分类: 工作の记录

44 篇文章

10.25 Python自动化Excel办公练习
通过xlwings处理excel文档,脚本即可办公。记录一下常用的处理代码。 app相关:如果用同一个app打开多个表格文件,可以通过app.kill()同时关闭所有excel文档,但是要注意保存。 …
5.11 尝试使用多帧数据
将数据帧叠加在通道上,数据维度意义为:[batch size, channel, x, y, z] (数据太多太大了,服务器赶紧加硬盘吧)
4.30 仿真数据实验
将具有位置抖动的仿真信号丢进神经网络训练,以下是具体结果: 最上方深蓝色是一开始尝试的,用小网络(5万4参数)训练以下参数的抖动数据: 橘红色是ResNet18,三千多万参数,数据一样。 淡蓝色是加了…
4.29 产生仿真数据
改了一下,仿真数据像真实雷达一样,生成多帧,目标有位置有高斯噪声。准备划分数据集,但是啥都不想干,算了。
3.28 总结,总结两个错误吧
那份总结里基本已经把我的工作总结了。这里再提两个过去没做好的地方,如果做好了可能可以改变现在。 一、12月份没有力争搞一台雷达回来。我和数据还是离得太远,如果自己控制的话会好很多,我不太喜欢老向别人提…
3.26 仿真实验,仿真数据,真实实验,真实数据
仿真实验,做了4组,减少了样本点,最低至240个点,模型只有九万个参数,神经网络依旧可以很好地分类,区别只是学习的速度。 但是用仿真数据得到的模型验证真实数据,只有47%的正确率。 真实数据实验这边,…
3.25 筛数据,新数据形式,仿真数据
看了五万多张图片,将一些明显有问题的数据删了,剩下三万五个数据。 明显雷达的左上角天线有点问题。 坏数据样例 好数据样例,其实很多有鬼影的没有去掉。 好数据实验结果,一样,60% 将仿真程序改了一下,…
3.24 雷达图像降维,效果不佳,开始筛数据
尝试直接用C程序扣出来的目标进行分类,效果不行。 看了这个BP仿真图,感觉投影的方式可以试试,优点有:降低计算量、规整图形形状、可以和经典计算机视觉算法对接。 核心思想是,分别沿着3个维度做累加作为影…
3.22 两天也都没什么进展,加强对BP图像的理解
对雷达BP认识稍微提高了一点,总结一下: 1、雷达分辨率不够,对现实的观测,仿照奈奎斯特理解,就是采出来的样有混叠 2、BP成像是一个逆过程,先描好格子,再填内容 3、平均滤波本质是个低通滤波,窗口影…
3.20 构建模型
发现模型加bn,很快就会过拟合,不加bn,还是会过拟合,只是学得慢而已。嗐,难道还是数据问题吗? 激活函数试试relu、leakyrelu和gelu吧 normalization还是bn吧,前面试过其…
3.19 开始做实验
整理了一下数据,先用自由空间的处理一下,还没用上他们提取出来的数据。 嗐,不平衡的数据比较麻烦。其实目前的数据规模并没有比以前多,因为背对正对这些在雷达图像那看起来是差不多的。 首先用别人的resne…
3.18 数据似乎很不妙
首先是部分数据的最大值很大,一开始还怀疑是python脚本写得有问题,用他们写的matlab对比了一下,还是一样。比如这个文件有个很大的值500+。也许比较正常,毕竟只有离雷达比较近的数据才会这样子。…
3.15 志愿活动,服务器维护
爬山加捡垃圾,挺有意思。 不是,这垃圾服务器系统,重装一个nvidia驱动就进不去桌面了,太难搞了吧。 经过多次对比实验,终于发现nvidia驱动选择关闭opengl 和nvidia-drm模块,桌面…
3.13 整理数据标签,反馈数据问题
公司给的BP场景数据很有问题,如果目标检测算法找不到目标,就不记录场景BP。 我服了,本来让他们录数据的时候顺便处理数据,是为了节省时间的。如果不把所有的BP存下来,后面的还得自己处理? 还是自己亲手…
3.12 下载数据,脚本适配新的数据形式
下载数据很花时间,12:30开始下载场景数据,19:45下载完毕,总计27.3G,共420个样本。 后续整理数据工作: 1、标签转化成我用的形式。一个问题:目标朝向对雷达图形的影响? 2、画部分热力图…
3.11 上党课
已经看了3天,争取早点看完。最近发展对象要做的事情有点多。
3.8 了解部分方向,还是算了
持续学习、小样本学习,看起来都不是很方便的事情,公式很多,对数学要求高。 哎呀,太菜了,搞不定。 还是争取搞多点数据吧,多点数据会好点。