[置顶] 论文阅记 Limited Data Rolling Bearing Fault Diagnosis With Few-Shot Learning
摘要：
使用Siamese网络实现轴承故障诊断 阅读全文
posted @ 2020-01-18 16:33 墨殇浅尘 阅读(4625) 评论(11) 推荐(10)
【项目实战】本地访问远程服务器上Tensorboard
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
posted @ 2021-03-02 09:29 墨殇浅尘 阅读(4308) 评论(0) 推荐(0)
【项目实战】YOLOv5 训练自己的数据集
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
posted @ 2021-03-02 09:28 墨殇浅尘 阅读(14166) 评论(0) 推荐(1)
【项目实战】 YOLOv5 安装配置及简单使用
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
posted @ 2021-03-02 09:27 墨殇浅尘 阅读(7837) 评论(0) 推荐(0)
论文阅记 Region Proposal by Guided Anchoring
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
posted @ 2020-10-28 18:10 墨殇浅尘 阅读(326) 评论(0) 推荐(0)
Image Processing 必备(十一)：Imgaug之控制流的使用
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
posted @ 2020-09-18 16:12 墨殇浅尘 阅读(792) 评论(0) 推荐(0)
Image Processing 必备(十)：Imgaug之使用随机分布作为参数
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
posted @ 2020-09-18 16:06 墨殇浅尘 阅读(581) 评论(0) 推荐(1)
Image Processing 必备(五)：Imgaug之增强标记BoundingBox
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
posted @ 2020-09-18 15:34 墨殇浅尘 阅读(2658) 评论(0) 推荐(0)
Image Processing 必备(四)：Imgaug之增强标记KeyPoints
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
posted @ 2020-09-18 09:38 墨殇浅尘 阅读(1532) 评论(0) 推荐(0)
Image Processing 必备(三)：Imgaug 之调用多核CPU
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
posted @ 2020-09-17 18:23 墨殇浅尘 阅读(1443) 评论(0) 推荐(0)
Image Processing 必备(二)： Imgaug 之随机模式与确定模式
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
posted @ 2020-09-17 18:05 墨殇浅尘 阅读(1299) 评论(0) 推荐(0)
浙公网安备 33010602011771号