Vannesa's Studio

Vannesa's Studio

Don't get all sad-faced about what happened and scrunchy-faced about what could.Just be here now.

关于数据增强
关于数据增强为什么需要大量的数据? 网络模型的参数越多,需要给你的模型足够比例的样本 需要的参数的个数与任务的复杂度成比例 如何获得更多的数据? 不需要新奇的图片,神经网络在开始的时候并不是那么聪明,比如,一个欠训练的神经网络会认为如下的网球是不同、独特的图片。相同的网球,但被移位(translated)了 对现有的数据集进行微小的改变 翻转(flips)、移位(translations)、旋转(rotations)等 一个卷积神经网络,如果能够对物体即使它放在不同的地方也能稳健的分类,就被称为具有不变性的属性。更具体的,CNN可以对移位(translation)、视角(view...
利用Keras实现Yolov3
Yolov3-Keras代码学习 我们项目的基础代码是利用Keras实现的yolov3算法。 Keras什么是Keras? 官方给出的标题简洁明了,the Python deep learning API。 Keras是一个基于Theano/TensorFlow的一个深度学习框架,是一个高模块化的神经网络库,支持GPU和CPU,纯Python编写的。 利用这些深度学习框架,可以更好的帮助我们实现模型的代码。 异构计算在人工智能领域起着很大的作用。我们应该知道GPU可以辅助CPU,提高性能。在计算时可能多次需要在GPU和CPU之间切换,有时候还需要手动求出一些表达式的导数,...
表面缺陷检测图像处理和分析算法
表面缺陷检测图像处理和分析算法图像预处理算法工业现场采集的图像通常包含噪声,图像预处理主要目的是减少噪声,改善图像的质量,使之更适合人眼的观察或机器的处理。 图像的预处理通常包括空域方法和频域方法,其算法有灰度变换、直方图均衡、基于空域和频域的各种滤波算法等。 空域滤波算法采用各种模板对图像进行卷积运算。直接灰度变换法通过对图像每一个像素按照某种函数进行变换后得到增强图像,变换函数一般多采用线性函数、分段线性函数、指数函数、对数函数等,运算简单,在满足处理功能的前提下实时性也较高。近年来,数学形态学方法[43-44]、小波方法[45-47]用于图像的去噪,取得了较好的效果。 Refere...
改进小目标检测
改进小目标检测 在计算机视觉中,检测小目标是最有挑战的问题之一。本文给出了一些有效的策略。无人机上看到的小目标 为了提高你的模型在小目标上的性能,我们推荐以下技术: 提高图像采集的分辨率 增加模型的输入分辨率 tile你的图像 通过增强生成更多数据 自动学习模型anchors 过滤掉无关的类别 为什么小目标检测很困难?小目标问题困扰着世界各地的目标检测模型。不相信吗?查一下最近的模型在COCO上的评估结果,YOLOv3,EfficientDet和YOLOv4:查看AP_S、AP_M、AP_L以了解最新的模型。小物体检测是很难的!以Efficient为例,小目标的AP只有12%,大目...
MacOS下的Pytorch配置
MacOS下的Pytorch配置配置anaconda 下载安装 https://www.anaconda.com/products/individual 目前conda的最新版本是python3.8的,我这里下载的是最新版本。 使用conda来配置环境来安装PyTorch需要的包——pytorch torchvision 12345678910//下载速度慢时,更改包的来源,也就是源位置,这里我们使用清华开源镜像#1.设置conda config --add channels https://mirrors.tuna.tsinghua.edu...
2020上半年
这半年学到了很多东西,当然忘得也很快,所以才要一直去努力。 安卓项目 做了一个安卓应用,DaysMatter+历史上的今天,方便自己用,以后感兴趣可以慢慢优化。 感觉这次自己只是浅显的试水了一下as,前端蛮有意思的,但发现自己更喜欢设计页面等等(适合美工和产品经理好吧)。 pre的时候感觉还好,老师问我pixel是什么没回答出来,讲道理现在还没弄明白。 软工一二大作业 写需求设计报告写到吐。面向对象、面向过程的分析方法都有所了解了,但还差的多了。 印象最深的就是老师给放的Grady Booch的讲座。 “We are changing the civilization line ...
神经网络的发展
卷积神经网络卷积运算需要什么? 输入层:比如图片处理,将图片(二维或三维)转化为矩阵形式 卷积核:需要的特征的过滤器 :假如老鼠尾巴是我们想要提取的特征,那么卷积核应该设为 如何提取特征(简单版本) 将卷积核作用于图片,发现对于能够识别的特征计算出来的值非常大 对于不能识别的特征,计算的值非常小卷积结果为0 综上所述,我们提取图片特征的关键是设计合理的卷积核。做完卷积后,我们再经过池化,就可以得到相应的值。 为什么CNN能自动提取图像特征? 介绍: 在大部分传统机器学习场景里,我们先经过特征工程等方法得到特征表示,然后选用一个机器学习算法进行训练。在训练过程中,表示事物的特征是...
how to build your blog?
how to build your blog?you can reference these website build blog :https://www.jianshu.com/p/ef3f221a0374 change theme :https://www.jianshu.com/p/869c6bcd0647 add pics :https://www.jianshu.com/p/8d28027fec76 关联域名 https://zhuanlan.zhihu.com/p/22183337 command hexo d -g // push hexo s //run at loc...
Object proposals
论文精读学习记录 Refinedbox: Refining for fewer and high-quality object proposalshttps://www.sciencedirect.com/science/article/pii/S0925231220305816?dgcid=coauthor Part 1 Object Proposal(OP) 目标检测(Object detection): 要求模型不仅能够判断一副图像中包含哪类目标,还要框出目标的具体位置(bounding box) 传统方法利用滑动窗口(Sliding Window),用不同的尺度(scale)...
LeNet-5
大创项目讲座学习笔记 Apr 25,2020 Handwritten digit recognition based on LeNet-5Record and progress. Part 1 Introduction to CNNCNN的基本结构 输入层:最左端的图像,在计算机“眼里”是矩阵 卷积层(Convolution Layer):CNN特有,使用ReLU激活函数。ReLU(x)=max(0,x)(将小于0的输出值都变为0) 池化层(Pooling Layer):没有激活函数 全连接层(Fully Connected Layer) 输出层:使用了Softmax激活函数来做图...
avatar
Vanessa Ni
You Only Live Once
FRIENDS