一点微小的贡献

看过的文章

Poisson blendinghttps://blog.csdn.net/weixin_43194305/article/details/104928378 FDA paper https://arxiv.org/pdf/2004.05498.pdf

Posted by Wzghzw on February 10, 2023

DDP: DistributedDataParallel

pytorch分布式训练

DDP 是pytorch目前推荐的分布式训练方法原理是每张卡上执行一个进程,独立执行训练,但是在梯度进行更新时进行汇总,起到

Posted by Wzghzw on March 22, 2022

转链:gitignore配置

Git

https://www.cnblogs.com/kevingrace/p/5690241.html

Posted by Wzghzw on March 10, 2022

Swin Transformer笔记

CV通用backbone

Swin Transformer 简述可以作为CV任务中通用的backbone，根据作者给出的实验结果，应用在图像分类、目标检测、语义分割等方面都有比较好的效果。将transformer提取的特征，转化成了与CNN相似的形式。先前的transformer结构，都是将图像按照类似NLP任务中的方法，将图像直接输入到transformer中。例如ViT，就是将图像拉成一个1-D向量处理...

Posted by Wzghzw on August 30, 2021

ViT, 视觉新范式

Vision Transformer

Transformer in CV 从NLP来的Transformer 由于Transformer适合于构建大模型,在NLP任务中表现出来了非常强的特征表示能力,ViT的工作是将Transformer尽可能保持原结构的情况下,应用在视觉领域,以取代ResNet结构,并用于大模型（JFT-300M）中。 Vision Transformer结构 Patch Embedding 对...

Posted by Wzghzw on August 30, 2021

Change Detection

变化检测方法评价指标 \[Precision = \frac{TP}{TP+FP}\] \[Recall = \frac{TP}{TP+FN}\] \[F1-score = \frac{2\times Precision}{Precision + Recall}\] \[OA = \frac{TP + TN}{TP + FP + TN + FN}\] \[IoU = \frac...

Posted by Wngzh on August 16, 2021

Change Datasets

变化检测数据集

变化检测数据集 1 Mts-WH 分辨率1m，四个波段（R,G,B和近红外波段），获取于2002年2月和2009年6月，分辨率7200*6000。训练样本为每个时段190张图像，分辨率150*150，每张图像为一个类别，训练样本选择的是典型的区域，两个时间的训练样本并不是对应区域。测试样本是原图分块得到的，原图切分完正好为1920张。这个数据集的变化检测本意是对小图（150分辨率）进行分...

Posted by Wngzh on August 13, 2021

VGG16

VGG16 结构，实现函数相关 VGG : Very Deep Convolutional Networks for Large-Scale Image Recognition VGG16指的就是Configuration中的D配置，E配置为VGG19。为了方便表示，根据池化层可以将网络分为五个block，和最后的全连接层，以及softmax层。全连接层与卷积层有权重，D有16层权重...

Posted by Wngzh on February 5, 2020

杂项

损失函数所谓的损失函数就是代价函数，意义上类似于信号检测与估计中的判决准则。在确定判决规则时，需要把接受空间化为两个区域（二元假设中），$C_01$就表示了一种将$H_0$判断为$D_1$就表示发生了虚警，指定代价就是$C_{01}$。$R=P(H_0)(P(D_0|H_1)C_{01}+P(D_1|H_1)C_{11})+P(H_1)(P(D_1|H_0)C_{10}+P(D_0|H_...

Posted by Wngzh on February 5, 2020

Numpy中where函数

Numpy中where函数一维矩阵 xv if c else yv for c, xv, yv in zip(condition, x, y) out = numpy.where(condition[, x, y]) 可以拆写成(这里要求xy是同一形状，各维相等) for i in range(x) if condition is ture out[i]...

Posted by Wngzh on October 20, 2019

wzghzw