摘要： 使用Siamese网络实现轴承故障诊断 阅读全文

摘要： 利用Xshell实现在本地访问服务器开启的tensorboard服务。 阅读全文

摘要： 使用Pytorch版本的YOLOv5训练自己的数据集。整体流程分为三步：首先，准备自己的数据集，本篇较为详细的介绍了准备的过程和期间可能用到的代码；其次，了解相关文件的配置参数，并对其进行修改；最后，使用相应训练、验证、检测的代码(train.py/ test.py/ detect.py)进行训练、验证和检测。 阅读全文

摘要： 第一步：配置环境安装；第二步：与训练模型下载；第三步：使用预训练模型进行Inference。 阅读全文

摘要： GA-RPN anchor可学习：位置预测+形状预测+特征调整 Faster RCNN +GA-RPN 性能提升2.7% 阅读全文

摘要： 本节主要介绍了两种不使用Sequential创建序列的方式：类和函数。并引入了时间测量和处理非图像数据的方式(bbox，keypoints)。处理非图像数据需要手动传入random_state,保证在图像和非图像数据的一致性。 阅读全文

摘要： 本节主要介绍了随机参数的使用，包含生成随机变量（连续-离散），限制生成随机变量的上下限，以及改变信号的一些方法，同时，随机变量与概率分布也可以结合使用。 阅读全文

摘要： 本节主要介绍了imgaug中BoundingBox和BoundingBoxesOnImage两个API，以及API中包含的方法：移动，保持一致，提取目标区域，裁剪图像外的Bbox，交并比相关等。 阅读全文

摘要： 本节主要围绕关键点介绍Keypoints和KeypointsOnImage两个API中包含的方法。方法主要应对于当图像发生变化时关键点如何随之变化。 阅读全文

摘要： 使用多核处理加速数据增强的处理速度；不可控多核augment_batches()和可控多核pool()的使用；不可控多核只能设置是否启用多核处理，可控多核可以设置图像分批读入内存，并通过output_buffer_size参数保持图像增强与模型训练步调的一致性。 阅读全文

摘要： 随机模式和确定模式；随机模式转确定模式.to_deterministic()；关键点(bbox...)与图像匹配；ia.KeypointsOnImage和ia.Keypoint() 阅读全文