在进行目标检测算法的学习过程中，需要进行对比实验，这里可以直接使用MMDetection框架来完成，该框架集成了许多现有的目标检测算法，方便我们进行对比实验。 环境配置 首先是环境配置，先前博主曾经有过相关方面的配置，这里就简要记录一下：创建conda环境： condacreate--nameopenmmlabpython=3.7-y condaactivateopenmmlab 安装pytorch pipinstalltorch1.7.0+cu110torchvision0.8.1+cu110torchaudio0.7.0-fhttps://download.pytorch.org/...

在进行去雨去雪去雾算法的学习过程中，需要构建去雨去雪去雾数据集，本文参考LearningMultipleAdverseWeatherRemovalviaTwo-stageKnowledgeLearningandMulti-contrastiveRegularization:TowardaUnifiedModel论文中的数据集设定，分别从Rain1400，CSD，OTS三个数据集的训练集中挑选5000张作为训练集，使用原始的测试集作为验证集。 首先是去雪数据集CSD中挑选5000张，该数据集的挑选最为简单，只需要随机从8000张中挑选5000张即可。其中首先生成要挑选的图片的文本信息，创建c...

在进行神经网络的训练过程中，会生成不同的特征图信息，这些特征图中包含大量图像信息，如轮廓信息，细节信息等，然而，我们一般只获取最终的输出结果，至于中间的特征图则很少关注。 前两天师弟突然问起了这个问题，但我也没有头绪，后来和师弟研究了一下，大概有了一个思路。 即每个特征提取模块都会输出一个特征图，这些特征图的每个像素实际上就是一些数值，那么只需要将这些数值保存，再以图像的形式展现出来便OK了。 基于这个思路，我们来进行设计。在观测输出的特征图时，我们可以使用推理代码来进行输出，因为推理时所消耗的资源较少且推理时可以很明确我们输入的图像是什么。至于要想实现的效果： 原图： 输出的特征图： ...