Justlovesmile的博客

文章目录1. Detectron2安装1.1 Linux1.2 Windows1.2.1 VS2019 C++编译环境1.2.2 pycocotools1.2.3 Detectron22. 自定义数据集2.1 关于COCO格式2.2 注册数据集2.3 可视化工具2.4 自定义数据增强3. 自定义模型3.1 特征提取网络（backbone）3.2 候选框生成器（proposal_generator）3.3 检测器（roi_heads）3.4 模型框架（meta_arch）4. 模型训练4.1 默认训练4.2

文章目录GAN学习笔记前言1. GAN原理2. GAN实例3. DCGAN原理4. DCGAN实例5. WGAN原理GAN学习笔记前言2014年，arXiv上面刊载了一篇关于生成对抗网络的文章，名为《Generative Adversarial Nets》，作者是深度学习领域的大牛Ian J. Goodfellow。本文主要记录博主对于GAN及其基础变种的学习笔记，主要包括GAN，DCGAN的原理和实例，以及WGAN的基础原理。1. GAN原理论文链接：Generative Adversaria

文章目录1. COCO1.1 COCO数据集格式1.2 COCO转换脚本2. VOC2.1 VOC数据集格式2.2 VOC转换脚本3. YOLO3.1 YOLO数据集格式3.2 YOLO转换脚本我的博客https://blog.justlovesmile.top/目标检测是计算机视觉任务中的一个重要研究方向，其用于解决对数码图像中特定种类的可视目标实例的检测问题。目标检测作为计算机视觉的根本性问题之一，是其他诸多计算机视觉任务，例如图像描述生成，实例分割和目标跟踪的基础以及前提。而在解决此类问题时，

文章目录Cross Entropy Error Function一，信息量二，熵三，相对熵（KL散度）四，交叉熵五，交叉熵损失函数参考Cross Entropy Error Function交叉熵损失函数一，信息量信息量：任何事件都会承载着一定的信息量，包括已经发生的事件和未发生的事件，只是它们承载的信息量会有所不同。如昨天下雨这个已知事件，因为已经发生，是既定事实，那么它的信息量就为0。如明天会下雨这个事件，因为未有发生，那么这个事件的信息量就大。从上面例子可以看出信息量是一个与事件发生概率.

文章目录深度学习入门之PyTorch第一章 深度学习介绍1.1 人工智能1.2 数据挖掘，机器学习和深度学习1.2.1 数据挖掘1.2.2 机器学习1.2.3 深度学习第二章 深度学习框架2.1 深度学习框架介绍2.2 PyTorch介绍2.2.1 什么是PyTorch2.2.2 为什么使用PyTorch2.3 配置PyTorch深度学习环境2.3.1 操作系统2.3.2 Python开发环境的安装2.3.3 PyTorch安装第三章 多层全连接神经网络3.1 PyTorch基础3.1.1 Tensor张量

文章目录一，什么是卷积二，通俗易懂的理解卷积2.1 离散卷积的例子：丢骰子2.2 连续卷积的例子：做馒头2.3 卷积提取图像特征一，什么是卷积对于卷积的定义，如下：连续形式(f×g)(n)=∫−∞∞f(τ)g(n−τ)dτ(f×g)(n)=\int_{-\infty}^{\infty}f(\tau )g(n-\tau)d\tau(f×g)(n)=∫−∞∞​f(τ)g(n−τ)dτ离散形式(f×g)(n)=∑τ=−∞∞f(τ)g(n−τ)(f×g)(n)=\sum_{\tau=-\infty}^

文章目录深度学习第一章 前言第一部分 应用数学与机器学习基础第二章 线性代数2.1 标量，向量，矩阵和张量2.2 矩阵和向量相乘2.3 单位矩阵和逆矩阵2.4 线性相关和生成子空间2.5 范数2.6 特殊类型的矩阵和向量2.7 特征分解2.8 奇异值分解2.9 Moore-Penrose伪逆2.10 迹运算2.11 行列式2.12 实例：主成分分析第三章 概率与信息论3.1 为什么要使用概率3.2 随机变量3.3 概率分布3.3.1 离散型变量和概率质量函数3.3.2 连续型变量和概率密度函数3.4 边缘概