Fork me on CSDN
摘要: 源代码: def save_img(img, fname): pil_img = deprocess_image(np.copy(img)) scipy.misc.imsave(fname, pil_img) 出现的问题(版本原因): 修改代码: #安装新版本APIpip install image 阅读全文
posted @ 2021-07-22 19:07 追风赶月的少年 阅读(1015) 评论(0) 推荐(0) 编辑
摘要: # -*- coding = utf-8 -*- # @Time : 2021/7/22 # @Author : pistachio # @File : p23.py # @Software : PyCharm import keras from keras import layers import 阅读全文
posted @ 2021-07-22 15:19 追风赶月的少年 阅读(241) 评论(0) 推荐(0) 编辑
摘要: 原始代码: import keras import numpy as np path = keras.utils.get_file( 'nietzsche.txt', origin='https://s3.amazonaws.com/text-datasets/nietzsche.txt' ) te 阅读全文
posted @ 2021-07-22 11:23 追风赶月的少年 阅读(1130) 评论(0) 推荐(0) 编辑
摘要: 在深度学习目标检测中,由于小目标分辨率低,图片模糊,信息少,噪声多所以是一个实际且常见的困难问题 解决方法:使用不同分辨率的图像金字塔,再对每层金字塔用固定输入分辨率的分类器在该层滑动来检测目标,以求在金字塔底部检测出小目标;或者只用一个原图,在原图上,用不同分辨率的分类器来检测目标,以求在比较小的 阅读全文
posted @ 2021-07-19 18:42 追风赶月的少年 阅读(770) 评论(0) 推荐(0) 编辑
摘要: 注意力是你所需要的 摘要:占优势的序列转换模型基于复杂的循环或卷积神经网络,其中包括一个编码器和一个解码器。表现最好的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单的网络架构,即Transformer,它完全基于注意力机制,完全摒弃了递归和卷积。在两个机器翻译任务上的实验表明,这些模 阅读全文
posted @ 2021-07-03 21:28 追风赶月的少年 阅读(2634) 评论(0) 推荐(0) 编辑
摘要: LeNet-5是由Yann LeCun设计的用于手写数字识别和机器打印字符的卷积神经网络。她在1998年发表的论文《基于梯度学习的文本识别》中提出了该模型,并给出了对该模型网络架构的介绍。如下图所示,LeNet-5共有7层(不包括输入层),包含卷积层、下采样层、全连接层,而其输入图像为32*32.论 阅读全文
posted @ 2021-06-20 20:06 追风赶月的少年 阅读(649) 评论(0) 推荐(0) 编辑
摘要: 在多类别物体的检测中,对每个类别,都可以以召回率作为横轴、以准确率作为纵轴绘制一条曲线,AP(平均精度)就是该曲线下的面积。mAP是多个类别的AP的平均值。 阅读全文
posted @ 2021-06-16 19:47 追风赶月的少年 阅读(350) 评论(0) 推荐(0) 编辑
摘要: TOP-5错误率是指每幅图像同时用5个类别标签进行预测;如果其中任何一次预测正确,就认为预测正确,如果5次预测的结果都错了,才认为预测错误,这时的分类错误率就是TOP-5错误率。 阅读全文
posted @ 2021-06-16 19:25 追风赶月的少年 阅读(230) 评论(0) 推荐(0) 编辑
摘要: 摘要:在标准的卷积神经网络(CNNs)中,每一层的人工神经元的感受野被设计成具有相同的大小。众所周知,视觉皮层神经元的感受野大小受刺激的调节,但在构建cnn时却很少考虑到这一点。我们在神经网络中提出了一种动态选择机制,允许每个神经元根据输入信息的多个尺度自适应地调整其感受野大小。设计了一种被称为选择 阅读全文
posted @ 2021-06-09 20:10 追风赶月的少年 阅读(890) 评论(0) 推荐(1) 编辑
摘要: 你只需要看一个层次的特征 摘要:本文回顾了单阶段检测器的特征金字塔网络(FPN),指出FPN的成功在于其对目标检测优化问题的分治解决,而不是多尺度特征融合。从优化的角度来看,我们引入了一种替代的方法来解决这个问题,而不是采用复杂的特征金字塔,这个方法就是利用一个层次的特征进行检测。在简单有效的基础上 阅读全文
posted @ 2021-06-04 18:08 追风赶月的少年 阅读(649) 评论(0) 推荐(0) 编辑