https://blog.csdn.net/qq_40967961/article/details/109907252
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：小缺陷目标检测网络–PCB缺陷检测—TDD-net - Python技术站
微信扫一扫 
支付宝扫一扫
深度学习-目标检测（物体检测）
上一篇
2023年4月8日 上午1:21
目标检测——深度学习下的小目标检测（检测难的原因和Tricks）
下一篇
2023年4月8日
相关文章
-
Ubuntu 14.04上安装caffe
本来实在windows 10上尝试安装caffe，装了一天没装上，放弃; 改在windows上装ubuntu的双系统，装了一个下午，不小心windows的系统盘被锁死了，也不会unlock？只好含泪卸掉了windows10，只装ubuntu 15.10。过程真是让人揩一把辛酸泪。。。不过又在ubuntu中用错了一个命令，系统崩溃，重新安装win8.1 + u…
-
基于深度学习的计算机视觉应用之目标检测
http://www.tensorflownews.com/，学习更多的机器学习、深度学习的知识！ 目标检测作为图像处理和计算机视觉领域中的经典课题,在交通监控、图像检索、人机交互等方面有着广泛的应用。它旨在一个静态图像(或动态视频)中检测出人们感兴趣的目标对象。传统的目标检测算法中特征提取和分类决策分开进行，对特征选取的要求就更加严格，在面对复杂场景的时候…
-
保姆级教程：用GPU云主机搭建AI大语言模型并用Flask封装成API，实现用户与模型对话
导读 在当今的人工智能时代，大型AI模型已成为获得人工智能应用程序的关键。但是，这些巨大的模型需要庞大的计算资源和存储空间，因此搭建这些模型并对它们进行交互需要强大的计算能力，这通常需要使用云计算服务。从云产品性能上来看，GPU云主机是最适合的工具之一，对于业务方或者个人开发者来讲，使用GPU云主机搭建AI大语言模型有以下优势： •高性能计算：GPU云主机提…
-
4-6 什么是深度卷积网络 ?
假如你训练了一个卷积神经网络，是一个 Alexnet，轻量级网络，你希望将看到不同层之间隐藏单元的计算结果。 从第一层的隐藏单元开始，假设你遍历了训练集，然后找到那些使得单元激活最大化的一些图片，或者是图片块。换句话说，将你的训练集经过神经网络，然后弄明白哪一张图片最大限度地激活特定的单元。注意在第一层的隐藏单元，只能看到小部分卷积神经，如果要画出来哪些激活…
-
keras fit_generator 并行
虽然已经走在 torch boy 的路上了， 还是把碰到的这个坑给记录一下 数据量较小时，我们可直接把整个数据集 load 到内存里，用 model.fit() 来拟合模型。 当数据集过大比如几十个 G 时，内存撑不下，需要用 model.fit_generator 的方式来拟合。 model.fit_generator 一般参数的配置参考官方文档就好，其中…
-
[Tensorflow] 使用 tf.train.Checkpoint() 保存 / 加载 keras subclassed model
在 subclassed_model.py 中，通过对 tf.keras.Model 进行子类化，设计了两个自定义模型。 1 import tensorflow as tf 2 tf.enable_eager_execution() 3 4 5 # parameters 6 UNITS = 8 7 8 9 class Encoder(tf.keras.Mod…
-
tensorflow环境下实现bert_base量化，完成bert轻量级
环境： windows 10 python 3.5 GTX 1660Ti tensorflow-gpu 1.13.1 numpy 1.18.1 1. 首先下载google开源的预训练好的model。我本次用的是 BERT-Base, Uncased(第一个) BERT-Base, Uncased: 12-layer, 768-hidden, 1…
-
caffe中ConvolutionLayer的前向和反向传播解析及源码阅读
一、前向传播 在caffe中，卷积层做卷积的过程被转化成了由卷积核的参数组成的权重矩阵weights(简记为W)和feature map中的元素组成的输入矩阵(简记为Cin)的矩阵乘积W * Cin。在进行乘积之前，需要对卷积核的参数和feature map作处理，以得到W和Cin。 下面用一个例子来说名上述两个过程。假设某一卷积层输入为c X h X w …
