摘要：
该激活函数的公式如下： f(x)=x*sigmoid(x) 具体实现代码如下： ` class SiLU(Layer): def __init__(self, **kwargs): super(SiLU, self).__init__(**kwargs) self.supports_masking 阅读全文
摘要：
文章申明：内容都不是原创内容，很多都是复制粘贴，本文的目的是自己学习和把学习的过程分享给能看到的朋友。 首先解读torch.nn.CrossEntropyLoss(),官方文档定义是这样的: 从上述截图可以看出，torch.nn.CrossEntropyLoss()是由nn.LogSoftmax() 阅读全文
摘要：
本篇文章只是用来记录一些学习记录，文章来源于: https://blog.csdn.net/xylin1012/article/details/81217988 使用深度学习在进行图像分类或者对象检测时候，首先需要对图像做数据预处理，最常见的对图像预处理方法有两种，正常白化处理又叫图像标准化处理，另 阅读全文
摘要：
一、池化层的作用： 1、抑制噪声，降低信息冗余度 2、提升模型的尺度不变性和旋转不变性 3、降低模型计算量 4、防止过拟合 二、池化算法的操作方式 1、平均池化：保留背景信息，突出背景信息 2、最大池化：保留主要特征，突出前景信息 3、全局平均池化 4、全局自适应池化 5、ROI池化 6、金字塔池化 阅读全文
摘要：
主要目的是完成车牌识别算法的综述，从2021年开始到2019年的论文，然后找到一个比较合适自己的算法。 第一篇论文： License Plate Detection and Recognition in Unconstrained Scenarios （复杂| 无约束 场景下的车牌检测和识别） 阅读全文
摘要：
传统边缘检测方法的主要缺点： 1、没有很好的利用梯度方向 2、最后得到的二值图像，只是简单的利用单一阈值做处理 canny算法的优势： 1、基于边缘梯度方向的非极大值抑制 2、双阈值的滞后阈值处理 canny算法的主要步骤如下： 对输入图像进行高斯平滑，降低错误率(主要目的是降低噪声,剔除伪边缘) 阅读全文
摘要：
这些内容都学过，也基本懂，当做复习，留个纪念 图像由于是离散数字信号，所以偏导数的计算，采用离散化方法计算，有两种计算方法，具体公式如下： 第一种方法： $Dx=Image(i + 1, j) - image(i, j)$ $Dy=Image(i, j + 1) - image(i, j)$ 第二种 阅读全文
摘要：
本文主要核心内容来自于： https://www.cnblogs.com/massquantity/p/8908859.html 主要在原来的基础之上增加了些注释，如果原作者想要我删除或者屏蔽该文章，请留言，我可删除或屏蔽 numpy.where() 函数有两种用法： 第一种： np.where(c 阅读全文
摘要：
大家好，这是我的第一篇blog，写作的主要是记录后面两个月的学习情况。 声明，该篇文章主要内容来源于：https://www.cnblogs.com/makefile/p/nms.html，其中NMS原理其实非常简单，就是首先排序它的置信度，然后从置信度高的位置开始找框的重合率，如果框的重合率大于某 阅读全文