随笔分类 - AI
摘要：一、 仓库地址 YOLOV8 二、数据预处理 2.1 将标注数据按照类别划分到不同的文件目录 # 单独筛选某一类缺陷 import numpy as np import os #shutil:操作多文件或者文件集合（复制、移除等） import shutil # # #作用： # 按照类别进行数据集
阅读全文
摘要：找到一篇关于理解多尺度很有帮助的一篇文章，特此记录，原文如下：
阅读全文
摘要：首先，必须继承nn.Module这个类，要让Pytorch知道这个类是一个Module。 其次，在_init_(self)中设置需要的组件，比如（Conv，Pooling，Linear，BatchNorm等） 最后，在forward（self，x）中用定义好的组件进行组装，就像搭积木，把网络结构搭建
阅读全文
摘要：01 引入 假如我们想要在cifar10上验证vgg的性能，可能就会出现以下问题： vgg 标准输入：224 x 224 x3 cifar10图像的分辨率：32 x 32 x 3 02 可行的解决方法 一种观点： 修改最后几个全连接层的大小！（绝对可行） 另一种观点： 对于普通的图像分类，resiz
阅读全文
摘要：01 ShuffleNet V1要解决什么问题 为算力有限的嵌入式场景下专门设计一个高效的神经网络架构。 02 亮点 使用了两个新的操作：pointwise group convolution和channel shuffle。 根据这两个操作构建了ShuffleUnit，整个ShuffleNet都是
阅读全文
摘要：01 什么是研究？ 一个被普遍接受的对研究的广义定义为：研究是为了产生新的知识或者是为已有的知识设计新的应用的系统性的工作。因为我们今天的讨论其实更多集中在科学研究上，先确定狭义的研究的定义为：利用科学的方法来调查解释一个现象或者获取新的知识。 综合这两个定义，可以看到科学研究从本质上是由三个基本的
阅读全文
摘要：在人工智能与模式识别方向，清华推荐了 12 个 A 类会议，17 个 B 类会议；A 类期刊 6 个，B 类期刊 33 个,如下： A 类会议： B 类会议 A 类期刊 B 类期刊
阅读全文
摘要：1 写在前边的话 HetConv性能：当使用HetConv取代标准卷积之后，FLOPs大概是之前的1/8到1/3，更重要的是精度几乎不变！！！ 论文地址： 2 HetConv的结构 实质：是分组卷积与逐点卷积结合的产物。具体如下： 对于卷积（标准卷积；深度卷积；分组卷积；逐点卷积）来讲，每一个fil
阅读全文
摘要：1 问题描述 使用下边这条命令去检查 TensorFlow Object Detection API是否正确安装： 报如下错误： 2 解决 原因分析： 使用的models这个repository与当前版本的tensorflow不兼容（1.6.0）。 解决办法： github上有人说，使用models
阅读全文
摘要：1 背景 使用TensorFlow Object Detection API的时，在object_detection/protos/中，可以看到一些proto 文件，需要使用protoc程序将这些proto文件编译为Python 文件。TensorFlow Object Detection API必
阅读全文
摘要：1.目标 本篇文章介绍的重点是如何使用TensorFlow在自己的图像数据上训练深度学习模型，主要涉及的方法是对已经预训练好的ImageNet模型进行微调（Fine tune）。使用谷歌的Colaboratory（python3 环境）实现。 2.微调原理 什么是微调？这里以VGG16为例进行讲解。
阅读全文
摘要：1 为什么使用卷积神经网络 Softmax回归是一个比较简单的模型，预测的准确率在91%左右，而使用卷积神经网络将预测的准确率提高到99%。 2 卷积网络的流程 3 代码展示 coding: utf 8 import tensorflow as tf from tensorflow.examples
阅读全文
摘要：1 MNIST数据集 MNIST数据集主要由一些手写数字的图片和相应的标签组成，图片一共有10类，分别对应从0 9，共10个阿拉伯数字。原始的MNIST数据库一共包含下面4个文件，见下表。 训练图像一共有60000张，供研究人员训练出合适的模型。测试图像一共有10000张，供研究人员测试训练的模型的
阅读全文
摘要：输入图片的尺寸对检测模型的性能影响相当明显，事实上，多尺度是提升精度最明显的技巧之一。在基础网络部分常常会生成比原图小数十倍的特征图，导致小物体的特征描述不容易被检测网络捕捉。通过输入更大、更多尺寸的图片进行训练，能够在一定程度上提高检测模型对物体大小的鲁棒性，仅在测试阶段引入多尺度，也可享受大尺寸
阅读全文
摘要：多数的object detection算法都是只采用顶层特征做预测，但我们知道低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做预测，而FPN不一样的地方在于预测是在不同特征层独立进行
阅读全文
摘要：在图像处理中，经常会碰到掩膜(Mask)这个词。那么这个词到底是什么意思呢？下面来简单解释一下。 1.什么是掩膜 首先我们从物理的角度来看看mask到底是什么过程。 在半导体制造中，许多芯片工艺步骤采用光刻技术，用于这些步骤的图形“底片”称为掩膜（也称作“掩模”），其作用是：在硅片上选定的区域中对一
阅读全文
摘要：1 背景介绍 首先介绍一下最近邻搜索：最近邻搜索问题，也叫相似性搜索，近似搜索，是从给定数据库中找到里查询点最近的点集的问题。 给定一个点集，以及一个查询点q，需要找到离q最近的点的集合；在大规模高维度空间的情况下，这个问题就变得非常难，而且大多数算法计算量极大，复杂度很高； 而且一般用近似的最邻近
阅读全文
摘要：标题：《You Only Look Once: Unified, Real-Time Object Detection》 时间：2015 出版源：CVPR 2016 主要链接： arXiv：http://arxiv.org/abs/1506.02640 github(Official)：https:
阅读全文
摘要：标题：《SSD: Single Shot MultiBox Detector》 时间：2015 出版源：ECCV 2016 主要链接： arXiv：https://arxiv.org/abs/1512.02325 github(Official)：https://github.com/weiliu8
阅读全文
