摘要： If you fail to install and run this tracker, please email me (zhangyunhua@mail.dlut.edu.cn) Introduction This repository includes tensorflow code of M 阅读全文

摘要： 1.pandas.read_csv book[n]下的print（n） 总图片数是少一张的，print(n)发现也是少了一个序号 仔细查找后发现缺少99号，即最后一张图片没有被读取。print（m）时也没有99号，再往前推测应当是载入数据时出现错误，print（path）时发现果然是第一行的数据没有 阅读全文

摘要： 如图所示， 阅读全文

摘要： 有些数据是没有专门的数据集的，为了找到神经网络训练的数据，自然而然的想到了用爬虫的方法开始采集数据。一开始采用了网上的一个动态爬虫的代码，发现爬取的图片大多是重复的，有效图片很少。 动态爬虫： 为了筛选出重复的图片又采用了哈希算法进行去重 用哈希算法筛选后又发现筛除的太多了，阈值不好控制。又尝试采用 阅读全文

摘要： VOT工具使用 阅读全文

摘要： LINEAR LAYERS Linear Examples: >>> m = nn.Linear(20, 30) >>> input = torch.randn(128, 20) >>> output = m(input) >>> print(output.size()) torch.Size([1 阅读全文

摘要： 很早就听同学和师兄经常说刷题很重要，然而编程能力一直都很渣的我最近才开始从leetcode的初级算法开始。今天遇到的这道题虽然很简单，因为是头一次用自己的方法速度还不错，特此记录一下，还大神们请不要嘲笑菜鸡。 88/809 合并两个有序数组 88/809 合并两个有序数组 给定两个有序整数数组 nu 阅读全文

摘要： 在人体语义分割中，像素级别的分类损失在其低级局部不一致性和高级语义不一致性方面存在缺陷。对抗性网络的引入使用单个鉴别器来解决这两个问题。然而，两种类型的解析不一致是由不同的机制产生的，因此单个鉴别器很难解决它们。为解决这两种不一致问题，本文提出了宏观 - 微观对抗网络（MMAN）。它有两个鉴别器，一个鉴别器Macro D作用于低分辨率标签图并且惩罚语义不一致性，例如错位的身体部位。另一个鉴别器Micro D专注于高分辨率标签映射的多个像素块，以解决局部不一致性，例如图片模糊和裂口。与传统的对抗性网络相比，MMAN不仅明确地强制实现了局部和语义一致性，而且避免了处理高分辨率图像时对抗性网络的收敛性差的问题。在我们的实验中，我们验证了两个鉴别器在提高人类解析准确性方面是相互补充的。与现有技术方法相比，所提出的框架能够产生有竞争力的解析性能，即分别在LIP和PASCAL-Person-Part上的mIoU = 46.81％和59.91％。在相对较小的数据集PPSS上，我们的预训练模型展示了令人印象深刻的泛化能力。该代码可在https://github.com/RoyalVane/MMAN上公 阅读全文