深度学习的随机种子

深度学习的随机种子

1、目标检测领域：不提倡使用预测框坐标与GT坐标的差值进行损失函数统计，因为坐标差值会受坐标尺寸大小影响，坐标尺寸大的时候，差值相对大，坐标尺寸小，差值相对小。改进：使用IOU，IOU不受坐标尺寸因素的影响。（两种坐标表示方法：（左上角，右下角）（中心点，长，宽））...

深度学习的随机种子

前言：类似于keras中的序贯模型，当模型较简单的时候，可以使用torch.nn.Sequential类来实现简单的顺序连接模型。Sequential类是继承自Module类的Sequential类的定义：class Sequential(Module): # 继承Moduledef __init__(self, *args):# 重写了构造函数def _get_...

1、目标检测领域：不提倡使用预测框坐标与GT坐标的差值进行损失函数统计，因为坐标差值会受坐标尺寸大小影响，坐标尺寸大的时候，差值相对大，坐标尺寸小，差值相对小。改进：使用IOU，IOU不受坐标尺寸因素的影响。（两种坐标表示方法：（左上角，右下角）（中心点，长，宽））...

增强亮度的方法1、梯度直方图均衡传统的梯度直方图均衡是针对单通道图像的，对于多通道图像的方法有很多。方法一：转换颜色空间到YCR，然后分离通道，对0通道进行梯度直方图均衡，合并通道，转换回BGR颜色空间'''彩色图像梯度直方图'''def hisEqulColor(img):ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)channels = cv2.

语义分割总结

中文检测的数据集:清华的CTW，https://ctwdataset.github.io/但是数据集只存储在微云和google driver，微云空间受限不能完全保存，下载很麻烦华科的MSRA TD5000，支持中英文的倾斜文本检测http://www.iapr-tc11.org/mediawiki/index.php/MSRA_Text_Detection_500_Databas...

<br />Linux 2.6.28 – 内核启动分析（一）<br />首先声明，我也是初学Linux内核，因为有这方面的基础，所以打算学习一下内核，学习Linux要讲究方法，坚持固然重要，但是也要讲究方法，我个人认为，学习内核是一个长期的过程，如果指望一两天或者一两个星期就行弄清内核（除了你很杰出+有学习内核的天赋），那么我想说，你不适合学习Linux内核，所谓方法，就是分清主次矛盾，分清主干和