框架：keras数据集：CIFAR10模型：vgg16注：vgg16模型的输入图像尺寸至少为 48*481.模型结构Layer (type)Output ShapeParam #input_1 (InputLayer)(None, 64, 64, 3)0block1_conv1 (C...

框架：keras数据集：CIFAR10模型：vgg16注：vgg16模型的输入图像尺寸至少为 48*481.模型结构Layer (type)Output ShapeParam #input_1 (InputLayer)(None, 64, 64, 3)0block1_conv1 (C...

本篇博客主要介绍Stanford Cars数据集的下载与使用Stanford Cars数据集主要用于细粒度分类任务。数据集中一共包含16185张不同型号的汽车图片，其中8144张为训练集，8041张为测试集。官网下载链接：http://ai.stanford.edu/~jkrause/cars/car_dataset.html官网中有两个版本的数据集，在旧版本中没有测试集的标注，我们要下载...

1. reshape() 和 view()参考链接：PyTorch中view的用法pytorch中contiguous()功能相似，但是 view() 只能操作 tensor，reshape() 可以操作 tensor 和 ndarray。view() 只能用在 contiguous 的 variable 上。如果在 view 之前用了 transpose, permute 等，需要用 conti

效果图：对齐方法（建议在参考文献全部导入完之后再用这个方法）：在Endnote 中编辑自己的使用的格式点击下面红色圈圈，Layout -> Insert Filed在上面中的[Bibliography Number]后面加Tab符号，别按键盘上的"Tab"，没用，点红色圈中的Tab就行了。另外将右下角设为"All paragraphs"。然后叉掉保存。在word中，点击样式按钮。在弹出的窗口

本篇博客主要介绍Stanford Cars数据集的下载与使用Stanford Cars数据集主要用于细粒度分类任务。数据集中一共包含16185张不同型号的汽车图片，其中8144张为训练集，8041张为测试集。官网下载链接：http://ai.stanford.edu/~jkrause/cars/car_dataset.html官网中有两个版本的数据集，在旧版本中没有测试集的标注，我们要下载...

示例中，mask为矩形框，如果是不规则点的分割mask，可以使用cv2.fillPoly()函数代替cv2.rectangle().原始图片：import numpy as npimport osimport cv2def put_mask(img_path,output_fold):# 1.读取图片image = cv2.imread(img_path)...

最近感觉类激活图可视化是一件很有趣的事情。CAM由于对网络结构有定性要求，所以在可视化一些有多个全连接层的网络时，表现不太友好，于是出现了Grad-CAM。算法思路引用的博主 G5Lorenzo 一句话Grad-CAM根据输出向量，进行backward，求取特征图的梯度，得到每个特征图上每个像素点对应的梯度，也就是特征图对应的梯度图，然后再对每个梯度图求平均，这个平均值就对应于每个特征图的权重，然

在图像分类领域的论文中，经常看到如下所示的可视化图片。将特征图的响应大小，映射到了原图，能让读者更直观的了解模型的效果。这类图，通常被称为类激活图(CAM, Class Activation Map),或者注意力图、热图。上一张图，是我使用训练好的细粒度分类模型（网络结构源于Mutual-Channel Loss ）可视化的结果。用到的函数为：cv2.applyColorMap()，cv2.add

YOLOv5检测界面的简单实现