上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 73 下一页
摘要: 有俩个配置文件分别是frozen-60和unfrozen-29他俩的区别只在于批度。为了区别配置文件的区别可以用word审阅->比较去查看区别。删除和添加表示不同的字符.删除区别不同的字符添加成后一篇文章的字符。 get_anno_file_name()是读取标签路径的 get_image_path 阅读全文
posted @ 2023-06-30 18:08 祥瑞哈哈哈 阅读(40) 评论(0) 推荐(0) 编辑
摘要: litepose首先训练一个supernet网络。 supernet网络用权重共享技术支持不同的信号道配置。 阅读全文
posted @ 2023-06-30 11:29 祥瑞哈哈哈 阅读(48) 评论(0) 推荐(0) 编辑
摘要: 用svd对目标信号投影,然后再用svd获取最大值。第一组是去噪后与目标信号的角度,第二组是第二次svd投影后与最大特征向量投影的数值,第三组是原数据与目标信号的角度。第四组是把标签目标信号一起降维然后比较欧式距离。发现451依旧最小。引入了弱监督后,相对来说输出稳定一些。 弱监督识别的像素4501 阅读全文
posted @ 2023-06-28 20:13 祥瑞哈哈哈 阅读(8) 评论(0) 推荐(0) 编辑
摘要: 网址:https://max.book118.com/html/2021/0808/8047107070003131.shtm Semi-supervised learning uses a small amount of labeled data and a large amount of unl 阅读全文
posted @ 2023-06-28 17:02 祥瑞哈哈哈 阅读(12) 评论(0) 推荐(0) 编辑
摘要: clc;clear all;close all;load('convex_subpixel_ptmean_03_SNR_30_sigma_1_Nb_2_Train')wavelength=wavelength/1000;%为啥除1000呢ZeroV = zeros([1 1000])indices 阅读全文
posted @ 2023-06-28 11:22 祥瑞哈哈哈 阅读(6) 评论(0) 推荐(0) 编辑
摘要: for i=1:1000 ZeroV(i)=acos(dot(E_t,X(1:211,indices(i)))/(norm(E_t)*norm(X(1:211,indices(i)))))*180/piend[n,im]=min(ZeroV);cols=im; %cols 为最小值所在列数pix_c 阅读全文
posted @ 2023-06-28 10:30 祥瑞哈哈哈 阅读(8) 评论(0) 推荐(0) 编辑
摘要: load('convex_subpixel_ptmean_03_SNR_30_sigma_1_Nb_2_Train')wavelength=wavelength/1000;%为啥除1000呢ZeroV = zeros([1 1000])indices = find(GT==1) for i=1:10 阅读全文
posted @ 2023-06-27 16:54 祥瑞哈哈哈 阅读(159) 评论(0) 推荐(0) 编辑
摘要: index=0 阅读全文
posted @ 2023-06-26 19:16 祥瑞哈哈哈 阅读(37) 评论(0) 推荐(0) 编辑
摘要: 合成数据用函数3生成的。20000个像素,是用e_t目标端元跟E_minus混合而成的。如果像素对应为1说明含有目标端元,为0说明没有目标端元。一共就4个端元。其中1个是目标。N_b包的种类2:1个正包1个负包n_tar:10个目标源num_nbags:负包数num_pbags:正包数num_poi 阅读全文
posted @ 2023-06-23 15:12 祥瑞哈哈哈 阅读(46) 评论(0) 推荐(0) 编辑
摘要: 计算机视觉论文http://www.cvpapers.com/ CVPR论文查找(每年一届)https://openaccess.thecvf.com/CVPR2022https://openaccess.thecvf.com/CVPR2021https://openaccess.thecvf.co 阅读全文
posted @ 2023-06-14 11:37 祥瑞哈哈哈 阅读(160) 评论(0) 推荐(0) 编辑
上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 73 下一页