<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_44802115的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_44802115</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_44802115]]></copyright><item><title><![CDATA[2021-7-24 山东大学软件学院暑期项目实训日志-第四周 03]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/119102818</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/119102818</guid><author>qq_44802115</author><pubDate>Mon, 26 Jul 2021 09:38:32 +0800</pubDate><description><![CDATA[目录

FCN模型的实际操作

1.具体代码

2.结果

FCN模型的实际操作

1.具体代码


import cv2
import numpy as np

C = 2
M = 2
EPSILON = 0.001


def get_init_fuzzy_mat(pixel_count):
    global C
    fuzzy_mat = np.zeros((C, pixel_count))
    for col in range(pixel_count):
        temp_sum]]></description><category></category></item><item><title><![CDATA[2021-7-22 山东大学软件学院暑期项目实训日志-第四周 02]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/119102605</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/119102605</guid><author>qq_44802115</author><pubDate>Mon, 26 Jul 2021 09:34:21 +0800</pubDate><description><![CDATA[目录

2、 FCN具体实现过程

3、 FCN模型实现过程

3.1、模型训练

2、 FCN具体实现过程


FCN与CNN的核心区别就是FCN将CNN末尾的全连接层转化成了卷积层：以Alexnet为例，输入是2272273的图像，前5层是卷积层，第5层的输出是256个特征图，大小是66，即25666，第6、7、8层分别是长度是4096、4096、1000的一维向量。如下图所示：



在FCN中第6、7、8层都是通过卷积得到的，卷积核的大小全部是1 * 1，第6层的输出是4096 * 7 * 7，第.]]></description><category></category></item><item><title><![CDATA[2021-7-20 山东大学软件学院暑期项目实训日志-第四周 01]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/119101991</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/119101991</guid><author>qq_44802115</author><pubDate>Mon, 26 Jul 2021 09:25:08 +0800</pubDate><description><![CDATA[目录

1、全卷积网络（FCN）的简单介绍

1.1、CNN与FCN的比较

2、FCN上采样理论讲解

2.1、双线性插值上采样

2.2、反卷积上采样

2.3、反池化上采样

1、全卷积网络（FCN）的简单介绍


1.1、CNN与FCN的比较


CNN: 在传统的CNN网络中，在最后的卷积层之后会连接上若干个全连接层，将卷积层产生的特征图（feature map）映射成为一个固定长度的特征向量。一般的CNN结构适用于图像级别的分类和回归任务，因为它们最后都期望得到输入图像的分类的概率，如ALexN]]></description><category></category></item><item><title><![CDATA[2021-7-16 山东大学软件学院暑期项目实训日志-第三周 03]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118853145</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118853145</guid><author>qq_44802115</author><pubDate>Sat, 17 Jul 2021 10:31:42 +0800</pubDate><description><![CDATA[目录



1.VUE事件

2.特殊特性

3.选项/数据

4.生命周期

1.VUE事件

•V-on：监听事件

•自定义事件

组件内抛出：this.$emit('myEvent')

外部监听：&lt;my-component v-on:myEvent="doSomething"&gt;&lt;/my-component&gt;

•将原生事件绑定到组件

&lt;base-input v-on:focus.native="onFocus"&gt;&lt;/base-input&gt;

2..]]></description><category></category></item><item><title><![CDATA[2021-7-14 山东大学软件学院暑期项目实训日志-第三周 02]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118852053</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118852053</guid><author>qq_44802115</author><pubDate>Sat, 17 Jul 2021 09:44:04 +0800</pubDate><description><![CDATA[目录

关于VUE的学习

一，MVVM

1.1什么是MVVM，为什么要用它

二，VUE

1.MVVM模式的实现者

2.为什么要使用Vue.js

关于VUE的学习

一，MVVM

1.1什么是MVVM，为什么要用它

MVVM（Model-View-ViewModel）是一种软件设计模式，由微软WPF（用于替代WinForm，以前就是用这个技术开发桌面应用程序的）和Silverlight（类似于Java Applet，简单点说就是在浏览器上运行WPF）的架构师Ken Cooper和Ted P..]]></description><category></category></item><item><title><![CDATA[2021-7-12 山东大学软件学院暑期项目实训日志-第三周 01]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118851876</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118851876</guid><author>qq_44802115</author><pubDate>Sat, 17 Jul 2021 09:22:25 +0800</pubDate><description><![CDATA[关于VUE的一些学习

由于我们的实训项目最后有很大一部分需要靠前端来展现，所以前端开发是我们项目实训的很重要一部分工作。

一，前端核心分析

1.1 综述

Soc原则：关注点分离原则

Vue 的核心库只关注视图层，方便与第三方库或既有项目整合。

HTML + CSS + JS : 视图 ： 给用户看，刷新后台给的数据

网络通信 ： axios

页面跳转 ： vue-router

状态管理：vuex

Vue-UI : ICE , Element UI


1.2 三要素

1.HTML...]]></description><category></category></item><item><title><![CDATA[2021-7-8 山东大学软件学院暑期项目实训日志-第二周 03]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118565776</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118565776</guid><author>qq_44802115</author><pubDate>Thu, 08 Jul 2021 09:07:44 +0800</pubDate><description><![CDATA[关于“众包”的一些学习

在周一的组会上，我们的指导老师给我们提出了一种虽然早已在业界挺火，但我们却从未听过的技术----众包。下面是相关的一些学习：

一，互联网概念

众包指的是一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的（而且通常是大型的）大众志愿者的做法。（就是通过网络做产品的开发需求调研，以用户的真实使用感受为出发点）。众包的任务通常是由个人来承担，但如果涉及到需要多人协作完成的任务，也有可能以依靠开源的个体生产的形式出现。在美国《连线》杂志2006年的6月刊上，该..]]></description><category></category></item><item><title><![CDATA[2021-7-7 山东大学软件学院暑期项目实训日志-第二周 02]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118540911</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118540911</guid><author>qq_44802115</author><pubDate>Wed, 07 Jul 2021 10:35:07 +0800</pubDate><description><![CDATA[目录



图像处理算法的挑选及运行

二，二进制小波变换-python实现

1.1二维图像单级变换：dwt2()

1.2算法运行：

2.1二维图像多级分解：wavedec2()

2.2算法运行

3.1【图像处理】python小波变换

3.2算法运行

图像处理算法的挑选及运行

本周我们小组的任务主要是挑选本次项目实训中所要用到的最基本图像处理算法（于优快云或Github上寻找），并对我们小组每个人找到的算法进行比对，最后计划使用一个效果最好的算法来完成接下来的任务。下边是我在本次任务中找到]]></description><category></category></item><item><title><![CDATA[2021-7-5 山东大学软件学院暑期项目实训日志-第二周 01]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118539019</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118539019</guid><author>qq_44802115</author><pubDate>Wed, 07 Jul 2021 09:02:01 +0800</pubDate><description><![CDATA[目录

图像处理算法的挑选及运行

一，FCM算法

1.算法描述：

2.算法过程：

3.具体代码：



图像处理算法的挑选及运行

本周我们小组的任务主要是挑选本次项目实训中所要用到的最基本图像处理算法（于优快云或Github上寻找），并对我们小组每个人找到的算法进行比对，最后计划使用一个效果最好的算法来完成接下来的任务。下边是我在本次任务中找到并尝试的集中算法：

一，FCM算法

以下内容参考自：https://blog.youkuaiyun.com/a350203223/article/details/]]></description><category></category></item><item><title><![CDATA[2021-7-1 山东大学软件学院暑期项目实训日志-第一周 03]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118466998</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118466998</guid><author>qq_44802115</author><pubDate>Sun, 04 Jul 2021 20:38:20 +0800</pubDate><description><![CDATA[目录

关于机器学习模型的一些学习笔记、

一，R-CNN

二，Fast-RCNN

关于机器学习模型的一些学习笔记、

参考自知乎：https://zhuanlan.zhihu.com/p/47579399

一，R-CNN

什么是RCNN？

区域卷积神经网络(Regions with CNN features，简称 R-CNN) ，用于目标检测。它的思路很简单，有些类似传统数据结构算法中的暴力搜索，即找出图像中所有可能存在目标的区域，对每个区域进行一次识别。



具体来说，它主要由以下四步构成:]]></description><category></category></item><item><title><![CDATA[2021-6-30 山东大学软件学院暑期项目实训日志-第一周 02]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118407184</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118407184</guid><author>qq_44802115</author><pubDate>Fri, 02 Jul 2021 10:48:20 +0800</pubDate><description><![CDATA[目录



前言

一，Anaconda的搭建

二，pychorch的下载配置

1.配置需求

2.在服务器上配置环境

3.安装pychorch

前言

本次环境的搭建采用的山东大学云计算平台上的linux系统主要包含Anaconda3以及pychorch的环境上的配置。

一，Anaconda的搭建

首先我们在平台上申请一个云计算的资源。之后到Anaconda的官方网站上根据自己的需要下载不同版本的Anaconda（我这里下载的是64位-Linux版），之后点击数据管理的上传文件，将Anacon]]></description><category></category></item><item><title><![CDATA[2021-6-29 山东大学软件学院暑期项目实训日志-第一周 01]]></title><link>https://blog.youkuaiyun.com/qq_44802115/article/details/118362936</link><guid>https://blog.youkuaiyun.com/qq_44802115/article/details/118362936</guid><author>qq_44802115</author><pubDate>Wed, 30 Jun 2021 16:36:36 +0800</pubDate><description><![CDATA[目录

一，山东大学高性能计算云平台的链接

1.选择合适的资源并申请​

2.向其中添加所需的资源

二，云服务器上的相关配置

1.anaconda的下载及安装

一，山东大学高性能计算云平台的链接

由于本次项目的需求，我们需要在跑机器学习模型时用到大量的GPU资源，因此，我们决定采用本地与服务器一同跑模型的方法

链接云平台的的具体步骤：

1.选择合适的资源并申请

由于项目的需求，本次我申请的是如图的GPU资源



具体如下：



2.向其中添加所需的资源

下载在本地之后再上传，图中是该项]]></description><category></category></item></channel></rss>