原因1：在训练期间应用正则化，但在验证/测试期间未进行正则化。如果在验证/测试期间添加正则化损失，则损失值和曲线将看起来更加相似。原因2：训练损失是在每个epoch期间测量的，而验证损失是在每个epoch后测量的。平均而言，训练损失的测量时间是前一个时期的1/2。如果将训练损失曲线向左移动半个epoch，则损失会更好。原因3：您的验证集可能比训练集更容易，或者代码中的数据/错误泄漏。确保您的验..

一、双边滤波算法（Bilateral Filter）1、原理高斯滤波是以距离为权重，设计滤波模板作为滤波系数，只考虑了像素间的空间位置上的关系，因此滤波的结果会丢失边缘的信息。高斯滤波的缺陷如下图所示：平坦区域正常滤波，图像细节没有变化，而在突变的边缘上，因为只使用了距离来确定滤波权重，导致边缘被模糊。在高斯基础上，进一步优化，叠加了像素值的考虑，因此也就引出了双边滤波，一种非线性滤波，滤波效果对

导入数据增强包：from imgaug import augmenters as iaa #引入数据增强的包sometimes = lambda aug: iaa.Sometimes(0.5, aug) #建立lambda表达式，这里定义sometimes意味有时候做的操作，然而实际上在深度学习的模型训练中，数据增强不能喧宾夺主，如果对每一张图片都加入高斯模糊的话实际上是毁坏了原来数据的特征，因此

TradaBoost算法由来已久，具体算法可以参考作者的原始文章，Boosting For Transfer Learning。1.问题定义传统的机器学习的模型都是建立在训练数据和测试数据服从相同的数据分布的基础上。典型的比如有监督学习，我们可以在训练数据上面训练得到一个分类器，用于测试数据。但是在许多的情况下，这种同分布的假设并不满足，有时候我们的训练数据会过期，而重新去标...

BDD链接：https://pan.baidu.com/s/1uNYLY73NqviVBpPpVQSUvw提取码：iynpKITTI链接：https://pan.baidu.com/s/1Eq9scwXNc6Xf_hLajzgEVg提取码：87qmCityscapes链接：https://pan.baidu.com/s/1czHb7MXp_TjbZdft2297aw提取码：wns4...

在神经网络中，参数默认是进行随机初始化的。不同的初始化参数往往会导致不同的结果，当得到比较好的结果时我们通常希望这个结果是可以复现的，在pytorch中，通过设置随机数种子也可以达到这么目的。直接上code：import torchSEED = 0torch.manual_seed(SEED)torch.cuda.manual_seed_all(SEED)torch.backends.cudnn.

#include <opencv2/opencv.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <stdio.h>using namespace std;using namespace cv;//----...

BDD链接：https://pan.baidu.com/s/1uNYLY73NqviVBpPpVQSUvw提取码：iynpKITTI链接：https://pan.baidu.com/s/1Eq9scwXNc6Xf_hLajzgEVg提取码：87qmCityscapes链接：https://pan.baidu.com/s/1czHb7MXp_TjbZdft2297aw提取码：wns4...

在用户权限下docker 命令需要 sudo 否则出现以下问题通过将用户添加到docker用户组可以将sudo去掉，命令如下sudo groupadd docker #添加docker用户组sudo gpasswd -a $USER docker #将登陆用户加入到docker用户组中newgrp docker #更新用户组...

#include <opencv2/opencv.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <stdio.h>using namespace std;using namespace cv;//----...