- 博客(754)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【python】multiprocess：修改已有键值对
修改字典往 multiprocess.Manager().dict() 里面加入新的键值对没问题，但是修改已有键值对的value就会报错。 这是因为：只能换新，不能修：无法进入 self.dict[key] 下面进行修正，只能完全替换最上层的键值对。参考：【Python多进程】Manager中的dict深层定义无效python多进程变量Manager.dict() | 深度赋值无效问题解决...
2021-09-15 00:18:44
445
原创 ValueError: tile cannot extend outside image
原因由于输入图片中存在w=0或h=0的情况导致的，触发了PIL的检查机制。解决加验证：if w < 10 or h < 10: continue
2021-09-15 00:14:21
1804
原创 【python】生成图片对应的md5
代码import hashlibdef img_to_md5(_path): fd = open(_path, 'rb') fmd5 = hashlib.md5(fd.read()).hexdigest() fd.close() return fmd5即使是在原有的图片上点一个小黑点，也会造成md5的改变。
2021-09-15 00:12:43
2199
原创 安装pod
1. 安装pod：macOS Catalina 10.15 十分钟安装 CocoaPods2. 安装Cocoapods插件：略。3. 测试是否安装成功：每次切新分支或者更新版本号的时候都要重新执行一遍：pod update
2021-09-15 00:10:33
865
原创 M1编译opencv
普通mac编译opencv：mkdir buildcd build/cmake -D CMAKE_BUILD_TYPE=RELEASE ..make -j8sudo make installM1编译opencv：mkdir buildcd build/cmake -DCMAKE_SYSTEM_PROCESSOR=arm64 -DCMAKE_OSX_ARCHITECTURES=arm64 -D CMAKE_BUILD_TYPE=RELEASE ..make -j8sudo make i
2021-09-15 00:07:34
947
原创 【linux】机器间传数据
1. 获取始发机器和目的机器的公钥：cat ~/.ssh/id_rsa.pub2.两台机器互相把自己的公钥贴到对方的 ~/.ssh/authorized_keys 里（若文件不存在，则新建之）3.两台机器都执行如下操作：chmod -R 700 ~/.ssh/chmod 600 ~/.ssh/authorized_keys4.查看目标机器的 hostname:hostname5.传输数据的两种方法：记得 要在始发机器操作（不要在目的机器操作）！建议对小文件较多的文件夹先压缩再传输，
2021-09-15 00:01:40
135
原创 【git】本地与远程冲突
如果本地和远程冲突了，打算无条件把本地所有地方都变得和远程一模一样：git fetch --all && git reset --hard origin/master && git pullwindows下需要把三行指令拆开来：git fetch --allgit reset --hard origin/mastergit pull...
2021-09-14 23:54:04
360
原创 CPU档次
安卓高通骁龙（占有率第一）6字头算中低端。8字头算高端。华为海思（占有率第二）略。联发科（占有率极低）略。苹果A系列A10：iphone7。A11：iphone8 / iphoneX。A12：略。A13：iphone11 / iphoneSE2。常见的测试机型类型机型系统 cpu型号ios低端机型iphone 6sios A9ios高端机型iphone 11ios A13android低端机型荣耀7candroid 骁龙45
2021-09-14 23:51:44
224
原创 可道云使用
启动：sudo /opt/lampp/lampp start关闭：sudo /opt/lampp/lampp stop参考文档：kalcaddle/KodExplorerUbuntu服务器上部署kodexplorer私有云盘个人云盘kodexplorer安装
2021-09-14 23:38:54
849
原创 可道云安装
安装包准备准备好安装文件：kodexplorer/ ├── kodexplorer.zip └── xampp-linux-x64-5.6.35-0-installer.run安装xampp：cd kodexplorer/sudo chmod +x xampp-linux-x64-5.6.35-0-installer.runsudo ./xampp-linux-x64-5.6.35-0-installer.run安装kodexplorer：unzip kodexplorer.zip
2021-09-14 23:37:15
710
原创 ffmpeg常用操作
mov转成mp4：ffmpeg -i A.mov -vcodec libx264 -s 720x1280 -preset fast -crf 22 -y -acodec copy A.mp4mp4降分辨率：ffmpeg -i A.mp4 -vf scale=1280:720 A_new.mp4 -hide_banner
2021-09-14 16:58:14
123
转载 ffmpeg缩放视频尺寸
转载自：ffmpeg缩放视频尺寸简单重新缩放如果您只需将视频大小调整为特定大小（例如320⨉240），则可以使用最基本形式的缩放滤镜：ffmpeg -i input.avi -vf scale = 320：240 output.avi同样适用于图像：ffmpeg -i input.jpg -vf scale = 320：240 output_320x240.png保持宽高比如果我们想保持纵横比，我们只需要指定一个组件（宽度或高度），并将另一个组件设置为-1。例如，这个命令行：ffmpeg -
2021-09-14 16:52:07
4508
原创 语义分割LeaderBoard
Semantic Segmentation on Cityscapes test：榜首是 HRNet-OCRNet：
2021-09-14 16:29:43
146
原创 Pixel accuracy
Pixel accuracy是2007年PASCAL VOC语义分割任务开始使用的分割质量评估方法。该方法是不对称的，且对预测mask大于ground truth mask的情况得分比较高，因此近年来不再使用。
2021-09-06 03:51:01
621
原创 MIoU，Mean IoU，Mean Intersection over Union，均交并比
（Mean IoU，Mean Intersection over Union，均交并比，交集 / 并集），也就是语义分割中所谓的 Mask IoU 。MIoU：计算两圆交集（橙色TP）与两圆并集（红色FN+橙色TP+黄色FP）之间的比例，理想情况下两圆重合，比例为1。...
2021-09-06 03:49:09
2042
原创 棋盘效应(Checkerboard Artifacts)
定义：棋盘效应是由于反卷积的“不均匀重叠”（Uneven overlap）的结果。使图像中某个部位的颜色比其他部位更深：具体原因：在反卷积操作时，如果卷积核（Kernel）大小不能被步长（Stride）整除时，反卷积输出的结果就会不均匀重叠：在二维情况下棋盘效应更为严重，如下：原则上，网络可以通过训练调整权重来避免这种情况。解决方法就是注意调整好卷积核（Kernel）大小与步长（Stride）的关系。不重叠（图a: kernel <= stride）与均匀..
2021-09-06 03:45:38
9247
原创 条件随机场（Conditional Random Field，CRF）
完全连接的CRF在双线性插值后应用于网络输出上。CRF是一个后阶段的处理过程，它使DeepLabv1和DeepLabv2变为不是端到端的学习框架。不在DeepLabv3和DeepLabv3 +中被弃用。输入的是原图和mask，对输出结果做一个融合微调，使得分割结果更精准。CRF能够稳定提效，但是极其耗时。只有完全不考虑实效性的刷版才会使用到。要用的话，推荐用全连接条件随机场（DenseCRF）。【总结】图像语义分割之FCN和CRF...
2021-09-06 03:41:45
675
原创 带孔空间金字塔池化（ASPP）
在DeepLab中，采用空间金字塔池化模块来进一步提取多尺度信息，这里是采用不同rate的空洞卷积来实现这一点。ASPP模块主要包含以下几个部分：（1）一个1×1卷积层，以及三个3x3的空洞卷积，对于output_stride=16，其rate为(6, 12, 18) ，若output_stride=8，rate加倍（这些卷积层的输出channel数均为256，并且含有BN层）；（2）一个全局平均池化层得到image-level特征，然后送入1x1卷积层（输出256个channel），..
2021-09-06 03:38:44
2743
原创 空洞卷积（Atrous/Dilated Convolution）
由Deeplabv1提出的。有两种实现方式：一，卷积核填充0。二，输入等间隔采样。扩张率(dilation rate)，也叫空洞数(Hole Size)。标准卷积可以看做空洞卷积rate=1（Note：rate=2表示中间空洞间隙为1）的特殊形式。中间的空洞间隙，计算感受野的时候，也属于感受野的有效范围。（单个卷积的感受野计算公式：[(rate-1)(k-1) + k] ** 2 ，其中(rate-1)(k-1) 是因为空洞而新增加的边长增量）作用..
2021-09-06 03:35:00
2279
原创 跨层连接（Skip Layer）
提出于FCN。如果将全卷积之后的结果直接上采样得到的结果是很粗糙的，所以将不同池化层的结果进行上采样之后来优化输出：不同上采样结构得到的结果对比举例如下（FCN）：也可以将pool1， pool2的输出再上采样输出。但作者说了这样得到的结果提升并不大。（实际实验过发现也确实是这样的！）...
2021-09-06 03:28:45
1293
原创 反卷积（Deconvolution）/ 转置卷积（Transpose Convolution）
提出于FCN。反卷积和卷积类似，都是相乘相加的运算。只不过后者是多对一，前者是一对多。而反卷积的前向和后向传播，只用颠倒卷积的前后向传播即可。所以无论优化还是后向传播算法都是没有问题。图解如下：...
2021-09-06 03:26:52
587
原创 论文阅读: 2104.STDC
2104.13188：Rethinking BiSeNet For Real-time Semantic Segmentation创新点Short-Term Dense Concatenate（STDC）：在 BiSeNet（context path + spatial path）的基础上，对有效但极耗时的 spatial path 进行了 去冗余 。逐步降低特征图的维度，并利用它们的聚合来表示图像，以此形成 STDC 网络的基本模块。在解码器中，通过将空间信息的学习以 sin
2021-09-06 03:24:50
265
原创 论文阅读: 2104.Lite-HRNet
2104.06403：Lite-HRNet: A Lightweight High-Resolution Network创新点结构设计：在HRNet中用 shuffle block 替换 res block，得到了Naive Lite-HRNet。基于HRNet多尺度信息丰富的特性，加入了多尺度信息交互，并通过pooling的方法，降低了Shuffle Block中的1*1 Conv的计算复杂度。动机：为了做一个高分辨率的轻量化HRNet网络。采用类似的思路，在HRNe
2021-09-06 03:21:14
441
原创 论文阅读: 2103.Boundary IoU
2103.16562：Boundary IoU: Improving Object-Centric Image Segmentation Evaluation动机Mask IoU对于大物体边界的分割质量不敏感：随着物体尺寸的增加，物体内部像素数量以二次方形式增加，而物体边界像素数量以线性形式增加，导致尺寸越大的物体，边界像素占总像素的比重越小。当物体内部像素被正确分割时，即使边界像素分割质量不好，Mask IoU的值也比较高。下图中横轴表示物体面积，纵轴表示Mask IoU的值；左图和右图分别
2021-09-06 03:17:39
500
原创 论文阅读: 2005.U2Net
2005.09007：U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection该网络用于轻量级的 SOD（显著目标检测，Salient Object Detection），能够取得出色的效果，同时模型文件较小，更适合于移动设备。创新点U-shape套娃：原有的U-shape架构套娃U-shape子架构，最终能取得十分出色的效果：原文表示甚至还能继续往下套娃（不过会too complicat
2021-09-06 03:10:36
306
原创 论文阅读: 2002.SFNet
2002.10120：Semantic Flow for Fast and Accurate Scene Parsing创新点FAM（Flow Alignment Module，流对齐模块）。受光流的启发，提出一种语义流对齐的方法，可以解决在使用双线性插值进行上采样时所出现的对不齐问题。低分辨率的高级特征图上的语义信息很好地流向了高分辨率的低级特征图中。通过丢弃空洞卷积来减少计算开销并利用流对齐模块来丰富低层特征的语义表示，使网络能够在语义分割精度和运行时间效率之间实现了最佳的
2021-09-06 03:02:58
747
原创 论文阅读: 1912.PointRend
1912.08193：PointRend: Image Segmentation as Rendering中心思想上采样过程中不断迭代（一般是迭代5次upsample_2x）的均匀采样是导致分割边缘不精细的原因：规则网格（regular grid）会导致原本需要特殊关照的、所占像素区域极小的高频（重要）区域（非平滑边缘）被无差别对待。对每次的上采样做一个精修后处理：在不增加分辨率的前提下，可以借鉴计算机图像学中的图像渲染思想，设计新module，以迭代渲染出更高质量的分割图。图像渲染
2021-09-06 03:00:06
289
原创 论文阅读: 1911.SINet
1911.09099：SINet: Extreme Lightweight Portrait Segmentation Networks with Spatial Squeeze Modules and Information Blocking DecoderSINet 侧重于在提升人像分割网络的速度。网络结构网络框架主要分为两部分：包含 空间压缩模块（spatial squeeze module）的编码器。空间压缩模块（spatial squeeze module）：在 shuf
2021-09-06 02:49:32
415
原创 论文阅读: 1909.OCRNet
1909.11065：Segmentation Transformer: Object-Contextual Representations for Semantic Segmentation创新点OCR：聚合 “对象上下文信息“（Object-Contextual Representations）的分割head。因为像素的标签是像素所在的对象的标签，可通过相应的粗分割对象区域信息，对粗分割进行后处理（来增强像素特征的描述）。提出的OCR方法不同于传统的多尺度上下文方案：OCR将相同
2021-09-06 02:43:24
687
原创 论文阅读: 1908.HRNetv1
1908.07919：Deep High-Resolution Representation Learning for Visual Recognition创新点一种全新的网络架构思想：以前的模型都是下采样后再上采样，采用低分辨率到高分辨率的处理来达到预期的高分辨率表示。而HRNet能够在网络整个过程中保持特征的高分辨率表示：一直维持高分辨率分支，通过融合低分辨率分支上采样带来的high level信息，达到重复多尺度信息的融合。可以使得heatmap在空间上预测关节点更准确。
2021-09-06 02:35:05
192
原创 论文阅读: 1904.HRNetv2
1904.04514：High-Resolution Representations for Labeling Pixels and Regions待补充。
2021-09-06 02:28:17
158
原创 论文阅读: 1904.DFANet
1904.02216：DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation创新点特征聚合：将子网络、子层级的有区分力的特征分别进行聚合。尺度间的特征聚合包含两个阶段：首先，将从 backbone 中抽取得到的高层特征重复利用，来解决语义信息和结构细节的gap。其次，将网络的处理过程的不同阶段所获得的特征进行组合，来提高特征的表达能力。性能实际上这种网络因为结构太复杂，并不能实时（好多论文
2021-09-06 02:26:50
185
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人