weixin_39965184的博客

YOLOv3笔记YOLO模型演进模型结构Darknet-53整体框架网络输出评价指标YOLO模型演进模型结构Darknet-53整体框架网络输出评价指标AP一个类别P-R曲线围成的面积。在P-R曲线的制作中，confidence阈值是变量，IOU阈值是常量。确定一个IOU阈值，不断变化confidence阈值，获取相应的P和R值，再将P-R画成曲线。AP就是P-R曲线与坐标围成的面积。mAP多个类别的AP的平均mAP@0.5IOU阈值设置为0.5时，的mAPmA

小样本学习目的：学会不同物体的异同。Support Set不是训练集用一个大的训练集训练一个大模型，训练的目的不是让模型识别训练集里的大象老虎，而是让模型知道事务之间的异同。（可以用SUpport Set数据集，让模型判断Query是水塔，尽管训练集里面没有水獭这个类别。）Meta Learning(这个名字有些故能玄虚，可以把它看做Few-shot learning 小样本学习)Few-shot Learning is a kind of meta learning。Meta learni

训练自己的数据需要准备两方面可以利用YOLOv3进行实验.配置文件数据集一:配置文件(要设置网络的形状)因为类别个数不同了二:数据集是包含6部分1.Annotations这个是你最原始的label数据,为xml格式,之后要用这个label数据生成适合接口的数据.这部分是用LabelImg标注工具标注生成的,标注后的xml格式如下: <annotation> <folder>VOC2007</folder> <fi

1.找好pytorch与cuda的对应关系.这个链接可以查对应cuda的安装包2.找好pytorch与torchvision的对应关系2.查好自己的GPU与驱动与CUDA和CUDNN的对应关系3.找好对应CUDA的pytorch安装方法4.当conda,pip安装较慢时,将安装包下载下来本地安装,对于linux...

Center Loss讲解地址：https://www.cnblogs.com/carlber/p/10811396.htmlhttps://blog.youkuaiyun.com/u014380165/article/details/76946339论文链接：http://ydwen.github.io/papers/WenECCV16.pdf代码链接：https://github.com/pangyupo/mxnet_center_loss需要指出的是C是一个batch中，网络到达某一层对于一个i类的

定义网络建一个class定义网络的层定义网络的前向传播，反向传播会自动推导。Dataloader2.优化器&损失函数训练过程model.train() 指明这个网络有梯度，要更新参数。optimizer.zero_grad() 优化器清零。output = model(data) 计算前传得到预测的输出。loss=F.nall_loss(output, target) 计算损失。loss.backward() 反向传播计算梯度，梯度

安装流程UbuntuNVIDA测试驱动有无安装成功。安装cuda，测试有无成功。将cuda添加到环境变量安装cudnn

概述Pytorch与numpy的区别常用类常用库常用链接

基于GAN的方法ReID痛点，以及GAN方法对其的解决常用的GAN方法实例1.CamStyle解决不同相机拍的照片风格不同的问题。会使网络对相机的风格比较的鲁棒。2. PTGAN用于解决不同场景下图片对结果的偏差。使用语义分割，保持前景不变改变背景信息。3. SPGAN目标域可以不用标注4. PNGAN输入一个人图片和一个姿态，最后可以得到这个人在这个姿态下的生成图片，再将生成图片和原始图片计算度量距离。训练方法：（Base Network A 和B是两个不同的

序列重识别定义：用序列识别序列。特点案例3.13.2难点案例5.1 AMOC空间子模块和运动子模块5.2 DFGPsoftmin归一化5.3 RQEN遮挡问题 训过程对每一个图像进行一下操作

代表算法水平切块方法图像水平切割，每一块进入一个CNN，将这些输出依次输入LSTM得到输出，对输出进行度量学习。问题：姿态不对齐时，模型失效。解决方法：AlignedReID1.1 动态对齐算法姿态不对齐造成的问题。更加关注相似的区域（距离越小，梯度越大）水平切块-PCB水平切块-ICNN训练时测试时水平切块-SCPNet姿态信息算法PIESPindle NetPDCGLAD总结分割方法2.2. SPRelD

综述系统存在问题 及 指标评价标准rank-kCMCmAP 学习方法最终效果（聚类）外观相似的人会聚类到一起表征学习 与 度量学习训练网络需要一个损失函数，表征学习和度量学习就是由损失函数的不同而区分的。表征学习：通过辅助手段来学习图像的相似度，而不是直接学习。度量学习：通过网络直接学习出图像的相似度。表征学习：具有分类损失和验证损失。1.1 分类损失进行训练1.2 接不同Fc层代表不同的属性以增强训练时的效果。1.3在测试的时候要把Fc层

前端压缩SquzeNetXceptionShuffleNET知识蒸馏后端压缩低秩近似SVD分解减枝其他方法4.1 加快训练速度。4.2 滤波器级别的删除。量化5.15.2

Macine Learning是什么https://www.youtube.com/watch?v=fegAeph9UaA&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=3scenario:学习的方法task:要解决的问题method:同一个问题可以用不同的方法解决。reinforcement learning 从评价中学习...

给计算机数据让他自己找特征

keras backend简介https://www.jianshu.com/p/0166ffaceff7本文简单介绍 Keras 的两个 Backend，也就是Keras基于什么东西来做运算。Keras 可以基于两个Backend，一个是 Theano，一个是 Tensorflow。如果我们选择Theano作为Keras的Backend， 那么Keras就用 Theano 在底层搭建你需要的...

from __future__ import print_functionimport numpy as npnp.random.seed(1337) # for reproducibilityfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Den...

从神经网络到卷积神经网络（CNN）我们知道神经网络的结构是这样的：那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。卷积神经网络的层级结构 • 数据输入层/ Input layer• 卷积计算层/ CONV layer　　• ReLU激励层 / ReLU ...

程序说明时间：2019年2月9日说明：该程序是一个包含两个隐藏层的神经网络，程序会保存每轮训练的acc和loss，并且绘制它们。数据集：MNIST1.加载keras模块from __future__ import print_functionimport numpy as npnp.random.seed(1337) # for reproducibilityimport ke...

说明：该程序是一个包含两个隐藏层的神经网络。演示如何加载一个保存好的模型。数据集：MNIST1.加载keras模块from __future__ import print_function#Python提供了__future__模块，把下一个新版本的特性导入到当前版本，于是我们就可以在当前版本中测试一些新版本的特性。import numpy as npnp.random.seed(13...

1.keras训练minst数据集环境keras，jupyter notebook加载keras模块from __future__ import print_functionimport numpy as npnp.random.seed(1337)from keras.datasets import mnistfrom keras.models import Sequenti...