随笔分类 - 研究生
摘要：MaxPool2d，全称为二维最大池化层（Max Pooling Layer），是卷积神经网络（CNN）中常用的一种池化（pooling）操作。池化层的主要作用是降低特征图的空间尺寸（即高度和宽度），从而减少模型的参数数量和计算量，同时提高模型对输入变化的鲁棒性。 MaxPool2d的工作原理 Ma
阅读全文
摘要：Conv2d Conv2d 是二维卷积层的直接实现，是卷积神经网络中用于处理二维数据（如图像）的基本构建块。它通过卷积核（或滤波器）在输入数据上滑动，计算卷积核与输入数据的局部区域的点积，从而生成输出特征图。 关键参数： in_channels：输入数据的通道数。 out_channels：输出数据
阅读全文
摘要：ReLU，全称为Rectified Linear Unit（线性修正单元），是一种在深度学习中广泛使用的激活函数。它的作用是向神经网络引入非线性因素，使网络能够学习和执行更复杂的任务。 ReLU函数的定义 ReLU函数的数学表达式非常简单： f(x)=max(0,x) 这意味着，对于所有正数输入，R
阅读全文
摘要：Batch Normalization（批量归一化）是一种在深度学习中常用的技术，特别是在训练卷积神经网络（CNN）时。它由 Sergey Ioffe 和 Christian Szegedy 在 2015 年提出，旨在加速训练过程，减少对初始化的依赖，并有助于缓解梯度消失和梯度爆炸问题。Batch
阅读全文
摘要：Zeropad是一种在深度学习和卷积神经网络中常用的技术，特别是在图像处理领域。它涉及在输入张量的边界填充零，以改变其尺寸。这种操作通常用于保持卷积操作后的特征图尺寸不变，或者为了满足某些层的输入要求。Zeropad可以应用于一维、二维或多维数据，但在图像处理中，二维零填充（ZeroPad2d）尤为
阅读全文
摘要：Softmax分类器是一种在多分类问题中常用的分类方法，它基于Softmax函数，该函数可以将一个向量映射到概率分布上。Softmax分类器通常用于神经网络的最后一层，以输出每个类别的概率。 Softmax分类器在机器学习和深度学习中扮演着至关重要的角色，特别是在处理多分类问题时。以下是Softma
阅读全文
摘要：原文链接：https://blog.csdn.net/weixin_44791964/article/details/105739918 https://blog.csdn.net/gloria_iris/article/details/143872340 Faster R-CNN的核心思想是利用区
阅读全文
摘要：https://blog.csdn.net/MikexunP/article/details/89414928 基本配置 我们安装好PyCharm后，首先要进行一些小配置，比如主题，字体，字体颜色等。 我们打开PyCharm后，点开file，找到Setting 然后就会跳出Setting的窗口 可以
阅读全文
摘要：原文链接：https://zhuanlan.zhihu.com/p/101434455 第一步：附上软件下载链接，自行下载 以下是Anaconda的下载链接及相关信息： 官方下载链接 Anaconda官网下载地址：https://www.anaconda.com/products/distribut
阅读全文
摘要：原文链接：https://blog.csdn.net/kagcee/article/details/135723674 在labelimg进行图片标注时，出现闪退报错如下：drawLine(self, l: QLineF): argument 1 has unexpected type ‘float
阅读全文
摘要：原文链接：https://blog.csdn.net/knighthood2001/article/details/125883343 什么是labelimg labelimg是一款开源的图像标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用（虽然是英文版
阅读全文
摘要：对数据集进行标注是机器学习和深度学习中非常重要的一步，它直接影响模型的训练效果和性能。以下是数据集标注的常见方法、工具和规范： 一、数据集标注的方法 目标检测标注： 使用矩形框（Bounding Box）标注目标物体的位置，并为其分配类别标签。 对于遮挡或不规则形状的目标，可以使用多边形框进行标注。
阅读全文
摘要：在卷积神经网络（CNN）中，缩放因子 和 Softmax 归一化 是两个不同的概念，但它们在模型优化和输出处理中都扮演着重要角色。 1. 缩放因子（Scaling Factor） 缩放因子通常用于模型的优化过程中，尤其是在网络剪枝（Pruning）和稀疏化训练中。通过引入缩放因子，可以对卷积层的通道
阅读全文
摘要：在卷积神经网络（CNN）中，卷积核大小（Kernel Size） 和 步长（Stride） 是卷积操作的两个关键参数。它们直接影响卷积层的输出特征图（Feature Map）的大小和形状，以及模型的性能和计算复杂度。 1. 卷积核大小（Kernel Size） 卷积核大小是指卷积核（滤波器）的宽度和
阅读全文
摘要：在深度学习和神经网络中，Flatten 层 是一种常用的层类型，用于将多维输入数据展平为一维数据。它的主要作用是将输入的多维张量（例如图像数据）转换为一维向量，以便后续的全连接层（Dense Layer）可以处理这些数据。 Flatten 层的作用 在卷积神经网络（CNN）中，输入数据通常是多维的（
阅读全文
摘要：在卷积神经网络（CNN）中，特征增强技术是提升模型性能的重要手段，它可以帮助模型更好地捕捉局部细节、全局信息以及多尺度特征。以下是CNN中特征增强的适用场景、时机和具体方法： 特征增强的适用场景 图像分类与识别： 用于提升模型对不同类别图像的区分能力，例如在人脸识别、物体识别等任务中。 目标检测与分
阅读全文
摘要：是一种强大的监督学习算法，广泛应用于分类和回归问题。SVM 的核心思想是通过寻找一个最优的超平面来对数据进行分类，使得不同类别的样本尽可能被正确划分，并最大化两类之间的间隔。 1. SVM 的基本概念 1.1 什么是 SVM？ SVM 是一种用于分类和回归的监督学习算法。它的核心思想是通过寻找一个最
阅读全文
摘要：Faster R-CNN 是一种流行的目标检测算法，能够从图像中检测和定位多个目标对象，并为每个目标提供类别标签和边界框。是在2015年提出的,以下是 Faster R-CNN 可以得出的结果及其应用场景： Faster R-CNN的核心思想是利用区域建议网络（Region Proposal Ne
阅读全文
摘要：原文链接：https://blog.csdn.net/weixin_42600407/article/details/129598522 图像识别App的制作可以分为以下几个步骤: 选择合适的开发平台: 你可以选择使用跨平台的开发工具, 比如React Native, Flutter等. 选择合适的
阅读全文
摘要：查了下资料，才发现软著的用处挺广，即使不是计算机专业的也可以做软著。 很多大学生在校期间也在做，还可以用来保研。 很多研究生毕业条件里也有软著这项。 公司也需要软著申请高新企业，还有政策优惠。 app上架，必须要软著。 软著是需要3000行代码的。不足3000行代码，需要提交所有的代码。超过3000
阅读全文
浙公网安备 33010602011771号