鱼一的博客 ◡̈

yuyi

知不可乎骤得，托遗响于悲风

网站页面

类目归类

标签搜索

搜索到 92 篇与的结果

科研流水账31

科研流水账31

1.在6005 上进行 vehicleID 数据集的训练。2.训练并使用不在骨干网络上加 uafm 融合的模型，并生成注意力可视化图。3.对目前定好的模型生成注意力可视化图。问题分析在对vehicleID 数据集训练好的模型进行评估时遇到问题目前，已经在vehicleID 数据集训练了100个epoch并得到了训练的模型。因为没有评估的结果，我中断了训练过程，想评估下看看效果，然后遇到了下面的报错。ValueError: could not broadcast input array from shape 这个问题主要是vehicleID在评估时和veri776的差异引起的，正在查看代码想办法解决问题。下一步目前已经把注意力可视化图弄了出来，其它消融实验大部分不需要重新训练模型，下周应该能顺利完成。下一步计划是解决vehicleID评估的问题。

2022-12-25

2022年12月25日

0 阅读

0 评论

科研流水账30

科研流水账30

1.将 pvasf 的项目在6005上运行，并使显卡负载均衡。2.在 6005 上进行了融合三阶段输出特征和四阶段输出特征的实验。3.找到了上周在 6002 上修改代码显存不够的主要原因。VeRi Rank-1 Rank-5 Rank-10 mAP Epoch 1 - - - 2 96.66 98.57 99.23 82.2 129 3 - - - 81.7问题分析在实现单机多卡负载均衡时遇到的错误修改 nn/parallel/scatter_gather.py 文件中 scatter 函数传入的第二个参数 chunk_sizes,默认None，会根据检测到的显卡设备数自动平均分配。一开始修改成 [48, 24]，后面会报错，因为最后一个传入的batchsize 不一定为72。于是修改代码为根据输入 batchsize 来划分。在 6002 上尝试复现之前跑过的最好结果，却报错显存不够下步目前在 6005 上可以用最好的模型在 vehicleID...

2022-12-18

2022年12月18日

0 阅读

11509 评论

科研流水账29

科研流水账29

阅读了论文 Selective Kernel Networks生成具有各种内核大小的多个路径，这些大小对应于神经元的不同感受野大小。组合并汇总来自多个路径的信息，并获得对应权重，最后再根据权重聚合大小不同的内核的特征图。1.将 uafm 修改为使用空间和通道注意力同时使用的方法。2.将 uafm 修改为使用两个 sigmoid 得到针对高层和底层的注意力权重。3.在 uafm 中借鉴SKnet 中使用softmax 融合多个特征图方法。4.在fast-reid中使用参考 SKnet 修改的代码。VeRi Rank-1 Rank-5 Rank-10 mAP Epoch 1 - - - 77.8 140 2 - - - 79.0 144 3 - - - 79.2 150 4 77.2 150 原uafm在fast-reid 78.91 150问题分析在参考 SKne...

2022-12-11

2022年12月11日

0 阅读

0 评论

科研流水账28

科研流水账28

阅读了论文 NAM: Normalization-based Attention论文提出利用batchnorm的权重信息实现注意力机制.将Uafm* 放到PVASF上，涨了一个点。参考 PVASF 训练和评估时的架构，在 fast-reid 上实现。将 PVASF 中的局部注意力机制用 NAM 实现。VeRi Rank-1 Rank-5 Rank-10 mAP mINP metricbaseline 94.64 97.62 98.45 77.24 42.01 85.94Pvasf 96.78 98.75 99.17 81.7 Pvasf*+Nam 96.48 98.63 99.17 81.4 Pvasf+mlp 96.78 98.69 99.17 82.3问题分析在将 pvasf 的训练和评估结构移植到 fast-reid 中，遇到了一些底层函数方法实现的细节不同，比如特征图之间的举例计算函数。下步计划目前面临...

2022-12-04

2022年12月04日

0 阅读

0 评论

科研流水账27

科研流水账27

阅读了论文 Going Beyond Real Data: A Robust Visual Representation for Vehicle Reidentifification论文是百度在2020年AIcity中车辆重识别任务上进行的工作。其中可借鉴的贡献主要有两点在推理阶段进一步整合信息提高性能，添加了车辆方向和相机方向预测模型。从骨干网络中提取有用多尺度信息。代码工作：继续上周优化全局的实验，将Uafm**从80.43优化到81.04。将老师发我的自适应特征融合模块应用在uafm** 中。在fast-reid 中同时使用全局和局部特征，进行多组实验。Local+uafm 96.01 97.68 98.51 79.38 46.65 87.69Uafm**融合三层 96.42 98.51 99.05 81.04 46.92 88.73Uafm+自适应特征融合 96.13 98.15 98.87 81.96 49.06 89.04全局+局部 95.23 97...

2022-11-27

2022年11月27日

0 阅读

0 评论

科研流水账26

科研流水账26

近几年的重识别方向论文基本上都看过了 🤯代码工作：在fast-reid 中使用cspnet的理论修改 resnet50，最后跑出来结果较差，考虑是需要新的预训练模型的问题。在fast-reid 中的局部分支添加One-vs.rest关系模块。修改 uafm ，使其输入为三个特征图。修改 fast-reid 的 One-vs.rest 模块计算关系的方法。VeRi Rank-1 Rank-5 Rank-10 mAP mINP metricbaseline 94.64 97.62 98.45 77.24 42.01 85.94MultiHead 96.31 98.09 98.75 80.26 46.14 88.28CA+SA 95.41 97.97 98.63 78.09 43.33 86.75Uafm 96.48 98.39 99.05 81.24 46.26 88.86Cbam+uafm 96....

2022-11-20

2022年11月20日

0 阅读

0 评论

科研流水账25

科研流水账25

阅读了论文 Ensemble cross-stage partial attention network for image classification论文提出的方法：论文采用两种新的CSP梯度组合，减少了分类网络的计算量和模型参数，提高了分类精度。将SENet和CBAM注意模块加DarkNet-53网络，提高图像特征提取的准确性。代码工作：在fast-reid 中使用uafm的空间注意力融合机制。在fast-reid 中使用MultiHead + uafm。修改 uafm ，使其从融合stage3和stage4中输出的特征图变为融合stage4中第一个bottleneckc输出的结果和最后一个bottleneck输出的结果。VeRi Rank-1 Rank-5 Rank-10 mAP mINP metricbaseline 94.64 97.62 98.45 77.24 42.01 85.94MultiHead 96.31 98.09 98.75 80.26 46.14 ...

2022-11-13

2022年11月13日

0 阅读

0 评论

科研流水账24

科研流水账24

阅读了论文 Learning latent features with local channel drop network for vehicle re-identification论文提出了一个局部通道丢失网络，通过释放出对最多焦点的抑制来寻找潜在特征。代码工作：在fast-reid 中调试修改使用局部特征进行实验的代码。使用 bam 在 fast-reid 中的进行实验。修改 uafm 为 pytorch 下直接可用。在 fast-reid 中使用 uafm 进行实验。VeRi Rank-1 Rank-5 Rank-10 mAP mINP metricbaseline 94.64 97.62 98.45 77.24 42.01 85.94MultiHead 96.31 98.09 98.75 80.26 46.14 88.28CA+SA 95.41 97.97 98.63 78.09 43.33 86.75Uafm 96.4...

2022-11-06

2022年11月06日

0 阅读

0 评论

科研流水账23

科研流水账23

阅读了论文 PP-LiteSeg: A Superior Real-Time Semantic Segmentation Model论文提出的方法：主要看了两个对重识别任务可能有启发的贡献。统一空间注意力模块，利用通道和空间注意力加强特征的表示。简单金字塔池化模块，聚集全局上下文信息。代码工作：在fast-reid 中使用环形切片划分出局部特征进行实验。在 pvassf 的全局特征中使用 MultiAttention 模块。在 fast-reid 中使用通道注意力和空间注意力。实验结果：VeRi Rank-1 Rank-5 Rank-10 mAP mINP metricbaseline 94.64 97.62 98.45 77.24 42.01 85.94MultiHead 96.31 98.09 98.75 80.26 46.14 88.28Baseline 95.77 97.79 98.57 77.42 42.42 86.60Bas...

2022-10-30

2022年10月30日

0 阅读

0 评论

科研流水账22

科研流水账22

阅读了论文 MULTI-SCALE FEATURE FUSION: LEARNING BETTER SEMANTIC SEGMENTATION FOR ROAD POTHOLE DETECTION论文提出的方法：提出了一种但模态语义分割的坑洼检测方法。使用通道注意力模块重新加权通道特征增强不同特征图的一致性。随后再使用空洞空间金字塔池化模块整合空间上下文信息。多尺度特征融合模块。通道注意力模块。代码工作：在fast-reid 中添加对 loss 的自适应权重后，调整学习率，进行实验。在 pvassf 中添加 FPA 模块。在 fast-reid 中使用 GAU 进行多尺度特征融合，在进行circle_pooling 划分为局部特征进行训练。VeRi Rank-1 Rank-5 Rank-10 mAP mINP metricbaseline 94.64 97.62 98.45 77.24 42.01 85.94MultiHead 96.31 98.09 98.75 80.26 46...

2022-10-23

2022年10月23日

0 阅读

0 评论

yuyi

知不可乎骤得，托遗响于悲风

127 文章数

12,534 评论量

More Info for me 📱

人生倒计时

今日已经过去小时

这周已经过去天

本月已经过去天

今年已经过去个月