03 2019 档案

关于gan的流程理解
摘要：关于gan的流程的理解 最近再看cyclegan所以慢慢来看，最后了解了原理来跑代码就好 －－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－ 关于gan学习的三个重要的点：1 生成器(generator) 2 分辨器(discriminator 阅读全文
posted @ 2019-03-29 14:24 freebirds 阅读(6571) 评论(0) 推荐(2)
3-28
摘要：1 resize 384 128 2 x*norm(w) 3 wh*wh*sig(之前是wh*wh*soft) 4 不同的属性应该具有不同的阈值，这个要怎么处理acc>50% 阈值0.5 acc<50% 阈值0.7, ５transofrms.ColorJitter(brightness=0, con 阅读全文
posted @ 2019-03-29 14:04 freebirds
Dynamic Curriculum Learning for Imbalanced Data Classification
摘要：复现Dynamic Curriculum Learning for Imbalanced Data Classification 这篇paper思路很清晰 主要的复现是两个loss函数 阅读全文
posted @ 2019-03-28 10:34 freebirds 阅读(897) 评论(1) 推荐(1)
classification-evaluation
摘要：对于分类问题的评测 评价指标通常有５个，分别是ma,acc,pre,recall,f1 ma：一个既关注正样本，又关注负样本的评测指标 正样本recall　＋　负样本recall / 2, acc: 只关注正样本，但是属于pre和recall的结合体 acc=TP / PUT U:取并集，虽然我觉得 阅读全文
posted @ 2019-03-27 11:27 freebirds 阅读(345) 评论(0) 推荐(0)
论初始化的重要性
摘要：初始化是相当重要的，一定不能乱写， 因为首先初始化由于学习率比较小的原因，导致这个层的weight改变的会很慢， 其次，初始化如果不对，很可能不只是下降慢，可能是全盘皆输 17:40:18 从上述公式可以看出，由于学习率很小，所以w基本不变，再加上w内部如果都设为１，则w更新之后也基本一样，如果是这 阅读全文
posted @ 2019-03-22 17:48 freebirds 阅读(703) 评论(0) 推荐(0)
3-22
摘要：今天的工作 １　首先证明在最后的block去掉avg_pool2d,是否会有用。 这个灵感来自于刚刚复现的paper,Deep Imbalanced Attribute Classification usingVisual Attention Aggregation,这样的结果就是参数会变得特别多， 阅读全文
posted @ 2019-03-22 14:21 freebirds 阅读(340) 评论(2) 推荐(1)
Deep Imbalanced Attribute Classification usingVisual Attention Aggregation
摘要：关于Deep Imbalanced Attribute Classification usingVisual Attention Aggregation 文章的复现 这篇文章的创新点： １　一个新的混合attention，这个结构应该很不错，即采用普通正面attention与channel atte 阅读全文
posted @ 2019-03-22 13:15 freebirds 阅读(1006) 评论(1) 推荐(1)
对于batchnorm层的理解
摘要：batchnorm层的作用是什么？ batchnorm层的作用主要就是把结果归一化， 首先如果没有batchnorm ，那么出现的场景会是： 过程模拟 首先batch-size=32,所以这个时候会有32个图片进入resnet. 其次image1进入resnet50里面第２个卷积层,然后得出一个结果 阅读全文
posted @ 2019-03-21 10:38 freebirds 阅读(8662) 评论(0) 推荐(0)
对于卷积层得新的理解
摘要：卷积层得参数： in * kernelw * kernel *c: 可以理解为全连接，我们可以把一个饼状图当做一个节点， 如果把一个饼，也就是一个kernel*kernel(例：2*2)当做一个节点，那么这个参数层也就是 in * 1 * out 那么这个所谓的in * 1 *out 不就是全连接里 阅读全文
posted @ 2019-03-20 23:42 freebirds 阅读(405) 评论(0) 推荐(0)
如何防止过拟合
摘要：防止过拟合 可以通过 １　增加augmentation(flip imgaug) 2 增加pooling(因为没有参数) ３　增加l2正则化 lr正则化，就是l2范数，所以增加了l2范数loss会变成这样 loss = L + lmda/2 * ||w|| l2范数就是1**2+2**2+3**2+ 阅读全文
posted @ 2019-03-19 19:41 freebirds 阅读(1280) 评论(0) 推荐(0)
reID-evalution
摘要：评测reID的指标，也就是以图搜图的能力，也就是在数据库检索的能力，主要就是用两个指标 一个是map 另一个是cmc,也就是rank1,rank5,rank10.... 但是一般我们看的主要就是 map和rank1 对于用户来说，想看的指标优先程度： rank1 > map > rank5 理由如下 阅读全文
posted @ 2019-03-19 18:54 freebirds 阅读(761) 评论(0) 推荐(0)
attention　门　　cat add　caption field
摘要：attention就是一个门，sigmoid是if elif 几很多门，能进去的也有很多门，而softmax类似于switch for，即很多门里面只能进入一个门 决定通路与闭路，一张图片１０＊１０，可能关注的点就是中间的一部分和左下角的一部分，那么中间的一部分就是通路，sigmoid输出尽量为１， 阅读全文
posted @ 2019-03-19 15:09 freebirds 阅读(256) 评论(0) 推荐(0)
计算公式以及参数数量计算
摘要：Conv的计算公式 1 conv: (x-k+2*p)/s + 1 = 新的conv 的长度与宽度 2 maxpooling/avgpooling: (x-k)/s + 1 =新的pool长度与宽度大小 参数计算量： 1 包括卷积层参数量（weights+bias）:主要，但是参数量本身却很小 2 阅读全文
posted @ 2019-03-13 21:52 freebirds 阅读(1419) 评论(0) 推荐(0)
pytorch常用函数
摘要：model相关： 1 nn.conv2d(in,out,ksize) 2 nn.linear(in,out,bias=True/False) 3 nn.Maxpool2d(ksize) 4 nn.Avgpool2d(ksize) 5 nn.softmax(a,dim=0/1,dtype=torch. 阅读全文
posted @ 2019-03-13 21:26 freebirds 阅读(281) 评论(0) 推荐(0)
检测（２）：开始训练
摘要：当环境配置成功时，此时，就需要 进行训练了 主要工作包括： １下载数据集 因为数据集主要就是coco pascalvoc 而coco几十个g，太大了，所以，就只能尝试voc了，这里以voc2007为例 ２了解数据集结构以及内容 voc2007数据集主要包括三个文件夹： １　annotation 2 阅读全文
posted @ 2019-03-13 17:10 freebirds 阅读(240) 评论(0) 推荐(0)
gcc的替换，很有用
摘要：摘要: Ubuntu系统使用的gcc版本随着发布版本的不同而不同，在编译android系统时不同的版本推荐用不同的gcc去编译，那么可不可以改变系统的gcc来适应android编译环境的需求呢？答案是可以的。 Ubuntu系统使用的gcc版本随着发布版本的不同而不同，在编译android系统时不同的 阅读全文
posted @ 2019-03-13 10:30 freebirds 阅读(924) 评论(0) 推荐(0)
detection-pytorch环境配置的遇到的坑
摘要：1 mmdetection: 需要的环境： cuda+cudnn+anaconda+linux+torch cuda 是根据c语言编写的一个程序库 cuda对于c语言可以看成android对于java一样，所以就把他当成一个c语言就行，然后需要用的话，可以编译自身成为一个可执行文件.o，也可编译为. 阅读全文
posted @ 2019-03-12 16:15 freebirds 阅读(648) 评论(0) 推荐(0)
一些有用的ubuntu命令总结－－－长期更新
摘要：１压缩 unzip aaa.zip zip -r aaa.zip aaa/ tar -xzvf aaa.tar.gz ２conda conda list #查看安装包 conda info -e　#查看环境 conda create -n py36(name) python=3.6(python 版 阅读全文
posted @ 2019-03-11 17:48 freebirds 阅读(196) 评论(0) 推荐(0)
如何用gdb工具进行调试
摘要：１　首选gdb工具是一个高校的debug工具，可以很快找到错误，（尤其对于某些c++程序）错误的原因是由于内存泄露，比如调试core文件 ２ 阅读全文
posted @ 2019-03-11 17:38 freebirds 阅读(339) 评论(0) 推荐(0)
检测（１）从０到１
摘要：检测（１）跑通mmdetection 二、安装教程 本人的系统环境： Ubuntu 16.04 Cuda 9.0 + Cudnn 7.0.5 (cuda8.0也可，亲测) Python 3.6 （mmdetection要求Python版本需要3.4+） Anaconda 3 （可选） Ubuntu 阅读全文
posted @ 2019-03-11 14:56 freebirds 阅读(5492) 评论(0) 推荐(1)
检测
摘要：接下来一段时间我会从０开始学习如何做检测了！ 希望可以有成效 阅读全文
posted @ 2019-03-11 14:33 freebirds 阅读(201) 评论(0) 推荐(0)
pytorch遇到的问题---不定期更新
摘要：之前做彭老师的项目（人体属性），就是有这个问题！ 例如： a = torch.Tensor((1,2,3)) b = torch.Tensor((3,4,5)) 想要变成[[1,2,3],[3,4,5]] 错误做法： a = np.array(a.data.cpu()) b = np.array(b 阅读全文
posted @ 2019-03-11 14:28 freebirds 阅读(453) 评论(0) 推荐(0)