Camellia_49-优快云博客

原创无GPU笔记本搭建YOLOv5

3.进入到yolov5源码根目录下安装所需库：#使用阿里镜像源。1.创建环境:在yolov5中尽量用python3.8。detect.py 可以在多种数据源上运行推理。

2024-10-30 15:33:51 303

上文提到的k就是anchors的数量，所以2k个分数就是9个anchors的共18个分数，36（4×9）个坐标。这个2k score只区分是不是目标，输出候选区域属于前景（物体）和背景的分数，这里注意，这里的分类只区分是否包含目标，至于所包含目标的类别，是Faster-RCNN最后的分类网络干的事情。由于是2分类（有无物体两种分类），所以它的维度是2k score（2个分数）。2k score，因为RPN是提候选框，还不用判断类别，所以只要求区分是不是物体就行，2个分数：前景（物体）的分数，和背景的分数；

2024-10-28 16:06:15 5102 1

原创 python：flatten()参数详解

a输出结果为：a此时的维度为(2,3,4)b,c的结果如图：b,c相等，维度均为(2∗3∗4)也就是（24）d的结果如图所示：a从一维展开后的数据d的维度为(2,3∗4)也就是（2,12）e的结果如图所示：e从二维展开后的数据d的维度为(2,3,4)...

2022-06-29 20:36:31 693

原创（EWC）Overcoming Catastrophic Forgetting in Neural Network

EWC这个算法降低重要权重的学习率，重要权重的决定权是以前任务中的重要性。

2022-06-06 22:23:44 4276 5

原创加载数据集

training_data = datasets.FashionMNIST(root="data",train=True,download=True,transform=ToTensor() )test_data = datasets.FashionMNIST(root="data",train=False,download=True,transform=ToTensor() )原文链接：https://blog.youkuaiyun.com/czhichao/article/details/115242783

2022-05-23 10:45:37 253

原创脑启发重放，利用人工神经网络进行持续学习

Task IL中，一个agent必须增量学习执行多个不同的任务。在 MNIST数据集上，强调了回放的惊人效率和鲁棒性：仅回放少量或低质量的样本就足够了。然而，我们发现将GR扩展到更复杂的问题并不简单。为了解决这个问题，我们提出了一种新的GR变体，其中内部或隐藏的表示被重放，这些表示是由网络自身的上下文调制反馈连接生成的。Results我们重点研究了基于图像分类的持续学习问题。我们遵循 Shin等人20^{20}20提出的一般框架：除了解决任务的主要模型（即分类器），还训练了一个单独的生成模型来生成

2022-05-10 11:20:28 1508

原创图像分类的细分任务

图像分类根据标签的不同，大致可分为二分类任务、多分类任务、多标签分类任务。二分类数据集有两个类别，每张图片是两个类别中的一个，标签为0或1。比如，训练一个图像分类器，判断一张输入图片是否为鸟。二分类的损失函数的计算方式如公式1所示，其中hθ(x)h_\theta(x)hθ(x)是sigmoid激活函数。激活函数是将数值变换到（0，1）之间，图展示了sigmoid函数，是递增的函数，当x等于0的时候，sigmoid函数的值为0.5，，随着x的增大，函数趋近1，随着x的减小，函数趋近0L(θ\thet

2022-05-09 10:53:21 1248

原创 Faster ILOD：Incremental Learning for Object Detectors based on Faster RCNN

Abstract目的：利用知识蒸馏技术设计一种高效的端到端增量目标检测器工作：评估和分析了基于RPN（区域建议网络）的检测器在增量检测任务中的性能。引入多网络自适应蒸馏，在为新任务微调模型时适当保留旧类别的知识。在基准数据集PASCAL VOC和COCO上的实验表明，基于Faster RCNN的增量检测器的精度更高，比基线检测器快13倍。一、Introduction最先进的目标检测器的表现与人类视觉系统之间的差距仍然很大，主要问题在于会导致灾难性遗忘。为了弥补灾难性遗忘和正常完整数据集训练

2022-05-07 15:23:34 609

原创 RCNN、Fast RCNN和Faster RCNN、RPN流程

RCNN流程：输入图像利用selective search对图像生成1K~2K的候选区域（region proposal）这个量比传统的算法要少得多。具体一点，选出regionproposal的方法是运行图像分割算法，对于分割算法跑出来的块，把它作为可能的region proposal输出对每个候选区域，使用深度网络提取特征将region proposal resize为统一大小，送进去掉了softmax的CNN，对每个候region proposal提取特征4.将特征送入每

2022-04-28 11:19:22 691

原创一范数L1和二范数L2

范数是具有“长度”概念的函数。在向量空间内，为所有的向量的赋予非零的增长度或者大小。不同的范数，所求的向量的长度或者大小是不同的。举个例子，2维空间中，向量(3,4)的长度是5，那么5就是这个向量的一个范数的值，更确切的说，是欧式范数或者L2范数的值。范数就是为了方便度量而定义出的一个概念，主要就是面对复杂空间和多维数组时，选取出一个统一的量化标准，以方便度量和比较。请务必记住，范数是人为定义的一种度量方法。对于p-范数，如果x=[x1x_1x1,x2x_2x2,…,xnx_nxn]^T那么

2022-04-28 09:57:08 3740

原创神经网络图像输入零均值化

首先介绍一下归一化（Normalization）、标准化（Standardization）以及零均值化(zero-mean)分别的公式和概念。归一化的公式为：x∗x^*x∗=x−xminxmax−xmin\frac{x-x_{min}}{x_{max}-x_{min}}xmax−xminx−xmin其中:x为某个特征的原始值xminx_{min}xmin 为该特征在所有样本中的最小值xmaxx_{max}xmax为该特征在所有样本中的最大值，x∗x^*x∗为经过归一化处理后的

2022-04-27 15:52:20 505

原创图像三通道和单通道的解释

（一）：单通道图，俗称灰度图，每个像素点只能有有一个值表示颜色，它的像素值在0到255之间，0是黑色，255是白色，中间值是一些不同等级的灰色。（也有3通道的灰度图，3通道灰度图只有一个通道有值，其他两个通道的值都是零）。（二）:三通道图，每个像素点都有3个值表示，所以就是3通道。也有4通道的图。例如RGB图片即为三通道图片，RGB色彩模式是工业界的一种颜色标准，是通过对红( R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色

2022-04-27 10:47:31 4742 1

原创可变自动编码器(VAE)

参考1生成建模最常用的两种方法是生成对抗网络(GAN)和可变自编码器(VAE)自动编码器(Auto Encoder)是一种自监督的神经网络，它学习如何将输入编码为更低的维数，然后再次解码和重构数据以尽可能有效地接近输入。Autoencoder由3个部分组成：编码器，将输入数据编码为较低维表示的层。压缩层，包含编码/压缩表示的最低维数的层。也被称为瓶颈。译码器，学会解码或重新构造编码表示到数据的层接近输入数据。自动编码器功能：去噪:为了使自动编码器学会去噪图像，我们使用一个损坏或有噪声的图像

2022-04-24 09:39:09 2182

原创深度学习入门-mini-batch学习

深度学习属于端到端的学习，从原始数据（输入）中获得目标结果（输出）的意思。神经网络的优点是对所有的问题都可以用同样的流程来解决。比如，不管要求解的问题是识别5，还是识别狗，抑或是识别人脸，神经网络都是通过不断地学习所提供的数据，尝试发现待求解的问题的模式。也就是说，与待处理的问题无关，神经网络可以将数据直接作为原始数据，进行“端对端”的学习。神经网络的学习所用指标是损失函数。两种常用的损失函数：均方误差：y是神经网络输出，t是监督数据import numpy as npdef mea.

2022-04-20 14:31:09 5937

原创 TX2安装双目摄像头

下载和安装ZED SDK去ZED_SDK官网下载与jetson jetpack tx2版本对应的ZED_SDK版本（查看 jetpack版本请看网址）下载后进入文件所在目录，这里放在主目录下： cd ~chmod +x ZED_SDK_Tegra_JP45_v3.7.0.run./ZED_SDK_Tegra_JP45_v3.7.0.run根据提示完成安装2.测试：安装完成之后，文件都位于/usr/local/zed/tools目录下启动ZED Explorercd /usr/lo.

2022-04-08 10:15:39 340

原创 ubuntu快捷键

ubuntu快捷键保存到文件夹，主目录（home）下的图片文件夹中截图Print Screen #截取整个桌面Alt + Print Screen #截取选中的窗口Shift + Print Screen #自由选区剪贴板Ctrl + Print Screen #整个桌面Ctrl + Alt + Print Screen #选中的窗口Shift + Ctrl + Print Screen #自由选区...

2022-04-08 10:03:43 133

原创 ubuntu常用命令

1.ubuntu本地安装软件包sudo dpkg -i *.deb出現依赖问题后再执行dpkg安装deb包，使用sudo apt-get -f -y install

2022-04-08 09:52:49 97

原创 jetson的ubuntu18.04上安装中文输入法

意！jetson及树莓派平台都不能使用搜狗拼音，因为搜狗拼音不支持arm架构的linux。这里记录一下jetson平台如何使用中文输入法。不同于搜狗拼音用fcitx，jetson平台还是用iBus来使用中文输入法。1 安装ibus-pinyinsudo apt-get install ibus-pinyin12 系统设置在系统设置中，双击"language support"。点击“install / remove language…”，选择简体中文，输入密码，此时系统会进行更新。将汉语（中

2022-04-08 09:50:35 1012

原创 FCOS Training

python -m torch.distributed.launch \--nproc_per_node=1 \--master_port=$((RANDOM + 10000)) \/home/hy/Github/FCOS-master/tools/train_net.py \--config-file /home/hy/Github/FCOS-master/configs/fcos/fcos_imprv_R_50_FPN_1x.yaml \DATALOADER.NUM_WORKERS 2

2022-04-01 13:43:27 465

原创 PyCharm批量注释和批量缩进快捷键

1.批量注释：选择要注释的文本行, 背景变化后，同时按Ctrl+/2.取消批量注释：选择已注释的文本行，背景变化后，同时按Ctrl+/3.批量缩进：选择要缩进的文本行, 背景变化后，按下TAB键4.取消批量缩进：选择要缩进的文本行, 背景变化后，按下SHIFT+TAB键...

2022-03-31 12:04:13 12103

原创 FCOS不完全指南（三）、项目安装与运行

安装FCOS编译时python setup.py build develop --no-deps出错解决方法参考https://zhuanlan.zhihu.com/p/386507444

2022-03-30 19:32:25 1145

原创 Ubuntu18.04安装Pytorch

参考：https://www.cnblogs.com/moon3/p/12199588.html

2022-03-30 15:18:44 711

原创安装ubuntu18.04 +ros+kinectV1

一.安装ros melodic对于ubuntu18，需要先安装ros melodic才能使用catkin_make命令，对于ros melodic的安装，几篇博客倒是介绍的比较完整，下面贴出链接：https://blog.youkuaiyun.com/haiyinshushe/article/details/84256137按照里面的步骤安装测试即可，基本都不会有问题二.安装libfreenect库选择一个位置git clone https://github.com/ros-drivers/libfree

2022-03-29 22:49:18 1223

原创 ubuntu编辑只读文件_ubuntu怎样修改只读文件？

Ubuntu 更改文件夹权限及chmod详细用法如下：一、常用方法如下：(其中×××指文件名(也可以是文件夹名，不过要在e5a48de588b662616964757a686964616f31333365633838chmod后加-ld)。)sudo chmod 644 ××× (所有者有读和写的权限，组用户只有读的权限)sudo chmod 777 ××× (每个人都有读和写以及执行的权限)二、chmod整个命令的形式的用法如下：sudo chmod -(代表类型)×××(所有者)×××(组用户

2022-03-29 19:55:21 11861

空空如也

空空如也