随笔分类 - 研究生
摘要：消融实验（Ablation Study）的核心思想是“通过删除或替换系统的某些部分，观察性能变化，从而量化这些部分对整体效果的贡献”。它类似于控制变量法，常用于机器学习、计算机视觉、神经网络等复杂系统，以验证某个模块、策略或特征是否真正有效。 一、定义与本质 本质：通过“去掉某个组件”或“替换某个策
阅读全文
摘要：CRNN（Convolutional Recurrent Neural Network）是一种用于图像序列识别的端到端可训练神经网络，特别擅长处理场景文本识别任务 。CRNN 的核心架构包括三个主要部分：卷积层（CNN）、循环层（RNN）和转录层（Transcription Layer），结合 CT
阅读全文
摘要：MD-FPN 是一种优化的特征金字塔网络结构，旨在提高多尺度目标检测的性能。它通过引入多尺度预测融合和注意力机制，增强了特征提取能力 MD-FPN（Multi-Dilation Feature Pyramid Network）可以与 Faster R-CNN 结合使用，以提升模型对多尺度目标的检测能
阅读全文
摘要：Focal Loss 是一种用于解决类别不平衡问题的损失函数，特别适用于目标检测任务。在目标检测中，背景类别通常远多于目标类别，这导致模型在训练过程中对背景类别过度拟合，而忽视了目标类别。Focal Loss 通过调整损失函数的权重，使得模型更关注难以分类的样本，从而提高模型对目标类别的检测能力。
阅读全文
摘要：21.3 FPS（Frames Per Second）的实时处理能力”是指一个系统或模型能够在每秒处理大约21.3帧图像或视频数据。这个指标通常用于衡量计算机视觉模型（如目标检测、分割等）在实时应用中的性能。 21.3 FPS 的意义 实时性： 21.3 FPS 表示系统能够在大约每秒处理21.3帧
阅读全文
摘要：“收敛至约0.28”这个表述通常出现在描述模型训练过程中的某个指标（如损失函数值或准确率等）逐渐稳定并接近某个特定值（这里是0.28）的情况。具体含义取决于上下文，以下是一些可能的解释和应用场景： 1. 损失函数收敛至约0.28 在训练深度学习模型时，损失函数（Loss Function）是衡量模型
阅读全文
摘要：在深度学习中，冻结预训练层策略（Freezing Pre-trained Layers）是一种常见的技术，尤其是在使用预训练模型进行迁移学习（Transfer Learning）时。这种策略的核心思想是将预训练模型的一部分层（通常是早期层）冻结，即在训练过程中不更新这些层的权重，而只训练模型的其他部
阅读全文
摘要：学习率衰减策略（Learning Rate Decay）是深度学习中一种重要的技术，用于在训练过程中动态调整学习率。这种策略可以帮助模型在训练初期快速收敛，并在训练后期更精细地调整权重，从而提高模型的性能和泛化能力。 学习率衰减策略（Learning Rate Decay）的核心功能就是自动降低学习
阅读全文
摘要：在深度学习中，权重衰减（Weight Decay） 是一种常用的正则化技术，用于防止模型过拟合。它通过在损失函数中添加一个正则化项来限制模型的复杂度，从而提高模型的泛化能力。 权重衰减（Weight Decay）通常在整个训练过程中都使用，而不是仅在某个特定阶段。在 Faster R-CNN 的训练
阅读全文
摘要：在动量优化算法中，动量参数（通常用 β 表示）用于控制上一次梯度更新对当前更新的影响程度。动量参数的值在 0 到 1 之间，0.9 是一个常见的选择，它可以帮助优化算法更快地收敛，并且减少震荡。 动量（Momentum） 通常在整个训练过程中都使用，而不是仅在某个特定阶段。 在 Faster R-C
阅读全文
摘要：训练轮数（Epochs） = 完整遍历整个训练集的次数，是控制模型学习深度的核心超参数。 一、定义与计算 1个Epoch = 所有训练样本都参与一次梯度更新 Python 复制 # 示例：8000张图纸，batch_size=4 num_images = 8000 batch_size = 4 #
阅读全文
摘要：深度学习的"批量大小" Batch Size = 每次梯度更新时使用的训练样本数量。 梯度更新 = 参数更新，两者是同一过程的不同表述。 梯度更新发生在反向传播（Backward Pass）之后、优化器调用step()的瞬间。 作用于 Faster R-CNN 的所有可训练参数，而非某个特定模块内部
阅读全文
摘要：初始学习率 0.002 是 Faster R-CNN 精细微调场景下的保守配置，比标准值 0.02 小10倍，适用于迁移学习冻结Backbone或Warmup预热阶段。 一、0.002 的使用场景 场景1：分层学习率中的Backbone Python 复制 # Backbone微调慢，Head训练快
阅读全文
摘要：Anchor宽高比是Anchor的形状参数，与尺寸(Scale)共同决定每个候选框的具体高宽像素值。 通用场景（COCO） yaml 复制 # 3种比例覆盖大部分目标 ASPECT_RATIOS: [0.5, 1.0, 2.0] # 0.5: 高大于宽 (人、柱子) # 1.0: 正方形 (车辆、盘
阅读全文
摘要：Anchor尺寸 {16, 32, 64, 128} 是建筑图纸检测的极致精简配置，专为小目标密集+资源受限场景设计。 一、核心参数解码 Python 复制 # 对应FPN的4个层级 P3(stride=8): scale=16 → 实际尺寸 128×128px # 符号、标记 P4(stride=
阅读全文
摘要：统一管理所有可训练参数的更新，而非作用于某个局部模块。 一、全局视角：SGD管理哪些参数？ Python 复制 # Faster R-CNN可训练参数总览 model = FasterRCNN( backbone=ResNet50(), # 包含 conv1~conv5_x, BN层 rpn=RPN
阅读全文
摘要：是的，但远不止改变图片大小这么简单。 一、尺度变换 = 改变图像分辨率 最直接的定义：将图像从原始尺寸（如 3000×2000）缩放到另一尺寸（如 800×600 或 4000×3000）。
阅读全文
摘要：在 IoU阈值从0.5到0.95 的范围内，每隔 0.05 计算一个AP，然后取平均值。 mAP@[.5:.95]=101IoU=0.5∑0.95APIoU 具体IoU阈值序列： [0.5,0.55,0.6,0.65,0.7,0.75,0.8,0.85,0.9,0.95] 共 10个 阈值点，
阅读全文
摘要：“与真实信号无关、可量化、可预测的随机扰动强度分布”；它既可以是统计标准差，也可以是模型残差，或物理采集误差，最终被画成一张“强度图”供算法使用。
阅读全文
摘要：1. CubiCasa5K 规模：5 000 张真实楼盘平面图 标注：SVG 多边形，80+ 类别（墙、门、窗、家具等）；官方划分 train/val/test = 4200/400/400 特点：目前最大、最丰富的栅格平面图片集；分辨率 430×485 ~ 6316×14304 px；支持多任务（
阅读全文
浙公网安备 33010602011771号