Super fly

摘要： 是什么 过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。 具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。 为什么 为什么要解决过拟合现象？这是因为我们拟合的模型一 阅读全文

摘要： 图片预处理 首先，根据Detectron官方介绍,数据集一般为jpg格式，分辨率一般为800 600左右。 在这里我们可以photoshop批量对图片进行处理 使用labelImg对数据集进行标注。 安装labelImg之后，打开文件目录，找到data文件夹下的predefined_classes. 阅读全文

摘要： 首先需要说明的是：训练集（training set）、验证集（validation set）和测试集（test set）本质上并无区别，都是把一个数据集分成三个部分而已，都是（feature, label）造型。尤其是训练集与验证集，更无本质区别。测试集可能会有一些区别，比如在一些权威计算机视觉比赛 阅读全文

摘要： 配置CUDA和cuDNN真是心累，汗！前前后后下了n个版本，最终找到了正确的打开方式。 安装显卡 首先我的系统Ubuntu 16.04，显卡是Nvidia RTX 2060，这个显卡的驱动真心不好装，在这里也记录一下安装过程吧。 ubuntu安装显卡共有3种方式。 使用标准仓库进行自动化安装 在安装 阅读全文

摘要： 切换至 cuda 8.0 sudo rm rf /usr/local/cuda sudo ln s /usr/local/cuda 8.0 /usr/local/cuda nvcc version which nvcc 切换至 cuda 10.0 sudo rm rf /usr/local/cuda 阅读全文

摘要： 特征金字塔是用于检测不同尺度的对象的识别系统中的基本组件。但是最近的深度学习对象检测器已经避免了金字塔表示，部分原因是它们是计算密集型和内存密集型的。在本文中，我们利用深层卷积网络固有的多尺度金字塔层次结构来构造具有边际额外损失的特征金字塔。开发了一种具有横向连接的自上而下的架构，用于在所有尺度上构 阅读全文

摘要： 来源：知乎 著作权归作者所有。 讨论: 张旭 端到端指的是输入是原始数据，输出是最后的结果，原来输入端不是直接的原始数据，而是在原始数据中提取的特征，这一点在图像问题上尤为突出，因为图像像素数太多，数据维度高，会产生维度灾难，所以原来一个思路是手工提取图像的一些关键特征，这实际就是就一个降维的过程。 阅读全文

摘要： 运行Faster Rcnn代码 与Faster Rcnn一样Faster Rcnn官方也是采用caffe作为框架. 首先将项目克隆到本地(需要挂代理) Make sure to clone with –recursive git clone recursive https://github.com/ 阅读全文

摘要： 1 首先 配置caffe环境 http://caffe.berkeleyvision.org/install_apt.html 我使用的是 ubuntu 16.04,python2.7,cpu版本。gpu配置大同小异。 建议使用anaconda环境 conda create n fastrcnn p 阅读全文

摘要： 事务的特性 原子性 指的是 事务中包含的逻辑，不可分割。 一致性 指的是 事务执行前后。数据完整性 隔离性 指的是 事务在执行期间不应该受到其他事务的影响 持久性 指的是 事务执行成功，那么数据应该持久保存到磁盘上。 事务的安全隐患 不考虑隔离级别设置，那么会出现以下问题。 读 脏读 不可重读读 幻 阅读全文