weixin_40294256的博客

数据预处理与数据增强数据增强技术被证明了有利于通用的尤其是深度的机器学习架构的训练，无论是加速收敛过程还是作为一个正则项，这也避免了过拟合并增强了模型泛化能力[15]。数据增强一般包括在数据空间或特征空间（或二者均有）上应用一系列的迁移技术。在数据空间上应用增强技术最常见，这种增强技术应用迁移方法从已有数据中得到新的样本。有很多的可用的迁移方法：平移、旋转、扭曲、缩放、颜色空间...

语义分割：对图像中的每个像素都要划分出对应的类别，即实现像素级别的分类；而类的具体对象、即为实例，实例分割：不仅要进行像素级别的分类，还要在具体类别的基础上区分开不同的实例。比如说一幅图中有person、cat、dog三个类。语义分割得出的结果是person、cat、dog这三类别，而实例分割是不仅分类的出person、cat、dog这三类别，还对不同的类别进行细分，其中狗有person1...

梯度消失的原因一般主要是：对于深度网络的激活函数的选择和全权初始化的问题预防梯度消失的方法？1、使用不同的激活函数，RELU，LRELU，ELU，maxout等激活函数2、使用dropout，3、使用批量处理规范化（BatchNormlization）对各层输入归一4、使用残差网络（resnet）把高层特征和低层特征进行融合5、重新调整网络的结构6、适当调整学习率...

对于我的MaskImage code 安装环境的需求 在requenst.txt首先创建一个 python=2.7的环境 可以看我的博客《FasteMaskRCNN-master实验代码实现环境需要》https://blog.youkuaiyun.com/weixin_40294256/article/details/79293537 这是连接其次，如 requenst.txt 是所需要的安装的...

1. 扩张卷积Dilated Convolutions，翻译为扩张卷积或空洞卷积。扩张卷积与普通的卷积相比，除了卷积核的大小以外，还有一个扩张率(dilation rate)参数，主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于，卷积核的大小是一样的，在神经网络中即参数数量不变，区别在于扩张卷积具有更大的感受野。感受野是卷积核在图像上看到的大小，例如3×33 \times 3卷积核的感受...

准确率已经提出了许多用于评估语义分割问题准确率的评价指标，这些指标通常是像素级准确率及IoU的变体。我们报告了语义分割方面最常用的评价指标，用来度量逐个像素标注类的方法的表现。为便于解释，我们给出下述标号的意思：我们假设共有k+1类，（从L0到Lk，包括一个空类或者是背景），pij是本属于第i类却被分到第j类的像素数量。也就是说，pii代表的是分类正确的正例数量，其他几个p值类似。...

条件随机场如前所述，CNN结构内在的空间转化不变性限制了其应用到分割问题上的准确率（尤其是其在空间位置上的准确性）。调优分割架构的输出并强化其捕捉细粒度信息的一个通用的办法就是引入条件随机场（CRF）作为其后处理模块。CRF促成了底层图像信息（如像素间的相互关系[92,93]）与产生像素级别的类别标签的多类别推理输出的结合，这种结合对于捕捉长期依赖性质尤其重要，这也是关注于局部细节的...

迁移学习从头训练一个深度神经网络通常是不可行的，有这样两个原因：训练需要足量的数据集，而这一般是很难得到的；网络达到收敛需要很长的时间。即便得到了足够大的数据集并且网络可以在短时间内达到收敛，从之前的训练结果中的权重开始训练也总比从随机初始化的权重开始训练要好[20,21]。迁移学习的一种重要的做法便是从之前训练好的网络开始继续训练过程来微调模型的权重值。Yosinski等人...

sudo apt-get remove --purge nvidia*sudo apt-get updateubuntu-drivers devicessudo apt install nvidia-390安装好 关机重启nvidia-smi

首先先说一下系统和设备：不建议在windows下 会出现会多的问题，所以建议在linux系统 之下的UbuntuUbuntu16.04 系统下，显卡是GTX1080Ti，安装anaconda3并创建一个Python2.7的环境下，tensorflow-gpu=1.0.1版本的所需要的包有一下：tensorflow-gpu=1.0.1或是1.0.0一定要选择这两个版本的  如果是其他的版本会出现很多...

maskRCNN 在tensorflow上的实现 在上一篇的已经把相应的环境配置好：maskRCNN 源码https://github.com/CharlesShang/FastMaskRCNN实现环境建议使用的版本：python2.7，tensorflow-gpu=1.0.1，cuda7.5，cudnn5.1下载COCO数据集：https://mscoco.org/dataset/#downlo...

网上很多教程删除都全 安装其他还会出错在这把它删除，在命令行中输入sudo apt-get remove cuda*sudo apt-get remove --purge cuda*sudo apt-get update然后在目录切换到/usr/local/下cd /usr/local/sudo rm -r cuda-9.1搞定啦可以重新安装其他版本啦...

deeplearning 快速的发展  GPU要求也随之而高了 ，网上有很多教程安装 但是坑也很多，为了学习话写了这篇为以后所使用， 不多说直接来干货。我的环境是ubuntu16.04  显卡是GTX1080TI （1）安装NVIDIA显卡打开命令窗口（ctrl+Alt+T） sudo apt-get purge nvidia* sudo add-a