- 博客(19)
- 收藏
- 关注
RSS订阅
原创 世上最全的模型评价指标解析
分类模型评价指标评价指标：准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision）即查准率，召回率（Recall）即查全率，灵敏度（sensitivity），特异度（specificity），TPR，, FPR，PR曲线，平均正确率（AP），mean Average Precision(mAP)，交除并（IoU），ROC + AUC，非极大值抑...
2020-01-04 09:45:31
4737
原创 最清晰的单链表实现，包括带头结点和不带头结点实现和链表反转
看到网上很多人做单链表是否带头结点的实现比较疑惑，而且很多博客文章都是错误的，刚好最近在刷题，做下笔记，带头结点是一种数据结构常用的设置哨兵位的方法技巧，目的是简化代码实现，在这里就是方便统一单链表在删除和插入时链表只剩一个结点的操作。以下代码对两种单链表做了详细实现，还有世上最简单的单链表反转方法class Node(object): """结点类""" def __init...
2019-12-18 17:45:22
209
2
原创 faster-rcnn, yolov3,ssd之间anchor的异同
目标检测anchorAnchor机制是目前主流的基于深度学习的目标检测算法的重要基石。目前的最先进的检测器都是使用的密集的anchor模式，即在图片上均匀放置好一组定义好形状和大小的anchor。anchor的设计一般有两个要求：1.alignment，为了用卷积特征作为anchor的表示，anchor的中心需要和特征图的像素中心比较好地对齐；2.consistency，不同位置对应的ancho...
2019-12-13 11:11:12
2938
3
原创 详解tensorflow加载数据的多种方式
详解tensorflow加载数据的多种方式预加载数据：用一个constant常量将数据集加载到计算图中（主要用于小数据集）预加载：将数据直接内嵌到Graph中，再把Graph传入Session中运行。当数据量比较大时，Graph的传输会遇到效率问题。import tensorflow as tf# 设计Graphx1 = tf.constant([2, 3, 4])x2 = t...
2020-01-20 11:44:33
844
原创 详解条件概率，全概率，贝叶斯公式
贝叶斯公式理解条件概率公式要理解贝叶斯推断，必须先理解贝叶斯定理。后者实际上就是计算"条件概率"的公式。所谓条件概率，就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示根据韦恩图，可以很容易理解 在事件B发生的情况下(右边紫色区域)，事件A也发生(事件A能发生，就只能是中间交集区域)的概率就是P(A∩B)除以P(B)，即得在B的条件下A的概率公式为：因此可得出 P...
2020-01-16 16:33:28
16086
1
原创 ctcloss理解及ctcloss使用报错总结
ctcloss理解及ctcloss使用报错总结ctcloss函数主要用在没有事先对齐的序列化数据训练上，比如语音识别，ocr识别等，主要的优点是可以对没有对齐的数据进行自动对齐。L=a,o,e,i,u,b,p,m,f,⋯L={a,o,e,i,u,b,p,m,f,\cdots}L=a,o,e,i,u,b,p,m,f,⋯ 表示所有字符的集合。π=(π1,π2,⋯ ,πT),πiεLπ=...
2020-01-16 16:14:19
4161
原创 全面理解LSTM网络及输入，输出，hidden_size等参数
全面理解LSTM网络及输入，输出，hidden_size等参数LSTM结构(右图)与普通RNN(左图)的主要输入输出区别如下所示相比RNN只有一个传递状态h^t, LSTM有两个状态，一个c^t(cell state)理解为长时期记忆，和一个h^t(hidden state)理解为短时强记忆。其中对于传递下去的c^t 改变得很慢，通常输出的c^t 是上一个状态传过来的c^(t-1)加上一些...
2020-01-13 16:01:47
57026
11
原创 一文读懂Dataset, DataLoader及collate_fn, Sampler等参数
数据预处理DataLoader及各参数详解pytorch关于数据处理的功能模块均在torch.utils.data 中，pytorch输入数据PipeLine一般遵循一个“三步走”的策略，操作顺序是这样的：① **继承Dataset类，自定义数据处理类。必须重载实现len()、getitem()这两个方法。**其中__len__返回数据集样本的数量，而__getitem__应该编写支持数据集索...
2020-01-10 18:52:18
4343
1
原创 继承Function类，自定义backward函数求loss
torch.nn.Function类自定义模型、自定义层、自定义激活函数、自定义损失函数都属于pytorch的拓展，前面讲过通过继承torch.nn.Module类来实现拓展，它最大的特点是以下几点：包装torch普通函数和torch.nn.functional专用于神经网络的函数；（torch.nn.functional是专门为神经网络所定义的函数集合）只需要重新实现__init__和f...
2020-01-09 13:26:24
1419
原创 详解pytorch中的自动求导Autograd，彻底理解gradient参数
自动求导Autograd1，标量与标量之间的求导函数y = x^2，当x=3.0时，y的导数，，**注意：在机器学习中一般x的导数是多少，如x.grad(), 指的是函数在变量x处的导数。pytorch求导是函数对自变量的求导，并不计算函数对中间变量的导数，****如y是x的函数，z是y的函数，f是z的函数，那么在求导的时候，会使用 f.backwrad()只会默认求f对于叶子变量x的导数值...
2020-01-09 13:18:02
2295
1
原创 pytorch详解nn.Module类，children和modules方法区别
详解nn.Module类，children和modules方法区别pytorch里面一切自定义操作基本上都是继承nn.Module类来实现的，所以此篇文章来了解下这个核心nn.Module类。继承nn.Module后具体实现自定义模型类时有两种方式：（1）高层API方法：使用torch.nn.****来实现；，这些接口都是类，类可以存储参数，比如全连接层的权值矩阵、偏置矩阵等都可以作为类的属...
2020-01-07 18:12:52
2688
1
原创 目标检测中具体求解AP(average precision)的代码详解
目标检测中具体求解AP(average precision)的代码详解之前笔记记录过分类模型常用模型评价指标详解的文章https://blog.csdn.net/qq_40728805/article/details/103829881本篇文章是基于yolov3中的具体代码求解AP的过程，推荐看看目标检测评价指标https://github.com/rafaelpadilla/Object-D...
2020-01-04 14:32:20
2409
1
原创 目标检测常用的数据增强方法解析
图像的数据增强数据增强的方法主要有：翻转变换 flip随机修剪 random crop色彩抖动 color jittering平移变换 shift尺度变换 scale对比度变换 contrast噪声扰动 noise旋转变换/反射变换 Rotation/reflection 等等训练模型根据所用框架可使用框架内部函数，TensorFlow中有着一个image模块专门用于处理图...
2019-12-17 15:38:11
2140
原创 PASCAL VOC数据集的使用
PASCAL VOC数据集的使用本文以voc2007为例，下载完之后解压，可以在VOCdevkit目录下的VOC2007其中在图像物体识别上着重需要了解的是Annotations、ImageSets和JPEGImages。其中JPEGImages 文件夹中包含了PASCAL VOC所提供的所有的图片信息，包括了训练图片和测试图片。其中Annotations文件夹中存放的是xml格式的...
2019-12-17 15:29:14
2584
原创 COCO数据集的标签整理使用
COCO数据集的标签整理使用网上下载coco2017数据集，对目标检测来说，最主要是annotations, train2017, val2017三个文件夹初次使用需要安装coco API接口，使用如下命令即可安装pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI目标检测训练...
2019-12-13 18:50:10
7733
原创 ASFF：目标检测自适应特征融合方式
ASFF：目标检测自适应特征融合方式Adaptively Spatial Feature Fusion的自适应特征融合方式 在目前的目标检测算法中，为了充分利用高层特征的语义信息和底层特征的细粒度特征，采用最多也是较好的特征融合方式一般是FPN架构方式，但是无论是类似于YOLOv3还是RetinaNet他们多用concatenation或者element-wise这种直接衔接或者相加的方式...
2019-12-13 11:37:19
13120
原创 FPN：目标检测常用的特征提取方法
FPN：目标检测常用的特征提取方法常规的特征提取方法多维度的目标检测一直以来都是通过对输入图像进行不同程度的缩小或扩大来对图像做特征组合，即图像金字塔的方式，例如人脸检测MTCNN网络就是图像金字塔方式输入，这种方法能有效表达出图像上的各种维度特征，对最终检测效果提升很明显，但是对硬件及内存要求较高，同时比较耗时。只用单一维度的图像作为网络输入，在经过多次CNN网络模型提取特征，这种...
2019-12-13 11:33:42
2262
原创 pytorch gather，index_fill函数
pytorch: gather函数，index_fill函数torch.gather(input, dim, index, out=None) → TensorIn [28]: a=torch.arange(0,16).view(4,4)In [29]: aOut[29]:tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7], ...
2019-12-13 11:28:06
4486
1
原创 目标检测，图像分类中的spp layer
目标检测，图像分类中的spp layer常规CNN中的问题卷积层虽然不要求网络输入图像的大小固定，但是后面的全连接层要求输入图像的大小size是固定的(因为全连接层的输入特征数是固定，网络搭建时的weight权重参数)，所以当尺寸大小不同的图像输入到网络中，得到的feature map大小是不同的（根据卷积图像输入输出计算可知）。对一个固定的CNN网络，最后的全连接层的输入时一个固定...
2019-12-13 11:22:11
1502
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人