Spectral Representations of Natural Images
参考https://distill.pub/2021/understanding-gnns,学习图的谱表征方法。
参考https://distill.pub/2021/understanding-gnns,学习图的谱表征方法。
本代码可以纵观从数据load到GCN训练的全过程,是一份比较好的学习demo。 本代码参考自https://colab.research.google.com/drive/1mMUKnvM_Byu8wEcJpFSYGnniPPhIOD7N?usp=sharing。
配套csdn博客https://blog.csdn.net/WANGWUSHAN/article/details/118422175,适应性修改可直接应用于VOC数据集 相对坐标(cls,x,y,w,h)下的数据增强。
使用netron做的可视化。 另外,也可参考本人csdn中有关YOLO_V4的介绍:https://blog.csdn.net/WANGWUSHAN/article/details/116331716。
知识蒸馏 knowledge distillation入门小demo GitHub链接:https://github.com/cv-ape/knowledge_distill-pytorch-demo-about-mnist
此资源为本人博客《Faster R-CNN学习笔记》https://blog.csdn.net/WANGWUSHAN/article/details/115550391中模型的可编辑版。
在google colab上完美验证过。 可结合本人博客https://blog.csdn.net/WANGWUSHAN/article/details/103600950#comments_14325675 进行学习。 使用时需要把数据集放到:"/content/drive/My Drive/VOC2007"文件夹下。 声明:本程序参考了知乎:https://zhuanlan.zhihu.com/p/32506912。
勤写标兵
笔耕不辍
创作能手
博客之星–参与
持续创作
分享达人
分享小兵
分享学徒
签到新秀
GitHub
新人勋章
阅读者勋章
学习力
原力新人