09 2022 档案

摘要:MAE的网络结构如上图所示,它是一个非对称的Encoder-Decoder架构的模型,非对称性主要体现在两点: 1. Encoder和Decoder都是Transformer结构,但是Decoder在深度和宽度上都比Encoder小很多; 2. Encoder仅将未被掩码的部分作为输入,而Decod 阅读全文
posted @ 2022-09-27 11:27 Picassooo 阅读(775) 评论(0) 推荐(0) 编辑
摘要:transformer综述汇总与变形分析 (这个汇总记录了多篇transformer综述,写的很好,推荐) 下面的一个related work总结也写的很好,摘自:PVTv2: Improved Baselines with Pyramid Vision Transformer 阅读全文
posted @ 2022-09-26 21:57 Picassooo 阅读(97) 评论(0) 推荐(0) 编辑
摘要:论文标题:Swin Transformer: Hierarchical Vision Transformer using ShiftedWindows swin transformer的主要有特点有三个: 第一,把图像划分为一个个窗口,只在窗口内部计算self-attention。这样带来的优势是, 阅读全文
posted @ 2022-09-24 15:23 Picassooo 阅读(228) 评论(0) 推荐(0) 编辑
摘要:DOG算子 阅读全文
posted @ 2022-09-24 09:17 Picassooo 阅读(62) 评论(0) 推荐(0) 编辑
摘要:低通滤波和高通滤波 【参考:图像处理之高通滤波及低通滤波】 低通滤波和高通滤波需用到傅里叶变换知识,可参考这里。 图像在频域里面,频率低的地方说明它是比较平滑的,因为平滑的地方灰度值变化比较小,而频率高的地方通常是边缘或者噪声,因为这些地方往往是灰度值突变的。示例: 在图像的频域图中,靠近中心的是低 阅读全文
posted @ 2022-09-22 19:49 Picassooo 阅读(1983) 评论(0) 推荐(0) 编辑
摘要:本文参考: LOG算子_松子茶的博客-CSDN博客 高斯拉普拉斯算子-知乎 边缘检测之LoG算子(高斯-拉普拉斯算子) Laplace算子对通过图像进行操作实现边缘检测的时,对离散点和噪声比较敏感。所以有人提出,先对图像进行高斯暖卷积滤波进行降噪处理,再采用Laplace算子进行边缘检测,这样可以提 阅读全文
posted @ 2022-09-22 18:56 Picassooo 阅读(445) 评论(0) 推荐(0) 编辑
摘要:torch.backends.cudnn.benchmark (推荐,讲解的很详细) cuDNN 是英伟达专门为深度神经网络所开发出来的 GPU 加速库,针对卷积、池化等等常见操作做了非常多的底层优化,比一般的 GPU 程序要快很多。大多数主流深度学习框架都支持 cuDNN,PyTorch 自然也不 阅读全文
posted @ 2022-09-22 17:43 Picassooo 阅读(204) 评论(0) 推荐(0) 编辑
摘要:参考资料 如何解决数据不平衡问题? (总结的很好,强烈推荐) 样本不均衡及解决办法 (推荐) 极端类别不平衡数据下的分类问题研究综述 处理样本不均衡的8个方法 知乎:样本类别不平衡及其处理手段 分类样本不平衡问题 解决分类样本不平衡问题 ~ ML&DM面试高频问题 总结一下 从数据角度: 获取更多的 阅读全文
posted @ 2022-09-20 17:45 Picassooo 阅读(141) 评论(0) 推荐(0) 编辑
摘要:(参考:https://zhuanlan.zhihu.com/p/257853094) 查期刊分区的一个网站:letpub 阅读全文
posted @ 2022-09-14 11:29 Picassooo 阅读(74) 评论(0) 推荐(0) 编辑
摘要:Python 关于正负无穷float(‘inf’)的一些用法 阅读全文
posted @ 2022-09-13 16:19 Picassooo 阅读(17) 评论(0) 推荐(0) 编辑
摘要:二叉树遍历(前序、中序、后序、层次遍历、深度优先、广度优先) 阅读全文
posted @ 2022-09-13 10:30 Picassooo 阅读(30) 评论(0) 推荐(0) 编辑
摘要:本文参考: Python计数器collections.Counter用法详解 collections--容器数据类型 python的内置模块collections,实现了特定目标的容器,以提供Python标准内建容器 dict , list , set , 和 tuple 的替代选择。 打钩的三个是 阅读全文
posted @ 2022-09-11 12:55 Picassooo 阅读(189) 评论(0) 推荐(0) 编辑
摘要:import math print(math.factorial(5)) # 输出120 import numpy as np print(np.math.factorial(5)) # 输出120 阅读全文
posted @ 2022-09-07 15:44 Picassooo 阅读(112) 评论(0) 推荐(0) 编辑
摘要:python 四舍五入,round( ) 阅读全文
posted @ 2022-09-07 10:31 Picassooo 阅读(7) 评论(0) 推荐(0) 编辑
摘要:示例: '''求三维空间中两组点之间的两两距离''' import numpy as np # 第一组点,假设有四个点,位置如下 a = np.array([[ 0, 0, 0], [10,10,10], [20,20,20], [30,30,30]]) # 第二组点,假设有两个点,位置如下 b = 阅读全文
posted @ 2022-09-04 16:20 Picassooo 阅读(827) 评论(0) 推荐(0) 编辑
摘要:numpy数组扩展函数repeat和tile用法 【Python学习】Numpy函数repeat和tile用法 阅读全文
posted @ 2022-09-04 10:48 Picassooo 阅读(46) 评论(0) 推荐(0) 编辑
摘要:本文摘自: NumPy 广播(Broadcast) 2个规则弄懂numpy的broadcast广播机制 numpy广播的定义 广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式, 对数组的算术运算通常在相应的元素上进行。 可以广播的两种情况 1. 两个数组各维 阅读全文
posted @ 2022-09-04 10:41 Picassooo 阅读(53) 评论(0) 推荐(0) 编辑
摘要:把一维数组reshape成多维数组,是由外向内逐步切割的过程: 输出: 阅读全文
posted @ 2022-09-04 10:21 Picassooo 阅读(37) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示