19:44:41
2140
1
原创 windows一个显卡配置多个CUDA版本
windows一个显卡配置多个CUDA版本下载第二个cuda安装包下载cudnn安装包之前都是在服务器上配置多个cuda版本，最近在自己电脑上做些小实验，需要用到不同的cuda版本，所以在这里记录一下配置的过程，以备后查。以下操作时是已经安装过cuda，想要同时使用另一个版本的cuda下载第二个cuda安装包首先在官网下载自己所需的cuda版本：点击安装，在出现精简安装和自定义安装的时候注意选择自定义安装！！！，因为这样才能自己选择后续安装的路径，我是放在了E盘下来，默认是放在C盘下，一句话:不
2021-07-01 17:49:56
2357
原创 linux安装python3
linux安装python3禁止任何形式的转载！！服务器一般都会自带python,不过都是Python 2.7.5版本的：查看python版本python --version1）先安装所依赖的一些工具sudo yum install opensssl-devel bzip2-devel expat-devel gdbm-devel readline-devel sqlite-devel zlib-devel libffi-devel MySQL-python mysql-devel2）去
2021-06-02 20:25:53
179
1
原创 Focal Loss及代码
Focal Loss处理样本不平衡前言样本不平衡的解释在交叉熵上的改进pytorch代码禁止任何形式的转载！！！前言《Focal Loss for Dense Object Detection》论文地址：https://arxiv.org/pdf/1708.02002.pdfICCV2017 ，Focal Loss虽然一开始提出是为了解决单阶段目标检测算法中的样本不平衡问题，但是照样是可以用在其它样本不平衡的任务之中。样本不平衡的解释相比于大段文字，我更喜欢用简洁直观的图来概括：在交叉熵上
2021-06-02 16:52:20
6471
1
原创 ModuleNotFoundError: No module named ‘‘ 设置python解释器的环境
设置python解释器的环境查看当前的环境添加当前路径1.在程序中添加2.使用命令行的形式添加3.编辑配置文件当报出此错误的时候ModuleNotFoundError: No module named ‘mmcls’，要么是没有安装该模块，要么就是该模块没有添加到正在使用的python解释器的环境变量之中。因为本人正在使用的目录下是存在该模块的，由于使用的是linux，linux上可没有pycharm这些编译器来帮我处理路径。所以需要手动添加，下面将提供几种方法。查看当前的环境利用sys.path
2021-05-31 10:56:57
2234
2
原创 RedHat/CentOS安装git
RedHat/CentOS安装git下载安装包提前安装必备的包安装git的官网：https://git-scm.com/downloads下载安装包如果你是Debian/Ubuntu按照官网上的命令行就可以了：传送门因为使用的Red Hat/CentOS，安装稍微麻烦一点，首先去这里下载安装包https://mirrors.edge.kernel.org/pub/software/scm/git/我这里是从1.8升级到2.18wget https://mirrors.edge.kernel.
2021-05-29 14:10:38
2838
原创 Linux下安装Anaconda 无可视化界面
Linux无可视化界面下安装Anaconda1.找到官网上的安装包并下载2.安装anaconda测试安装1.找到官网上的安装包并下载官网地址：https://www.anaconda.com/products/individual将官网上安装包的链接复制下来，在服务器终端上输入下载命令：wget -P download_dir https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.shdownload_dir 是你打算
2021-05-23 20:06:28
8119
3
原创 轻量级网络之GhostNet
轻量级网络之GhostNet前言动机Ghost模块G-bneckGhostNet网络结构实验性能消融实验Ghost模块 pytorch代码欢迎交流，禁止转载！！前言《GhostNet: More Features from Cheap Operations》论文地址：GhostNet: More Features from Cheap Operations来自华为诺亚方舟实验室，发表于2020年的CVPR上。提供了一个全新的Ghost模块，旨在通过廉价操作生成更多的特征图。该Ghost模块即插即用
2021-05-16 15:56:54
5115
原创 轻量级网络之MixNet
轻量级网络之MixNet前言卷积核尺寸MixConv消融实验MixNet网络结构性能总结欢迎交流，禁止转载！！前言《MixConv: Mixed Depthwise Convolutional Kernels》论文地址：https://arxiv.org/pdf/1907.09595.pdf2019年谷歌使用AutoML，推出的新网络MixNet。动机：深度可分离卷积在轻量级网络中越来越流行，但是都采用一样大小的深度可分离卷积核，卷积核的尺寸被忽略了。作者系统地研究了不同卷积核尺寸的影响，并且
2021-05-15 19:10:57
973
1
原创 轻量级网络之MobileNet v3
轻量级网络之MobileNet v3前言手工改进部分网络结构实验对比前言《Searching for MobileNetV3》论文地址：https://arxiv.org/abs/1905.022442019年谷歌提出的，MobileNet V3本质上是对MnasNet的手工改进,下图是整个改进的过程：性能还是不错：以MnasNet-A1作为起点，使用NetAdapt对其进行优化(NetAdapt是一种算法，可自动简化预训练模型，直到达到给定的延迟，同时保持较高的准确性）。 除此以外，作者
2021-05-15 11:01:17
1309
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人