1 2 3 4 5 ··· 10 下一页
摘要: 计算两个边界框集合的iou 1 import numpy as np 2 3 4 def iou(gtboxes, dtboxes): 5 '''numpy version of calculating IoU between two set of 2D bboxes. 6 7 Args: 8 gt 阅读全文
posted @ 2021-08-12 15:22 HOU_JUN 阅读(564) 评论(0) 推荐(0) 编辑
摘要: RuntimeWarning: overflow encountered in exp in computing the logistic function 以下是sigmoid函数的标准写法,但是如果x很大或导致函数exp(-x)溢出 安全的替代写法如下: 阅读全文
posted @ 2019-05-25 14:33 HOU_JUN 阅读(4931) 评论(0) 推荐(0) 编辑
摘要: Firefox 插件地址 https://addons.mozilla.org/zh CN/firefox/addon/baidu pan exporter/ 安装后重启Firefox,然后百度云下载界面就会多出一个选项:导出下载 需要下载aria2 : sudo apt get install a 阅读全文
posted @ 2019-04-01 19:14 HOU_JUN 阅读(1021) 评论(0) 推荐(0) 编辑
摘要: 在python中使用lmdb linux中,可以使用指令 安装lmdb包。 生成一个空的lmdb数据库文件 LMDB数据的添加、修改、删除 查询LMDB数据库 参考:ps://blog.csdn.net/dcrmg/article/details/79144507 阅读全文
posted @ 2019-03-06 18:03 HOU_JUN 阅读(8076) 评论(0) 推荐(0) 编辑
摘要: 为Mac生成公钥 步骤: 检查本机是否已有公钥 将原来的公钥删除 生成新的公钥(填自己的邮箱),然后除了密码,一路默认 在默认的路径下便生成了自己的id_ras.pub 查看id_ras.pub的内容 将id_rsa.pub中的内容拷贝 在Github中授权 打开Github,点击头像 Settin 阅读全文
posted @ 2019-03-06 16:22 HOU_JUN 阅读(953) 评论(0) 推荐(0) 编辑
摘要: Bounding Box的数据结构为(xmin,ymin,xmax,ymax) 输入:box1,box2 输出:IOU值 阅读全文
posted @ 2019-02-28 23:52 HOU_JUN 阅读(3758) 评论(0) 推荐(0) 编辑
摘要: 1、NMS的原理 NMS(Non-Maximum Suppression)算法本质是搜索局部极大值,抑制非极大值元素。NMS就是需要根据score矩阵和region的坐标信息,从中找到置信度比较高的bounding box。NMS是大部分深度学习目标检测网络所需要的,大致算法流程为: 1.对所有预测 阅读全文
posted @ 2019-02-28 23:35 HOU_JUN 阅读(5023) 评论(1) 推荐(2) 编辑
摘要: 预备知识 模型并行( model parallelism ):即把模型拆分放到不同的设备进行训练,分布式系统中的不同机器(GPU/CPU等)负责网络模型的不同部分 —— 例如,神经网络模型的不同网络层被分配到不同的机器,或者同一层内部的不同参数被分配到不同机器,如AlexNet的训练。 数据并行( 阅读全文
posted @ 2019-02-20 16:24 HOU_JUN 阅读(18655) 评论(0) 推荐(0) 编辑
摘要: 安装pytorch时,torchvision独立于torch。torchvision包由流行的数据集(torchvision.datasets)、模型架构(torchvision.models)和用于计算机视觉的常见图像转换组成t(torchvision.transforms)。 1)数据库 MNI 阅读全文
posted @ 2019-02-20 14:57 HOU_JUN 阅读(10609) 评论(0) 推荐(1) 编辑
摘要: 实例化数据库的时候,有一个可选的参数可以对数据进行转换,满足大多神经网络的要求输入固定尺寸的图片,因此要对原图进行Rescale或者Crop操作,然后返回的数据需要转换成Tensor如: 数据转换(Transfrom)发生在数据库中的__getitem__操作中。以上代码中,transforms.C 阅读全文
posted @ 2019-02-20 14:35 HOU_JUN 阅读(13585) 评论(0) 推荐(0) 编辑
摘要: 1)前言 虽然torchvision.datasets中已经封装了好多通用的数据集,但是我们在使用Pytorch做深度学习任务的时候,会面临着自定义数据库来满足自己的任务需要。如我们要训练一个人脸关键点检测算法,提供的训练数据标注如下形式,存在CSV文件中: 在本次教程中,我们需要用到两个额外的包: 阅读全文
posted @ 2019-02-20 11:21 HOU_JUN 阅读(1856) 评论(0) 推荐(0) 编辑
摘要: 一、DenseNet的优点 减轻梯度消失问题 加强特征的传递 充分利用特征 减少了参数量 二、网络结构公式 对于每一个DenseBlock中的每一个层, [x0,x1,…,xl-1]表示将0到l-1层的输出feature map做concatenation。concatenation是做通道的合并, 阅读全文
posted @ 2019-01-10 16:03 HOU_JUN 阅读(2304) 评论(0) 推荐(0) 编辑
摘要: 论文:《Focal Loss for Dense Object Detection》 Focal Loss 是何恺明设计的为了解决one-stage目标检测在训练阶段前景类和背景类极度不均衡(如1:1000)的场景的损失函数。它是由二分类交叉熵改造而来的。 标准交叉熵 其中,p是模型预测属于类别y= 阅读全文
posted @ 2019-01-04 16:07 HOU_JUN 阅读(8506) 评论(0) 推荐(0) 编辑
摘要: 训练一个模型需要有一个数据库,一个网络,一个优化函数。数据读取是训练的第一步,以下是pytorch数据输入框架。 1)实例化一个数据库 假设我们已经定义了一个FaceLandmarksDataset数据库,此数据库将在以下建立。 或者使用torchvision.datasets里封装的数据集(MNI 阅读全文
posted @ 2019-01-03 14:29 HOU_JUN 阅读(1567) 评论(0) 推荐(0) 编辑
摘要: 一、递归实现 以上的cout<<root->data;是对结点的一种操作,这里可以对结点做任意想做的操作。 二、非递归实现 阅读全文
posted @ 2018-12-04 12:37 HOU_JUN 阅读(16598) 评论(2) 推荐(0) 编辑
1 2 3 4 5 ··· 10 下一页