YimianDai

原理

1. α：为了解决 Class Imbalance 问题而引入，对于样本数过多的那一类样本，α 应设得较低，这样就降低了该类样本对于 Loss 的重要性 (alpha 越大，就是对正类的损失惩罚越大，这样的话，文章中 alpha = 0.25，所以是正类惩罚少，负类惩罚多)
2. γ：为了降低易分样本的权重，专注于训练难分负样本而引入，（1 - Pt）∈（0，1），当样本易分类时，（1 - Pt）很小，（1 - Pt）^γ 会变得更小，这样就减少了简单易分类样本的重要性，相对增加了那些误分类样本的重要性

代码

YimianDai

batch_pix_accuracy

def batch_pix_accuracy(output, target):
    """PixAcc"""
    # inputs are NDarray, output 4D, target 3D
    # the category -1 is ignored class, typically for background / boundary
    predict = np.argmax(output.asnumpy(), 1).astype('int64') + 1

YimianDai

Creating a virtual environment

python3 -m venv env

Activating a virtual environment

YimianDai

记录一些不容易找到问题就在哪的报错。

DataLoader：

1. Check 一下是不是 Dataset 除了 img 和 label 之外还返回了 img name，导致 DataLoader 不对

Parameter was not initialized on context gpu(0). It was only initialized on [cpu(0)].

YimianDai

目录

1. 找回被 WPS 编辑后消失的下划线
2. 加快 Word 2013/2016 打开速度
3. 表格没有紧跟上文而是另起一页
4. 段落缩进以字符为单位

找回被 WPS 编辑后消失的下划线

YimianDai

from data import IceSegmentation
from model import PhaseFourierTransform
import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
import platform, os
from skimage import measure, color
from mxnet import nd

YimianDai

from matplotlib import pyplot as plt
import numpy as np

hist_arr = np.load("hist_arr.npy")
hist_sum = np.sum(hist_arr)

hist_cum = np.cumsum(hist_arr) / hist_sum
x_axis = np.linspace(0, 1, 512)

YimianDai

Tiny Object 的重要性：leave out tiny objects would lead to disaster

tiny-scale objects are hard to detect and segment

Baidu 的 Apollo dataset 是一个 Tiny Object 比例很高的数据集，about 60% of objects’ scale is less than 32 pixels。

拓展阅读

YimianDai

卷积的矩阵运算形式

要了解转置卷积，先要了解 卷积 的矩阵运算形式，因为转置是矩阵转置的意思。通常我们对卷积的认识就是按照卷积的定义来的，输入信号和卷积核依次匹配过去。如果是 4x4 的输入，卷积 Kernel 为 3x3, 没有 Padding / Stride, 则输出为 2x2，如下图所示。

YimianDai

遥感图像的 Semantic Segmentation 中有 small object 的问题，比如 car

Overall

用的是 ISPRS 2D Semantic Labeling Contest 中的数据，输入数据有 5 个通道，我想应该是 RGB+NIR+DSM。

Patch-based Pixel Classification

Data