摘要：
拍摄出来的胸片用microDicom读取后有的会不大清楚，microDicom本身并没有调整对比度的功能，我也不大清楚有没有其它读胸片的软件可以调整对比度，于是查阅不少博客，看到有用直方图均衡化来做的，自己试了下效果还不错。 导入相关包 定义调整对比度的函数，调用了opencv中CLAHE(cont 阅读全文
摘要：
将pytorch官网的python代码当下来，然后下载好celeba数据集（百度网盘），在代码旁新建celeba文件夹，将解压后的img_align_celeba文件夹放进去，就可以运行代码了。 输出如下 显存占用如下 与目标检测模型动不动就显存不够比，简直好太多了。 那最后有一个生成的假的图像，下 阅读全文
摘要：
VIA是一款很好用的标注软件，基于网页，不过现在开源的大多数目标检测器都是基于COCO训练和测试的，我们如果想要训练自己的数据集，要么修改源代码，要么将自己的标注格式改成COCO格式，采用第一种方法很容易出错，那么格式转换就是一个比较简单的办法，我找了好久没有看到VIA格式转为COCO格式的工具或者 阅读全文
摘要：
全景分割是18年新推出的一个任务，它要求同时分割出目标和背景，也就是既有实例分割也有语义分割，用官方的话讲是朝着真实世界视觉系统的重要一步 如图所示，里面既有对天空，草地等stuff的分割，也有对目标实例的分割。 这项任务加入到了2018年的挑战赛，结果会在ECCV2018的workshop上展示。 阅读全文
摘要：
stuff何许人也，相对于目标而言的环境信息，一般是图像中的草地，墙面或者天空，因为往往在一张图像中这些背景占据着大部分像素，对于场景理解必不可少，所以引入了这一任务。 不过目前这个任务还没有发布test-challenge测试服务器，只有test-dev测试服务器，也就是可以没事提交下结果玩玩，但 阅读全文
摘要：
刚浏览了一下coco数据集官网，认真看了一下18年的目标检测任务，简单记录一下。 coco2018目标检测挑战赛只进行实例分割的评比，虽然仍然可以输出bbox，但是不可以提交到比赛的服务器，原因是官方希望研究主要投入到实例分割任务上。 主页上的图片也正好说明了这一点，只有实例分割的标记，没有物体的外 阅读全文
摘要：
最小生成树的对象是无向连通网，这个前提是必要的，无向，邻接矩阵是对称的，连通，点与点之间两两可达，网，所有边都有权重，对应于城市修路问题，就是路的长度，最小生成树，对应同时满足城市之间连通和修路花费最小，是一个实际应用性很强的算法。 最小生成树的实现主要有两种算法，Prim算法和Kruskal算法, 阅读全文
摘要：
当前最好的实例分割网络非PANet莫属，可是由于模型太新，网上的资料太少，最近的项目需要 实例分割，只能自己踩踩坑了，目前我还没看到一篇关于PANet训练的博客，只有几篇讲论文的。 环境：ubuntu16.04 anaconda3 pytorch0.4.0 将代码down下来后，我在anaconda 阅读全文
摘要：
图有两种遍历方式，深度优先遍历和广度优先遍历 以下面这幅图为例 深度优先遍历生成序列为 V1 -> V2 -> V4 -> V8 -> V5 -> V3 -> V6 -> V7 广度优先遍历生成序列为 V1 -> V2 -> v3 -> V4 -> V5 -> V6 -> V7 -> V8 深度优先 阅读全文
摘要：
当图比较稀疏时，采用邻接矩阵存储会比较浪费空间，因为大部分空间都会填充为0，这时候采用邻接表存储是一个可行方案。 如上图所示，每个顶点都是一个表头结点，data存放数据，fisrtarc是指向表中结点的指针，表中结点的adjvex存放该顶点的下标，nextarc是指向下一个表中结点的指针，info在 阅读全文