YongjieShi

cityscapes中road的划分

摘要：关于road的类别，作者给出了说明如下： Part of ground on which cars usually drive, i.e. all lanes, all directions, all streets. Including the markings on the road. Area 阅读全文

posted @ 2021-08-19 12:01 YongjieShi 阅读(122) 评论(0) 推荐(0)

ubuntu16+2080ti nvidia-smi状态不更新，简易方法重装显卡驱动

摘要：问题背景是这样的，我们组服务器使用nvidia-smi命令的时候，显卡的显示停留在历史界面，即使重启，并没有跑任何程序，也是显示如下界面所以立马想到的办法就是重新安装驱动，但是安装的老方法都是去官网下载run文件，然后本地bash安装，其实还挺麻烦，记得之前就曾经在terminal安装过384的驱阅读全文

posted @ 2021-08-18 11:31 YongjieShi 阅读(1305) 评论(0) 推荐(0)

overleaf latex使用目录问题，pdf找不到

摘要：情况是这样的，我用overleaf进行latex编译，以前我都是将tex文件放到根目录，然后同级目录下创建文件夹，上传一些pdf啥的，这样可以直接指定相对路径但是我这个工程是直接上传的，如下图所示 overleaf如果是上传工程的话，tex默认是在一个文件夹之中，并不是在根目录下，所以这个时候指定阅读全文

posted @ 2021-08-09 18:51 YongjieShi 阅读(1328) 评论(0) 推荐(0)

python opencv 与PIL库对于semantic label的最近邻插值对比

摘要：事情是这样的：因为要做分割图的缩放，但是segmentation map中的label的id的数值没有数值意义，就是表示第几类，所以对于label缩放的时候都是要用最近邻插值的，这样才有意义，否则插出来一个不知道的类别也没啥用。比如advent中的数据读取链接就是用PIL，然后对于Image对象进行阅读全文

posted @ 2021-08-08 15:59 YongjieShi 阅读(170) 评论(0) 推荐(0)

一次惨痛的debug的经历-RuntimeError: CUDA error: an illegal memory access was encountered

摘要：之所以说惨痛是有原因的。这个错误有人严重怀疑是显卡和pytorch二者之一有一个是有问题的，也曾经想一度放弃，最后还是分享我的解决方法是啥，不确定对大家都适用。一开始遇到这个错误，报的是我写的一个模块内的： File "/gpfs/share/home/1601111331/uda_for_con 阅读全文

posted @ 2021-07-29 20:05 YongjieShi 阅读(9610) 评论(2) 推荐(0)

labelme安装使用，以及标注我们自己的数据

摘要：使用labelme对图像进行语义分割标注写在前面这个文档旨在教大家如何使用labelme软件进行语义分割标签的标注。语义标注 cityscapes里面有效的标注是19类，还有很多虽然标注了，但是是无效的类别。序号名称 category 说明（CS的官方说明翻译而来） 0 road（道路）阅读全文

posted @ 2021-07-06 15:20 YongjieShi 阅读(844) 评论(0) 推荐(0)

SPADE阅读笔记

摘要： SPADE阅读笔记同样的，作者提出一个simplt but effective layer，给定一张分割的图，作者能够合成photorealistic images.作者说，normalization layer能够wash way semantic information.为了解决这个问题，作者阅读全文

posted @ 2021-06-02 14:35 YongjieShi 阅读(369) 评论(0) 推荐(0)

CYCADA: cycle-consistent adversaial domain adaption阅读笔记

摘要： CYCADA: cycle-consistent adversaial domain adaption阅读笔记之前方法是在feature space进行domain adaption，来发现domain invariant representations, 但是这种方法很难可视化，而且某些时候不能阅读全文

posted @ 2021-06-02 14:32 YongjieShi 阅读(397) 评论(0) 推荐(0)

Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization论文阅读笔记

摘要： Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization论文阅读笔记这篇文章是基于gatys et al这篇做的，gatys et al他们通过在一张content image上引入另外一张图片的style 阅读全文

posted @ 2021-06-02 14:28 YongjieShi 阅读(266) 评论(0) 推荐(0)

Learning from synthetic data: addressing domain shift for semantic segmation阅读笔记

摘要： Learning from synthetic data: addressing domain shift for semantic segmation阅读笔记作者说之前的方法使用一种简单的对抗或者superpixel information的方式来解决domain shift。作者说ta提出了一阅读全文

posted @ 2021-06-02 14:24 YongjieShi 阅读(226) 评论(0) 推荐(0)

pytorch计算图扩大，反传变慢问题debug

摘要：是这样的，我自己写了一个block，这个block的内容如下 # 为了更加集成，给定两个角度，生成compact的倾斜图片 class Compact_Homo(nn.Module): def __init__(self, device): super(Compact_Homo, self).__i 阅读全文

posted @ 2021-06-02 11:25 YongjieShi 阅读(324) 评论(0) 推荐(0)

NSGA-NET中的micro内部细节搜索

摘要： NSGA-NET中的micro内部细节搜索 micro做了啥这篇文章的micro采用的是nasnet的搜索目标以及编码方式，只不过nasnet采用的是强化学习（如下图所示），作者这里将其更改为ea相关的算法来进行优化。搜索的目标主要是一个normal cell和一个reduction cell，构阅读全文

posted @ 2021-05-26 14:12 YongjieShi 阅读(273) 评论(2) 推荐(1)

fbnetv3中的predictor

摘要： fbnetv3中的predictor 作者想做的是网络超参和网络结构的联合搜索，并且定义了如下的网络结构的候选值以及超参的候选值给定搜索空间$\Omega$,以及计算资源$C$，超参和网络搜索的目标如下：并且作者在正文中说到： The search space $\Omega$ is typ 阅读全文

posted @ 2021-05-26 14:11 YongjieShi 阅读(142) 评论(0) 推荐(0)

TAPAS与EVALUATING THE SEARCH PHASE OF NEURAL ARCHITECTURE SEARCH阅读笔记

摘要： EVALUATING THE SEARCH PHASE OF NEURAL ARCHITECTURE SEARCH predictor的输入的形式 predictor的结构 predictor输出的结果和实际的表现对比作者说之前评价NAS是否好都是在下游任务上进行对比，但是效率比较低。这篇文章作者阅读全文

posted @ 2021-05-26 14:10 YongjieShi 阅读(93) 评论(0) 推荐(0)

Efficient Sample-based Neural Architecture Search with Learnable Predictor

摘要：我们想要的结果 predictor的输入的形式 predictor的结构 predictor输出的结果和实际的表现对比 Efficient Sample-based Neural Architecture Search with Learnable Predictor 这篇文章做了啥作者说之前的方阅读全文

posted @ 2021-05-26 14:09 YongjieShi 阅读(140) 评论(0) 推荐(0)

ACCELERATING NEURAL ARCHITECTURE SEARCH USING PERFORMANCE PREDICTION阅读笔记

摘要： ACCELERATING NEURAL ARCHITECTURE SEARCH USING PERFORMANCE PREDICTION 17年的paper，作者说一个标准的常见的回归模型，使用基于网络结构的特征，就可以预测非充分训练的模型的最终表现。作者说他们的模型可以比主流的BO，更加高效，更加阅读全文

posted @ 2021-05-26 14:08 YongjieShi 阅读(103) 评论(0) 推荐(0)

再读autoaug

摘要：再读autoaug 算法总览使用RNN做controller，并且每次采样得到一个policy $S$，其中$S$包括使用哪种operation（数据增强操作），幅度是多少，以及应用的概率用validation上的精度$R$作为reward 作者的搜索空间定为 policy 由5种sub-p 阅读全文

posted @ 2021-05-26 14:07 YongjieShi 阅读(211) 评论(0) 推荐(0)

Fast AutoAugment阅读笔记

摘要： Fast AutoAugment 作者说他提出一种基于稠密匹配的快速的AA方法。这种方法不需要子模型（child model）的重新训练。这种方法通过最大化匹配augmentated split和另外一个unaugmented split的分布来搜索增强的策略。在这篇文章中，作者提出的方法学习一种阅读全文

posted @ 2021-05-26 14:06 YongjieShi 阅读(599) 评论(0) 推荐(0)

object as point阅读笔记

摘要： object as point阅读笔记这篇文章做了啥作者的主要动机是，绝大多数的object detectors都几近枚举大量的潜在的物体locations并且对他们进行分类。这种方式是非常浪费的，不足够的，以及需要额外的后处理。在这篇文章中，我们采用了一种不一样的方法。作者将物体建模为一个点，阅读全文

posted @ 2021-05-26 14:05 YongjieShi 阅读(155) 评论(0) 推荐(0)

REDUCING THE SEARCH SPACE FOR HYPERPARAMETER OPTIMIZATION USING GROUP SPARSITY阅读笔记

摘要： REDUCING THE SEARCH SPACE FOR HYPERPARAMETER OPTIMIZATION USING GROUP SPARSITY 这篇文章做了啥作者提出了一个新的方法，这个新的方法可以用在机器学习中的超参选择上面。实际上作者是对于harmonica算法的修改，harmo 阅读全文

posted @ 2021-05-26 14:04 YongjieShi 阅读(121) 评论(0) 推荐(0)

公告

导航