慢行厚积

2019年7月16日

摘要：参考：https://blog.csdn.net/kaizei_pao/article/details/80795377 首先查看matplotlib已加载的字体：然后找到Mac自身带的字体 command-空格，进行搜索查找字体册，选择中文-华文仿宋然后在华文仿宋上右键-在访达中显示，但是据说阅读全文

posted @ 2019-07-16 16:47 慢行厚积阅读(7608) 评论(0) 推荐(1)

使用.whl文件安装torch和pytorch的方法

摘要：当使用pip install torch torchvision命令下载感觉很慢时可以先到下面的网页将.whl文件下载下来，然后再运行安装即可： torchvision也是下载好了以后，运行：即可阅读全文

posted @ 2019-07-16 15:32 慢行厚积阅读(12478) 评论(4) 推荐(0)

python声明类时继承不继承object类的区别

摘要：不加的叫做经典类或旧式类，但是现在python3的类都默认是继承了object的，所以可写可不写下面举个例子说明：首先说明下__class__功能与用法：首先说明下__class__功能与用法： __class__功能和type()函数一样，都是查看对象所在的类。 __class__可以套用阅读全文

posted @ 2019-07-16 15:19 慢行厚积阅读(3786) 评论(0) 推荐(1)

2019年7月11日

Make R-CNN论文学习

摘要：在论文是在Faster R-CNN的基础上的改进，实现的效果有：目标检测：能够在输入图像中绘制出目标的边界框，预测目标位置目标分类：判别出该划定边界的目标的类别是什么，如人、车、猫和狗等类别像素级目标分割：（这就是其比Faster R-CNN多出的一个功能）能够在像素层面上对目标进行区分，将阅读全文

posted @ 2019-07-11 19:27 慢行厚积阅读(630) 评论(0) 推荐(0)

最邻近插值算法和双线性插值算法——图像缩放

摘要：加载图像时经常会遇见要缩放图像的情况，这种时候如何决定缩放后图像对应像素点的像素值，这时候就需要用到插值算法 1.最邻近插值算法首先假设原图是一个像素大小为W*H的图片，缩放后的图片是一个像素大小为w*h的图片，这时候我们是已知原图中每个像素点上的像素值（即灰度值等）的（⚠️像素点对应像素值的坐标阅读全文

posted @ 2019-07-11 19:09 慢行厚积阅读(15073) 评论(0) 推荐(0)

2019年7月10日

Faster RCNN论文学习

摘要： Faster R-CNN在Fast R-CNN的基础上的改进就是不再使用选择性搜索方法来提取框，效率慢，而是使用RPN网络来取代选择性搜索方法，不仅提高了速度，精确度也更高了 Faster R-CNN: Towards Real-Time Object Detection with Region P 阅读全文

posted @ 2019-07-10 18:27 慢行厚积阅读(3131) 评论(0) 推荐(0)

2019年7月5日

mxnet深度学习实战学习笔记-9-目标检测

摘要： 1.介绍目标检测是指任意给定一张图像，判断图像中是否存在指定类别的目标，如果存在，则返回目标的位置和类别置信度如下图检测人和自行车这两个目标，检测结果包括目标的位置、目标的类别和置信度因为目标检测算法需要输出目标的类别和具体坐标，因此在数据标签上不仅要有目标的类别，还要有目标的坐标信息可见目阅读全文

posted @ 2019-07-05 17:01 慢行厚积阅读(3877) 评论(0) 推荐(0)

SSD论文学习

摘要： SSD: Single Shot MultiBox Detector——目标检测参考https://blog.csdn.net/u010167269/article/details/52563573 目标检测算法可分为两种类型：one-stage和two-stage,两者的区别在于前者是直接基于网阅读全文

posted @ 2019-07-05 16:58 慢行厚积阅读(814) 评论(0) 推荐(0)

GoogleNet-ILSVRC-2014冠军

摘要： Going deeper with convolutions-22层 https://my.oschina.net/u/876354/blog/1637819 那么，GoogLeNet是如何进一步提升性能的呢？一般来说，提升网络性能最直接的办法就是增加网络深度和宽度，深度指网络层次数量、宽度指神经元阅读全文

posted @ 2019-07-05 16:54 慢行厚积阅读(764) 评论(0) 推荐(0)

VGG网络-ILSVRC-2014亚军

摘要：用于大尺度图片识别的非常深的卷积网络使用一个带有非常小的(3*3)的卷积核的结构去加深深度，该论文的一个十分重要的改进就是它将卷机网络的深度增加到了16-19层，且可以用于比较大224*224的图片当中其最大的特点就是采用了大量卷积核尺寸为3*3的卷积层，小尺寸的卷积核可以大大减少计算量。其网络阅读全文

posted @ 2019-07-05 16:52 慢行厚积阅读(1272) 评论(0) 推荐(0)

公告