def rotate_whole_img(self, img):"""rotate noiserotate angle is 0 - 20"""angle = np.random.randint(0,20)h, w = img.shape[:2]cent...

首先需要理解的是改fc层为conv层实际上的计算方式没有发生任何变化。但是其结果全卷积网络可以接收任意大小的图片输入，得到一个score map，对其做一个average就可以得到最终结果(one-hot label)。之所以需要这样设计，因为他们train与test的图片大小是不一样的。    卷积层和全连接层的唯一区别在于卷积层的神经元对输入是局部连接的,并且同一个通道(channel)内不同

这是一篇2018年CVPR的论文，强调的一点是生成网络（GAN）和回归网络的互补互助，将两个网络结合在一起进行端到端的训练。作者运用了“没有条件要创造条件”的思想，提出了通过GAN生成的伪参考图引导质量回归网络来解决无参考图像质量评价问题。数据库：LIVE、CSIQ、TID2008、TID2013项目：https://kwanyeelin.github.io/projects/HIQA...

降维的作用：降低时间复杂度和空间复节省了提取不必要特征的开销去掉数据集中夹杂的噪较简单的模型在小数据集上有更强的鲁棒性当数据能有较少的特征进行解释，我们可以更好 的解释数据，使得我们可以提取知识。实现数据可视化线性降维方法：主成分分析（PCA）、线性判别分析（LDA）、奇异值分解（SVD）、因子分析、独立成分分析非线性降维方法：局部线性嵌入（LLE）...

参考博客：https://blog.csdn.net/qq_36269513/article/details/80420363论文全称：Fully Convolutional Networks for Semantic Segmentation亮点:    1、将全连接层(fc)修改为卷积层，成为全卷积(fully conv)网络。    2、适应任意尺寸输入，输出等同输入尺寸大小...

理解部分L1与L2区别：使用L1可以得到稀疏的权值；用L2可以得到平滑的权值L1-norm(范数)，也叫作最小绝对偏差（leastabsolute deviations, LAD），最小绝对误差（least absolute errors，LAE）.它是最小化目标值yi和估计值f(xi)绝对差值的求和：L2-norm(范数)也称为最小均方(least squares)，它是最小化目标值...

优点：在不做pooling损失信息和相同的计算条件下的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。空洞卷积经常用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑空洞卷积。空洞卷积（dilated convolution）是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。利用添加空洞扩大感受野，让原本3x3..

在使用服务器时候，都会命令行下执行nvidia-smi，查看多个GPU信息，来选择使用哪块GPU，今天我们就重点了解下NVIDIAGPU最重要的命令之一nvidia-smi。首先我们来看官方对nvidia-smi的定义：1 基于NVIDIA Management Library （NVIDIA管理库），实现NVIDIA GPU设备的管理和监控功能2 主要支持Tesla, GRID, Q...

在使用服务器时候，都会命令行下执行nvidia-smi，查看多个GPU信息，来选择使用哪块GPU，今天我们就重点了解下NVIDIAGPU最重要的命令之一nvidia-smi。首先我们来看官方对nvidia-smi的定义：1 基于NVIDIA Management Library （NVIDIA管理库），实现NVIDIA GPU设备的管理和监控功能2 主要支持Tesla, GRID, Q...

优点：在不做pooling损失信息和相同的计算条件下的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。空洞卷积经常用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑空洞卷积。空洞卷积（dilated convolution）是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。利用添加空洞扩大感受野，让原本3x3..