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
posted @ 2025-12-06 02:37
yinghualeihenmei
阅读(3)
评论(0)
推荐(0)
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
posted @ 2025-12-06 02:33
yinghualeihenmei
阅读(17)
评论(0)
推荐(0)
摘要：
GitHub 官方仓库（含数据集下载链接）https://github.com/CubiCasa/CubiCasa5k在该页面中可直接下载 5 000 张平面图及其 SVG 标注，并附有 PyTorch 多任务训练代码与 Docker 环境说明 。 Kaggle 镜像（需注册）https://www 阅读全文
posted @ 2025-12-06 02:25
yinghualeihenmei
阅读(27)
评论(0)
推荐(0)
摘要：
YOLO 格式（Ultralytics 版）一行代表一个对象，共 5 列或更多： <class_id> <x_center> <y_center> <width> <height> 所有数值都是 归一化 的浮点数（0–1）： 坐标 = 像素值 ÷ 图像宽高 框用 中心点 + 宽高 表示 类别编号从 阅读全文
posted @ 2025-12-06 00:46
yinghualeihenmei
阅读(27)
评论(0)
推荐(0)
摘要：
ECA 注意力机制并不内嵌在 RoI Pooling 运算内部，而是套在 RoI Pooling 之前或之后的卷积特征图上，常见位置有两处： Backbone 侧（RoI Pooling 之前）在 Faster R-CNN 的 VGG/ResNet backbone 里，每个卷积块或 conv4_x 阅读全文
posted @ 2025-12-06 00:36
yinghualeihenmei
阅读(11)
评论(0)
推荐(0)
摘要：
“把连续或大数值映射成离散或小数值” 的过程，在深度网络里主要有两条主线： 特征量化（常见于检测/分割的 RoI 系列） 把浮点坐标 四舍五入到整像素例：x=6.7 → 6，y=3.2 → 3 目的：让特征图上的索引变成整数，方便直接切片 副作用：引入 量化误差（0.5 px 级），对小目标/边缘精 阅读全文
posted @ 2025-12-06 00:18
yinghualeihenmei
阅读(12)
评论(0)
推荐(0)
摘要：
池化（pooling）就是“把一个小邻域内的若干值压缩成一个值”的统计/聚合操作。 在 RoI Align 里，对应步骤是： 把 RoI 平均分成 7×7（或 14×14）个子区域（bin）。 每个 bin 内再取 4 个采样点（浮点坐标）→ 用双线性插值得到 4 个特征值。 池化：对这 4 个值做 阅读全文
posted @ 2025-12-06 00:15
yinghualeihenmei
阅读(11)
评论(0)
推荐(0)
摘要：
目的：把一个任意大小的候选框（RoI）变成固定 7×7（或 14×14）特征。 做法： 把 RoI 均分成 7×7 个 bin（格子）。 每个 bin 内再选 4 个（或更多）亚像素坐标（浮点坐标），用双线性插值从特征图上计算这 4 点的值并平均，得到该 bin 的最终特征。 这些亚像素坐标就叫“采 阅读全文
posted @ 2025-12-06 00:13
yinghualeihenmei
阅读(5)
评论(0)
推荐(0)
摘要：
按时间顺序拆成 4 大段、12 个小步，并指出每一步用到的关键模块 / 公式 / 损失。 输入与数据准备① 图像预处理 Resize + Pad 到固定短边 600 px（可配置） 减 ImageNet 均值/方差 水平翻转、随机裁剪做数据增强 标注：每张图给出 N 个真值框 (x₁,y₁,x₂,y 阅读全文
posted @ 2025-12-05 23:13
yinghualeihenmei
阅读(18)
评论(0)
推荐(0)
摘要：
softmax（或快速归一化）是连接"自学习权重"与"加权组合"的关键桥梁。 完整的处理流程与softmax的作用位置 复制 输入特征图 (P3, P4, P5...) ↓ 1. 自学习原始权重 (w₁, w₂, w₃...) ↓ 2. 【Softmax/快速归一化】 → 归一化权重 (α₁, α₂ 阅读全文
posted @ 2025-12-05 18:32
yinghualeihenmei
阅读(6)
评论(0)
推荐(0)
浙公网安备 33010602011771号