Wanda && Aidem

原创 VS2010问题汇总

问题1：error C3872: "0xa0": 此字符不允许在标识符中使用error C3872: "0xa0": 此字符不允许在标识符中使用 或者 error C3872: '0xa0': this character is not allowed in an identifier解法：这是因为直接复制代码的问题。0xa0是十六进制数，换成十进制就是160，表示汉字的开始。解决办法：在...

转载 YOLOv5改进（CoordConv）

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/eagleflying_cau/article/details/131150638。2.将CoordConv加到models/yolo.py的parse_model中。（1）将下面代码放到models/commen.py中。2.改进策略，在原有卷积上增加了i、j坐标。3.构建yaml文件。

转载 真正的即插即用！盘点11种CNN网络设计中精巧通用的“小”插件（含简要代码）

本文盘点一些CNN网络中设计比较精巧而又实用的“插件”。所谓“插件”，就是不改变网络主体结构， 可以很容易嵌入到主流网络当中，提高网络提取特征的能力，能够做到plug-and-play。网络也有很多类似盘点工作，都宣称所谓的即插即用、无痛涨点。不过根据笔者经验和收集，发现很多插件都是不实用、不通用、甚至不work的，于是有了这一篇。既然是“插件”，就要是锦上添花的，又容易植入，容易落地的，真正的即插即用。本文盘点的“插件”，在很多SOTA网络中会看到它们的影子。

原创 Android C++ jni结构体数组传值Java

C++结构体定义，为Nanodet模型识别的结果，将其返回到Java层，其他的结构体定义可以参考依葫芦画瓢。

原创 caffe专题五——回归中——检测框架

一：Bounding-box regression回归1.问题理解(为什么要做 Bounding-box regression？ )如图 1 所示， 绿色的框为飞机的 Ground Truth, 红色的框是 Selective Search 提取的 Region Proposal。 那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU<0.5)， 那么这张图相当于没有正确的...

转载 【无标题】yolact实例分割实战（含训练自己的数据集）[转载]

YOLACT训练自己数据

转载 【无标题】yolact实例分割实战（含训练自己的数据集）

yolact训练自己的数据

转载 999999

yaloct

翻译 深度学习基础loss和目标检测loss总结

各种loss

转载 Backbone、Neck 和 Head

backbone/neck/head

原创 cuda gpu相关汇总

1.Ubuntu16.04:在anaconda下安装pytorch-gpu转自：Ubuntu16.04:在anaconda下安装pytorch-gpu_莫等闲996的博客-CSDN博客1 创建虚拟环境并进入conda create -n pytorch-gpu python=3.6conda activate pytorch-gpu2 下载对应的安装包和配件方法一(推荐)：conda install pytorch-gpuconda install mkl方法二：到

转载 【无标题】移动端深度学习开源框架及部署（对比）

移动端深度学习开源框架及部署 - 凌逆战 - 博客园

转载 Spatial Transformer Networks（STN）

Spatial Transformer Networks（STN）

转载 Pytorch的BatchNorm层使用中容易出现的问题

前言本文主要介绍在pytorch中的Batch Normalization的使用以及在其中容易出现的各种小问题，本来此文应该归属于[1]中的，但是考虑到此文的篇幅可能会比较大，因此独立成篇，希望能够帮助到各位读者。如有谬误，请联系指出，如需转载，请注明出处，谢谢。∇ \nabla ∇ 联系方式：e-mail: [email protected]: 973926198github: https://github.com/FesianXu知乎专栏: 计算机视觉/计算机图形理论与应用

转载 Linux-(C/C++)生成并使用静态库/动态库

静态库/动态库概要在Windows下静态库的后缀为：.lib、动态库后缀为：.dll；而在Linux下静态库的后缀为：.a、动态库的后缀为：.so。那么什么是静态库呢？首先我们来看看程序编译的大体流程：预处理——编译——汇编——链接在我们的项目开发中，有些代码会被反复使用，那么这时我们便可将这些代码编译成库的形式来调用，像静态库就是在可执行文件中包含库代码的一份完整拷贝，但这种方式有个很严重的缺点就是会造成多份冗余拷贝。静态库会在程序的链接阶段被复制到程序中，所以程序在运行后是不会调用静态库的

转载 gcc、clang、make、cmake、makefile、CMakeLists.txt概念学习

说明编译器是翻译代码为计算机语言的一个工具，我们平时写的代码如果想在某个特定的计算机上执行（计算机的cpu构架不同），就需要编译器来对代码进行编译汇编链接，而汇编和链接的过程对于每个不同的平台上过程都不一样。gcc和clang是两个不同的编译器，而make和cmake是搭配编译器来方便用户进行多文件编译而发明的工具。具体解释gcc和clang都是编译器。gcc是GNU Compiler Collection，也称为GNU编译器套件，可以理解为编译器，它可以编译很多种语言：C/C.

转载 Linux常用命令大全（非常全！！！）

Linux常用命令大全（非常全！！！）最近都在和Linux打交道，感觉还不错。我觉得Linux相比windows比较麻烦的就是很多东西都要用命令来控制，当然，这也是很多人喜欢linux的原因，比较短小但却功能强大。我将我了解到的命令列举一下，仅供大家参考：系统信息arch 显示机器的处理器架构uname -m 显示机器的处理器架构uname -r 显示正在使用的内核版本dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)hdparm -i /dev/hd...

转载 【解决问题】OpenCV(3.4.1) Error: Parsing error (xx.yaml(13): Incorrect indentation) in icvYMLParseValue

本博客运行环境为Ubuntu18.04 下 Kdevelop。运行slam的一个cpp文件时，错误描述如下：OpenCV(3.4.1) Error: Parsing error (KITTI00-02.yaml(13): Incorrect indentation) in icvYMLParseValue, file /home/hadoop/opencv-3.4.1/modules/corec/persistence_yml.cpp, line 532 terminate called after

原创 ubuntu android studio SDK emulator directory is missing

ctrl+H，搜索Android studio，把所有的都删除，再次安装即可下载

转载 ubuntu16.04 360随身WiFi2

查看kernel版本，插入360随身WiFi2，打开终端，执行下面命令即可。-------------------------------------------------------------------------------------------------------------From your kernel version, 4.2.0-16, it appears that you are running Ubuntu 15.10. The driver mt7601u is a

转载 各类数据集整理（持续更新中ing）

转自：https://zhuanlan.zhihu.com/p/84088095最近一次新增：2020.02.11大家好，先给各位抱拳了！我是和鲸（科赛http://kesci.com）的运营一枚，今天给大家分享以下我们（通过网线）奔波世界各地搜集过来的数据集们！大家有想要的也可以在评论区许愿，我去求捞数据集的小哥哥小姐姐们帮帮忙另外打一波硬广，以下所有数据集都可以在和鲸（科赛...

原创 TensorFlow numpy等基础运算

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom tensorflow import kerasp...

原创 TensorFlow tf.control_dependencies

import tensorflow as tfa_1 = tf.Variable(1)b_1 = tf.Variable(2)update_op1 = tf.assign(a_1, 10)add = tf.add(a_1, b_1)a_2 = tf.Variable(1)b_2 = tf.Variable(2)update_op2 = tf.assign(a_2, 10)wit...

转载 python中的闭包

谈谈对Python中闭包的理解Python中的闭包是一个比较模糊的概念，有很多朋友都认为不好理解，但是随着深入学习，就会发现闭包无论如何都是需要去理解的，下面我将自己对闭包的理解进行阐述，希望能够对你有所帮助 ~闭包的理解我们可以将闭包理解为一种特殊的函数，这种函数由两个函数的嵌套组成，且称之为外函数和内函数，外函数返回值是内函数的引用，此时就构成了闭包。闭包的格式下面用伪代码进行闭...

转载 三维点云目标提取总结（续）

三维点云目标提取（续）3.三维点云目标提取3.1一般流程先根据个人认识总结一下目标提取的一般性步骤：如上所示，三维点云的目标提取关键性的两步即为：特征提取与选择、分类，是不是整个方法流程与图像中的目标识别有点像。本质上看，凡是涉及到目标识别，其方法流程大体是相同的。为什么要搞特征提取，因为我们要识别的目标一般是在一个大场景下，各种目标相互混杂，既然要对某个目标进行识别，当然就需要有一...

转载 使用Caffe进行手写数字识别执行流程解析

之前在 http://blog.csdn.net/fengbingchun/article/details/50987185中仿照Caffe中的examples实现对手写数字进行识别，这里详细介绍下其执行流程并精简了实现代码，使用Caffe对MNIST数据集进行train的文章可以参考 http://blog.csdn.net/fengbingchun/article/details/6806...

转载 图像处理基础——灰度共生矩阵

标准定义如下：对于取定的方向θ 和距离 d, 在方向为θ的直线上, 一个像元灰度为 i, 另一个与其相距为 d像元的灰度为 j 的点对出现的频数即为灰度共生矩阵第(i, j)阵元的值。怎样理解呢？看起来好复杂呀 呜呜呜小白理解：灰度共生矩阵就是整幅图像中，按照一定的平移方向，相距为d的两个像素同时出现的联合概率密度分布。怎么样？还是没办法深入理解那就上图吧怎样理解呢？...

转载 Halcon中OCR的实现及关键函数解析

OCR的实现共分为两步，1是使用字符数据来训练OCR。2是使用OCR进行字符的识别。训练分类器　　训练分类器共分为4步：1是使用阈值来分割字符区域；2是调用append_ocr_trainf函数将字符加入训练集；3是创建分类器；4是调用trainf_ocr_class_mlp函数来训练分类器。*对字符进行训练得到分类器TrainingNames := ['F','M...

转载 常用激活函数（激励函数）理解与总结

引言学习神经网络的时候我们总是听到激活函数这个词，而且很多资料都会提到常用的激活函数，比如Sigmoid函数、tanh函数、Relu函数。那么我们就来详细了解下激活函数方方面面的知识。本文的内容包括几个部分：什么是激活函数？激活函数的用途（为什么需要激活函数）？有哪些激活函数，都有什么性质和特点？应用中如何选择合适的激活函数？如果你对以上几个问题不是很清楚，下面的内容对你是有价值的。...

转载 基于HALCON的模板匹配方法总结

转自：http://m.blog.csdn.net/blog/u012913847/35549923很早就想总结一下前段时间学习HALCON的心得，但由于其他的事情总是抽不出时间。去年有过一段时间的集中学习，做了许多的练习和实验，并对基于HDevelop的形状匹配算法的参数优化进行了研究，写了一篇《基于HDevelop的形状匹配算法参数的优化研究》文章，总结了在形状匹配过程中哪些参数影响...

原创 从离散值中把值相近的放在一起

//30根细条得到30个长度值，选择出现值相近且出现次数最多的，算其均值作为输出#include <iostream>using namespace std;int main(){ double dRawdata[5] = {1.1,1.2,1.3,2.5,3.2};//先升序排序 double dSort[5][5] = {0}; double* p = dRawd...

转载 车流检测之halcon光流法算法实现

* This example program shows how to use optical_flow_mg to compute the optical flow in an image sequence and how to segment the optical flow.*这个示例程序显示了如何使用._flow_mg来计算图像序列中的光流，以及如何分割光流。dev_update_...

转载 3D bin picking（散乱零件抓取）

转载 转 C++宏定义详解

来自：传送门C++宏定义详解一、#define的基本用法 #define是C语言中提供的宏定义命令，其主要目的是为程序员在编程时提供一定的方便，并能在一定程度上提高程序的运行效率，但学生在学习时往往不能 理解该命令的本质，总是在此处产生一些困惑，在编程时误用该命令，使得程序的运行与预期的目的不一致，或者在读别人写的程序时，把运行结果理解错误，这对 C语言的学习很不利。1　...

转载 为什么要使用工厂模式

工厂的作用相当于帮助我们完成实例化的操作。优势1：一般在代码中，实例化一个类A是直接new A（），假如类A是一个完全独立的类，没有相似类，则没有必要使用工厂模式，直接new A（）没有毛病。但是如果类A本身有一个相似类B，而在实际使用类A或者类B的实例时，如果关心的是类A与类B的共同部分，则工厂模式就可以体现出它的优势。比如调用数据库，所有的数据库都有插入操作insert:inter...

转载 深入理解卷积层，全连接层的作用意义

有部分内容是转载的知乎的，如有侵权，请告知，删除便是，但由于是总结的，所以不一一列出原作者是who。再次感谢，也希望给其他小白受益。首先说明：可以不用全连接层的。理解1：卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。因为用到了所有的局部特征，所以叫全连接。理解2：从卷积网络谈起，卷积网络在形式上有一点点像咱们正在召开的“人民代表大会制度”...

转载 caffe专题五——回归中——检测框架

https://blog.csdn.net/runner668/article/details/80436850

转载 如何在VMWare的Ubuntu虚拟机中设置共享文件夹

亲测有效：Ubuntu18.04 LTS、虚拟机VMware® Workstation 14 Pro14.1.3 build-9474260、Window7自己的第一篇博文，由于时（shuǐ）间（píng）原（yǒu）因（xiàn），不知道怎么排版好看，所以诸位就暂且将就一下吧。注：笔者这里用的VMWare版本是14.0.0，但下面要讲到的方法其实在更早的版本中也是亲测可用的。1.依...

转载 CNN的发展历史（LeNet,Alexnet,VGGNet,GoogleNet,ReSNet）

欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。关于卷积神经网络CNN，网络和文献中有非常多的资料，我在工作/研究中也用了好一段时间各种常见的model了，就想着简单整理一下，以备查阅之需。如果读者是初接触CNN，建议可以先看一看“Deep Learning（深度学习）学习笔记整理系列”中关于CNN的介绍[1]，是介绍我们常说的Lenet为例，相信会对...

转载 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN

object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。【R-CNN：Region-based Convolutional...