在论文投稿时有些期刊要求使用Latex格式，比如博主现在就遇到了这个问题，木有办法，老老实实的学呗。大家可以去官网下载，但官网的界面设计属实有些一言难尽，因此我们可以使用国内的镜像。 LaTeX基于TeX，主要目的是方便排版。在学术界的论文，尤其是数学、计算机等学科论文都是由LaTeX编写,因为用它写数学公式非常漂亮。 要使用LaTex，主要是安装两样东西Texlive+TeXstudio其中Texlive选择用于TeX发行版；TeXstudio是LaTex编辑器，免费的； Tex-Live安装 官网下载地址： https://mirror-hk.koddos.net/CTAN/syste...

先前已经完成过YOLO系列目标检测算法的调试过程，今天主要是将所有的调试加以总结这里的conda环境就不再赘述了，直接使用requirement.txt文件的即可，也可以参考YOLOX的配置过程5 数据集处理 YOLOv5有自己的数据集格式，博主的数据集为COCO格式，需要自己转换为YOLO格式。下面代码需要修改的地方：COCO标注文件：JSON文件地址 parser.add_argument('--json_path',default='/data/datasets/coco/annotations/instances_train2017.json',type=str,help="inp...

YOLOX是在YOLOv3基础上改进而来，具有与YOLOv5相媲美的性能，其模型结构如下： 由于博主只是要用YOLOX做对比试验，因此并不需要对模型的结构太过了解。 先前博主调试过YOLOv5,YOLOv7，YOLOv8,相比而言，YOLOX的环境配置是类似的，但其参数设置太过分散，改动比较麻烦，就比如epoch这些参数竟然要放到yolox_base.py文件中去继承，而不是直接在train.py中指定。话不多说，我们开始调试过程。 环境配置 YOLOX的调试过程基本与YOLOv5类似，不同之处在于需要进行一个安装过程。即执行： pythonsetup.pydevelop 否则在运行...

前言 该项目的介绍可以参考博主这篇博文：基于知识蒸馏的去雪、去雾、去雨算法 调试过程 该项目中inference.py可以直接使用，只要将student的权重文件放入即可，博主实验过其去噪后的结果，貌似是变清晰了一点。但train时的meta里的json文件没有找到，作者指出meta文件是需要自己构建。按照其要求，结构如下： json文件结构如下： 最终我们按照指定格式生成了对应的json地址文件 生成代码很简单，因为文件命名是有顺序的，所以不需要读取目录生成。 gt_path="D:/CSD/Test/Gt/" input_path="D:/CSD/Test/Snow/" fo...

问题一 在进行去雨去雪去雾算法过程中，遇到了一个问题，这在先前的电脑运行是都没有出现过，但在博主新买的电脑上却出现了，讲道理是有点小抑郁的。 RuntimeWarning:invalidvalueencounteredinscalardivide ret=ret.dtype.type(ret/rcount) NaNorInffoundininputtensor. 其实问题也很简单，就是由于除零导致的，但这种情况在博主看来是不太可能的，直到博主看到上面还有一个警告，这句话是一般找不到文件的警告提示。 RuntimeWarning:Meanofemptyslice. return_meth...

在进行去雨去雪去雾算法的实验过程中，博主使用自己的电脑进行实验，尽管能够成功运行，但速度却属实不尽人意，博主的笔记本显卡是GTX960，显存为4G，在进行实验的过程中，batch-size只能设置为3，好在实验的去噪类型也就只与三种，否则这实验根本无法进行，于是，便萌生了更换笔记本的念头，那么在更换前，就要先做下相关实验，看看性能能够提升多少。 首先记录一下博主在GTX960M上的实验情况： GTX960M实验情况 显存占用 实验用时 训练一个epoch的实验用时： 可以看到时间大约在15分钟左右。 每训练5个epoch进行一次评估： 属实是太慢了,用时31分钟，而且从结果来看，P...

中断问题 在进行去雨去雾去雪算法的实验过程中，时常会由于各种意外情况导致实验中断，而在该源码中，并没有对应的中断应对策略，这就导致该源码的健壮性太差，而且博主在实验时也确实遇到多次这种情况，这让博主不胜其烦。针对这个问题，其实也很好解决，只要在中断后让模型加载最后一次的参数模型即可，其实这种做法是很常见的。 代码修改 代码修改很简单，首先是指定一个参数，若发生中断，则将最后一次保存的模型地址赋值给该参数 parser.add_argument('--resumes',default="outputs/latest_model") 随后让模型加载该参数即可： model=net_func...

前面学习了模型的构建与训练过程，然而在实验过程中，博主依旧对数据集与模型之间的关系有些疑惑，首先是论文说这是一个混合数据集，但事实上博主在实验时是将三个数据集分开的，那么在数据读取时是如何混合的呢，是每个epoch使用同一个数据集，下一个epoch再换数据集，还是再epoch中随机取数据集中的一部分。此外，教师模型总共有三个，其模型构造是完全相同的，不同之处在于三个教师模型是在不同的数据集训练得到的，即其权重参数是固定的，那么在训练过程中，从代码来看，原始的教师网络权重是不改变的，那么说如何更新学生网络呢？带着这些疑问，开始今天的学习。 数据集加载 首先需要明确的是数据集加载时是将三个数据集...

坚如磐石上映了，可以在爱奇艺观看。而博主在使用蓝牙耳机连接电脑的过程中，发现没有蓝牙开启选项，并且在服务的设备管理器中也没有找到，很明显这是缺少驱动导致的，因此便去联想官方网站下载对应的驱动。这里可以输入电脑的型号来选择最合适的驱动 安装成功后在设置-蓝牙中可以看到蓝牙开启了，但在添加蓝牙设备时却一直找不到我们的耳机，这时就需要开启服务中的BitLockerDriveEncryptionService，将其属性由手动触发改为自动触发。 这样就OK了，连接成功。

去雨去雾去雪算法分为两个阶段，分别是知识收集阶段与知识测试阶段，前面我们已经学习了知识收集阶段，了解到知识阶段的特征迁移模块（CKT)与软损失（SCRLoss）,那么在知识收集阶段的主要重点便是HCRLoss(硬损失）,事实上，知识测试阶段要比知识收集阶段简单，因为这个模块只需要训练学生网络即可。 模型创新点 在进行知识测试阶段的代码学习之前，我们来回顾一下去雨去雪去雾网络的创新点：首先是提出两阶段的知识蒸馏网络，即构建三个教师网络与一个学生网络，设置总训练次数为250，其中前125个epoch教师网络与学生网络一同训练，这里的训练是指将图像输入教师网络，随后将教师网络的输出结果与中间特征图...

在进行去雨去雾去雪算法实验时，需要注意几个参数设置，num_workers只能设置为0，否则会报各种稀奇古怪的错误。 本地使用TensorBoard 此外，发现生成的文件是events.out.tfevents格式的，查询了一番得知该文件是通过TensorBoard读取的具体过程如下： pipinstalltensorboard pipinstallprotobuf 切换到存放events.out.tfevents文件的路径：执行命令： tensorboard--logdir=./ 执行这个命令后会读取所有的events.out.tfevents文件，从而生成对应的曲线。 打开ht...

All_in_One_Bad_Weather_Removal_Using_Architectural_Search 这篇论文发表于CVPR2020，提出一种可以应对多种恶劣天气的去噪模型，可以同时进行去雨、去雪、去雾操作。但该部分代码似乎没有开源。 提出的问题： 当下的模型只能针对一种恶劣天气进行处理，无法适用于多种复杂恶劣天气 目前的去噪数据集都是人为制作的，与真实数据具有差异。 创新点1：多合一去噪模型 该方法整体结构如下图所示，其基于对抗神经网络模型进行设计，包含一个生成器(Generator)与一个判别器(Discriminator)。于以往只能处理一种恶劣天气噪声不同，本文提出一...

博主在使用腾讯云服务器进行实验时，由于服务器租赁时间到期，而自己囊中羞涩，无力续费，因此就需要将原本的服务器资源释放，转而购买新的服务器，随后，便要重新上传数据，配置环境，这将花费很多时间，随后在阅读腾讯云使用文档的过程中，发现了腾讯云镜像，顿时如获至宝，我们可以将原本的服务器环境制作为一个镜像，然后在新服务器上直接安装这个镜像环境，从而节省大量时间。 一、旧服务器制作镜像 1、进入“云服务器”菜单，点击“实例”菜单，找到要制作镜像的服务器，右边点击“更多”，找到“制作镜像”。 2、在弹出的窗体中，填写相关信息。这里可以随便填 3、查看镜像 进入“云服务器”菜单，点击“镜像”菜单，即可...

SwinTransformer自问世以来，凭借其优秀的性能，受到无数研究者的青睐，因此作为一个通用的骨干网络，其再目标检测，语义分割，去噪等领域大杀四方，可谓是风光无限，今天，我们便来一睹SwinTranformer的风采。 SwinTransformer是在ViT的基础上进行改进的，但ViT直接使用Transformer，由于其计算复杂度极高，因此需要消耗极大的计算代价，正因如此，SwinTransformer的设计才显得如此巧妙，SwinTransformer最大的特点便是将注意力计算限制在一个个窗口内容，从而大幅的减少了计算量，相比于PVT使用下采样的方式来缩减KV维度，从而减少计算量...

本次重新记录一下paddle的安装过程，主要是因为在进行服务器环境初始化时没有进行正确的环境安装。 基础环境 云硬盘部署 conda安装 Anaconda安装首先是下载相关包命令： sudowgethttps://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh 下载完成后执行 bashAnaconda3-2020.02-Linux-x86_64.sh 进行Anaconda的安装进入安装程序，提示输入“ENTER”继续(Please,pressENTERtocontinue)：如下图 随后一直enter，实际上...

Node.js的安装与配置 首先是Node.js的安装，安装十分简单，只需要去官网下载安装包后，一路next即可。 Node.js是一个开源的、跨平台的JavaScript运行时环境 下载地址，有两个版本，一个是推荐的，一个是最新的，现在博主学习的话就直接安装最新的即可。 https://nodejs.org/en 验证是否安装成功，只需要在cmd窗口中输入node-v与npm-v即可，node默认是帮我们安装npm的。可以类别于python中的pip npm，全名nodepackagemanger。npm是Node的开放式模块登记和管理系统，是Node.js包的标准发布平台，用于N...

前面完成了基于知识蒸馏的去雨去雪去雾模型大的部署与训练，下面则进行代码的学习。使用debug的方式进行代码的学习。首先是网络结构展示：轻易不要打开，这个模型太复杂了。说到底倒不是多复杂，就是层数太多了 Net( (conv_input):ConvLayer( (reflection_pad):ReflectionPad2d((5,5,5,5)) (conv2d):Conv2d(3,16,kernel_size=(11,11),stride=(1,1)) ) (dense0):Sequential( (0):ResidualBlock( (conv1):ConvLayer( (reflect...

AP值始终为0 在实验MMDetection的DAB-DETR模型进行实验时，AP值始终上不去。可以看到，在第22个epoch时的AP值仅为0.002 因为在此之前已经运行过YOLOX,Faster-RCNN等模型，所以数据集的设置肯定是没有问题的，而博主也只是修改了DAB-DETR的类别参数而已，一想到这，才猛然想起，DETR类模型的类别数还需要加上一类，即背景类，先前在修改参数时，看到原始参数为80，还以为不用加1了呢。讲num_class参数数值加一，OK。再次运行： 就是可惜博主白白运行了一个晚上。 断点训练问题 MMDetection针对模型在训练过程中意外中断，避免重头训练，设...

COCO-stuff数据集 COCO-Stuff数据集对COCO数据集中全部164K图片做了像素级的标注。 80thingclasses,91stuffclassesand1class‘unlabeled’ 数据集下载 wget--directory-prefix=downloadshttp://images.cocodataset.org/zips/train2017.zip wget--directory-prefix=downloadshttp://images.cocodataset.org/zips/val2017.zip wget--directory-prefix=down...

在上一篇博文中，博主完成了MMDetection框架的环境部署与推理过程，下面进行该框架的训练过程，训练的入口文件为tools/train.py，我们需要配置的内容如下： 修改Train.py文件 确定自己要用的模型 parser.add_argument('--config',default="/home/ubuntu/programs/mmdetection/configs/faster_rcnn/faster-rcnn_r50_fpn_2x_coco.py",help='trainconfigfilepath') parser.add_argument('--work-dir',de...