慢行厚积

摘要： 参考：https://blog.csdn.net/qq_41368247/article/details/86626446 使用前提：stride > 1 补充：same卷积操作 是通过padding使得卷积之后输出的特征图大小保持不变(相对于输入特征图)，不代表得到的输出特征图的大小与输入特征图的 阅读全文

摘要： 1.首先先定义进行卷积的参数： 输入特征图为高宽一样的Hin*Hin大小的x 卷积核大小kernel_size 步长stride padding填充数(填充0) 输出特征图为Hout*Hout大小的y 计算式子为： Hout = floor( Hin + 2*padding - kernel_siz 阅读全文

摘要： https://pytorch.org/docs/stable/nn.html 1）卷积层 class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, 阅读全文

摘要： 1. 先导入使用的包，并声明可用的网络和预训练好的模型 2. 定义要使用到的1*1和3*3的卷积层 注意：这里bias设置为False,原因是： 下面使用了Batch Normalization，而其对隐藏层 有去均值的操作，所以这里的常数项 可以消去 因为Batch Normalization有一 阅读全文

摘要： 输入的标准化处理是对图片等输入信息进行标准化处理，使得所有输入的均值为0，方差为1 而Batch Normalization的目的是使各隐藏层输入的均值和方差为任意值 Batch Norm经常使用在mini-batch上，这也是其名称的由来 Batch Normalization是对下面隐藏层进行激 阅读全文

摘要： 1.当设置group=1时： conv = nn.Conv2d(in_channels=6, out_channels=6, kernel_size=1, groups=1) conv.weight.data.size() 返回： torch.Size([6, 6, 1, 1]) 另一个例子： co 阅读全文

摘要： 如果我们设置的dilation=0的话，效果如图： 蓝色为输入，绿色为输出，可见卷积核为3*3的卷积核 如果我们设置的是dilation=1，那么效果如图： 蓝色为输入，绿色为输出，卷积核仍为3*3，但是这里卷积核点与输入之间距离为1的值相乘来得到输出 好处： 这样单次计算时覆盖的面积（即感受域）由 阅读全文

摘要： 想要尝试一下将resnet18最后一层的全连接层改成卷积层看会不会对网络效果和网络大小有什么影响 1.首先先对train.py中的更改是： train.py代码可见：pytorch实现性别检测 但是运行的时候出错： 1） [2, 512, 1, 1]为[batch_size, channels, h 阅读全文

摘要： 参考：https://github.com/milesial/Pytorch-UNet 实现的是二值汽车图像语义分割，包括 dense CRF 后处理. 使用python3，我的环境是python3.6 1.使用 1> 预测 1）查看所有的可用选项： 返回： 2)预测单一图片image.jpg并存储 阅读全文

摘要： https://github.com/lucasb-eyer/pydensecrf/blob/master/examples/inference.py 1.运行 先运行看看实现的结果： im1.png和anno1.png是输入图片，out1.png为进行crf处理后的输出图片 im1.png和ann 阅读全文