- 博客(1159)
- 资源 (56)
- 收藏
- 关注
原创 gflags.lib(gflags.obj) : error LNK2001: 无法解析的外部符号 __imp_PathMatchSpecA
问题描述:在用gflags库时,生成提示错误:gflags.lib(gflags.obj) : error LNK2001: unresolved external symbol __imp__PathMatchSpecA解决办法:Add “shlwapi.lib” to “Project - Property - Linker - Input - Additional Dependencies”.即 项目属性 -》链接器-》输入-》附加依赖项-》加上shlwapi.lib...
2021-11-11 08:30:59 672
原创 Win10 下Visual Studio 2017源码编译Paddle
Win10 下Visual Studio 2017源码编译Paddle1.准备工作Visual Studio 2017 Python 3.8.10 CMake 3.22.0-rc2 熟悉官方文档:Windows下从源码编译-使用文档-PaddlePaddle深度学习平台Windows 7/8/10 专业版/企业版 (64bit) GPU版本支持CUDA 10.1/10.2/11.0/11.2,且仅支持单卡 Python 版本 3.6+/3.7+/3.8+/3.9+ https://www.p.
2021-11-10 10:18:26 1246
转载 PaddleOCR问题汇总(2)
PaddleOCR问题汇总Q3.1.64: config yml文件中的ratio_list参数的作用是什么?A: 在动态图中,ratio_list在有多个数据源的情况下使用,ratio_list中的每个值是每个epoch从对应数据源采样数据的比例。如ratio_list=[0.3,0.2],label_file_list=['data1','data2'],代表每个epoch的训练数据包含data1 30%的数据,和data2里 20%的数据,ratio_list中数值的和不需要等于1。rat
2021-11-07 23:02:45 8129
转载 PaddleOCR问题汇总(1)
PaddleOCR问题汇总Q2.3.25: 图像正常识别出来的文字是OK的,旋转90度后识别出来的结果比较差,有什么方法可以优化?A: 整图旋转90之后效果变差是有可能的,因为目前PPOCR默认输入的图片是正向的; 可以自己训练一个整图的方向分类器,放在预测的最前端(可以参照现有方向分类器的方式),或者可以基于规则做一些预处理,比如判断长宽等等。Q3.1.78: 在线demo支持阿拉伯语吗?A: 在线demo目前只支持中英文, 多语言的都需要通过whl包自行处理。Q3.1.79:
2021-11-07 22:08:54 3890
转载 Markdown 官方教程
Markdown 官方教程Markdown 是一种轻量级标记语言,它允许人们使用易读易写的纯文本格式编写文档,Markdown文件的后缀名便是“.md”。Markdown 标题语法要创建标题,请在单词或短语前面添加井号 (#) 。#的数量代表了标题的级别。例如,添加三个#表示创建一个三级标题 (<h3>) (例如:### My Header)。Markdown语法 HTML 预览效果 # Heading level 1 <h1>Headin...
2021-11-05 09:59:06 641
原创 sudo apt-get update 与upgrade的用法
sudo apt-get update 与upgrade的用法在windows下安装软件,我们只需要有EXE文件,然后双击,下一步直接OK就可以了。但在LINUX下,不是这样的。每个LINUX的发行版,比如UBUNTU,都会维护一个自己的软件仓库,我们常用的几乎所有软件都在这里面。这里面的软件绝对安全,而且绝对的能正常安装。那我们要怎么安装呢?在UBUNTU下,我们维护一个源列表,源列表里面都是一些网址信息,这每一条网址就是一个源,这个地址指向的数据标识着这台源服务器上有哪些软件可以安装使用。编辑源
2021-09-25 19:57:11 10941
原创 Ubuntu下增加Python的PATH环境变量
Ubuntu下增加Python的PATH环境变量1. Ubuntu专有方式编辑 /etc/ld.so.conf 文件,如果以下语句不存在,则加入:include /etc/ld.so.conf.d/*.conf然后在/etc/ld.so.conf.d下边新建一个以 .conf 结尾的文件。在新建的 .conf 文件中写入需要设置的 path,例如:~/mypath/bin2. 用户目录下的 .bashrc 文件在用户主目录下,有一个 .bashrc 文件,编辑该文件:$s
2021-09-23 21:26:45 6257
转载 HALCON: 本地程序函数(.hdev或.dev)、HDevelop函数文件或外部函数(.hdvp)及库函数(.hdpl)使用详解
以Halcon17版本为例,其对算子的打包方式分为以下三种:本地程序函数,后缀名:.hdev或.dev HDevelop函数文件,后缀名:.hdvp 库函数,后缀名:.hdpl本地程序函数将可以实现某一个功能的一系列算子打包成一个函数,其作用域只是当前程序,不可被其它程序使用,该函数称为本地程序函数。当程序过于庞大时,通过将各个功能模块打包成本地函数的方式,可以使算法逻辑更加清晰。其打包方式为:选中所有要打包的算子——单击鼠标右键,选择“创建新函数”——“类型”一栏,选择“本地程序函数”—
2021-09-18 13:27:32 2769
原创 for循环中++i 和 i++ 的区别
for循环中++i 和 i++ 的区别for (语句1; 语句2; 语句3){ 被执行的代码块} 根据for循环的语法定义 ++i 和 i++的结果是一样的,都要等代码块执行完毕才能执行语句3,但是性能是不同的。在大量数据的时候++i的性能要比i++的性能好原因:i++由于是在使用当前值之后再+1,所以需要一个临时的变量来转存。而++i则是在直接+1,省去了对内存的操作的环节,相对而言能够提高性能....
2021-09-15 10:01:32 770
原创 HALCON 20.11:学习笔记---一维测量(Measuring)
HALCON 20.11:学习笔记---一维测量(Measuring)本章主要提供有关一维测量的信息。一维测量的概念通过一维测量可以沿着预定义的线或弧定位从亮到暗或从暗到亮的过渡边缘。这使您可以快速、轻松地高精度测量零件的尺寸。注意,如果您想要测量几何图元(如圆、椭圆、矩形或线)的尺寸,并且位置、方向和几何形状的近似值是已知的,那么二维测量可能是一个合适的替代方法。沿着直线(1)或弧线(2)测量边缘和它们之间的距离下面简要介绍使用一维测量所需的步骤。生成测量对象首先,必须生成
2021-08-14 10:53:44 2404
原创 Qt Creator 自动补齐变慢的解决
Qt Creator 自动补齐变慢的解决在“帮助->关于插件”选项卡中,取消“DeviceSupport”,如下图:
2021-08-05 16:33:45 532
原创 HALCON 20.11:如何处理标定助手品质问题
HALCON 20.11:如何处理标定助手品质问题在“品质问题”选项下,您可以得到每个图像的评估,其中包括缺陷图像特征描述以及问题严重程度的质量分数百分比。结果为0%表示图像特征有很大缺陷,而100%表示图像特征有理想质量。这可以帮助您通过删除质量不够好可能导致标定过程有较高错误率的图像,来提高您的标定结果。如果您需要某个质量级别,您可以设置“警告级别”,缺陷将列在“品质问题”下。通过“图像测试”和“序列测试”来检测品质问题。如果希望程序运行得更快,或者不需要质量反馈,可以将“图像测试”和“序列测试
2021-08-05 11:33:26 2165
原创 HALCON 20.11:标定助手使用注意事项
HALCON 20.11:标定助手使用注意事项标定过程中需要保持相机(光圈、焦距、位姿)固定。 标定板有两种:六角形排列标定板(.cpd文件)和矩形排列标定板(.descr文件)。 透明标定板可用于需要背光照明的应用场合。 六角形排列标定板应该填充整个图像,矩形排列标定板应该填充图像的四分之一。 标定过程中,首先需要改进的是图像质量。 标定助手中,相机参数指的是相机内部参数,如焦距,像元尺寸(宽/高)等;外部参数指的是相机相对于世界坐标系的位置和旋转角度等。 初次标定时,可以直接选择完全标定
2021-08-05 11:21:56 2035
原创 Windows系统System32目录的访问权限问题
在Windows 64位系统上运行32位程序往System32拷贝文件时,系统默认重定向到对应的SysWOW64目录。
2021-06-25 18:22:43 2361
转载 Python:__all__变量用法
当我们向文件导入某个模块时,导入的是该模块中那些名称不以下划线(单下划线“_”或者双下划线“__”)开头的变量、函数和类。因此,如果我们不想模块文件中的某个成员被引入到其它文件中使用,可以在其名称前添加下划线。...
2021-06-14 21:06:57 155
原创 Python编译、运行、反编译pyc文件
Python 并非完全是解释性语言,它也存在编译。先将源码文件 *.py 编译为 *.pyc,然后由 Python 的虚拟机执行。相对于 *.py 文件来说,编译为 *.pyc本质上和 *.py 没有太大区别,只是提高了模块的加载速度,并没有提高代码的执行速度。...
2021-06-13 23:31:26 801
原创 PaddleClas模型训练/评估:数据准备
本文档介绍ImageNet1k和flowers102数据准备过程。数据集 训练集大小 测试集大小 类别数 备注 flowers102 1k 6k 102 ImageNet1k 1.2M 50k 1000
2021-06-09 22:50:16 681
原创 QVector的内存释放
QVector的内存释放QVector的内存释放分两种情况:如果T为非指针类型,那么直接使用QVector的clear方法就可以释放内存; 如果T为指针类型,直接使用clear方法将不能释放内存。这个时候可以使用void qDeleteAll ( const Container & c )函数来释放所占用的内存。...
2021-04-17 12:50:41 2435
原创 TensorFlow 2 Object Detection API 教程: model 命名规则
TensorFlow 2 Object Detection API 教程: model 命名规则COCO-trained models {#coco-models}TensorFlow 2 Object Detection API 预训练的model 命名规则如下:目标检测算法_特征提取网络_训练数据集.例如:ssd_mobilenet_v1_fpn_640x640_coco17_tpu-8.tar.gz的意思是:该模型使用了SSD(Single Shot Multibox Detector
2021-03-28 14:27:12 434
原创 matplotlib: 有关 Backend 的说明
matplotlib: 有关 Backend 的说明什么是Backend?Matplotlib针对许多不同的用例和输出格式。有些人在python shell中交互式地使用Matplotlib,并在键入命令时弹出绘图窗口。有些人使用木星笔记本,绘制内联图来快速分析数据。还有一些人将Matplotlib嵌入到图形用户界面中,如PyQt或PyGObject,以构建丰富的应用程序。有些人在批处理脚本中使用Matplotlib从数值模拟中生成postscript图像,还有一些人运行web应用程
2021-03-27 22:59:47 2891
原创 TensorFlow 2 Object Detection API 教程: 安装
TensorFlow 2 Object Detection API 教程本教程针对的是TensorFlow 2.4,它是TensorFlow 2.x的最新稳定版本。这是一个循序渐进的教程/指南,设置和使用TensorFlow’s Object Detection API来执行,即在图像/视频中的对象检测。我们将在本教程中使用的软件工具如下表所示: OS Windows, Linux Python 3.8.8
2021-03-27 20:44:47 3660 1
原创 如何解决: ModuleNotFoundError: No module named ‘object_detection‘
如何解决: ModuleNotFoundError: No module named 'object_detection'运行TensorFlow 2 Object Detection API时,显示错误:ModuleNotFoundError: No module named ‘object_detection’需在“models\research\object_detection\packages\tf2”目录下执行:python setup.py install可解决该问题。
2021-03-27 20:42:02 6503
原创 CMake编译protobuf
CMake编译protobuf1.从网址https://github.com/protocolbuffers/protobuf/tree/v3.15.6下载protobuf;下载后得到压缩文件:protobuf-all-3.15.6.zip;2. 将protobuf-all-3.15.6.zip 解压得到文件夹protobuf-all-3.15.6;3.新建文件夹:protobuf-3.15.6;4. 以管理员身份运行CMake,按下图配置后,点击“Configure”,完成配置。...
2021-03-27 19:12:21 2199
原创 PyTorch: 各种图像格式相互转化
PyTorch: 各种图像格式相互转化我们一般在PyTorch或者Python中处理的图像无非这几种格式:PIL:使用Python自带图像处理库读取出来的图片格式; numpy:使用python-opencv库读取出来的图片格式; tensor:pytorch中训练时所采取的向量格式(当然也可以说图片).注意,本文所述图片格式皆为RGB三通道,24-bit真彩色,也就是我们平常使用的图片形式。下述代码均引用了:import cv2import torchfrom PIL impo
2021-03-23 13:54:02 1968
原创 All xxx functions were compiled because no usable IPDB/IOBJ from previous compilation was found.
All xxx functions were compiled because no usable IPDB/IOBJ from previous compilation was found.解决办法:
2021-03-20 22:49:51 2833
原创 如何解决string转CString乱码问题?
如何解决string转CString乱码问题?string str = “hello”;CString cstr = (CString)str.c_str();
2021-03-16 22:48:26 833
原创 PyTorch: TORCHVISION.TRANSFORMS
PyTorch: TORCHVISION.TRANSFORMS变换是常见的图像变换。可以使用Compose将它们链接在一起。此外,还有torchvision.transforms.functional模块。函数转换提供对转换的细粒度控制。如果你需要构建一个更复杂的转换管道(例如,在分割任务的情况下),这非常有用。所有的转换都接受PIL图像,张量图像或批张量图像作为输入。张量图像是一个具有(C, H, W)形状的张量,其中C是一些通道,H和W是图像的高度和宽度。Batch of Tens.
2021-03-14 23:53:57 797
原创 Python: 从PYTORCH导出模型到ONNX,并使用ONNX运行时运行它
Python: 从PYTORCH导出模型到ONNX,并使用ONNX运行时运行它本教程我们将描述如何将PyTorch中定义的模型转换为ONNX格式,然后使用ONNX运行时运行它。ONNX运行时是一个针对ONNX模型的性能关注引擎,它可以高效地跨多个平台和硬件(Windows、Linux和Mac以及cpu和gpu)进行推理。ONNX运行时已被证明在多个模型上显著提高了性能。对于本教程,您将需要安装ONNX和ONNX运行时。您可以使用pip install ONNX onnxruntime获得ONNX
2021-03-14 10:46:21 15985 1
原创 Python: 如何安装 torch 对应的 torchvision 版本?
Python: 如何安装 torch 对应的 torchvision 版本?参考链接:https://pytorch.org/get-started/locally/选择合适的版本:运行命令:pip install torch===1.7.1 torchvision===0.8.2 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html即可安装 torch 对应的 torchvision 版本
2021-01-28 22:22:39 12541
原创 AdneneBoumessouer / MVTec-Anomaly-Detection学习笔记
AdneneBoumessouer/MVTec-Anomaly-Detection学习笔记GitHub: https://github.com/AdneneBoumessouer/MVTec-Anomaly-Detection本项目提出了一种基于深度学习的图像半监督异常检测和分割的端到端框架。方法概述该方法利用重建图像与输入图像之间的阈值差进行异常定位。The threshold is determined by first using a subset of anomalous-f..
2021-01-27 20:00:53 2650
原创 什么是技术档案(Technical Archives)?
什么是技术档案(Technical Archives)?技术档案是企业在运营过程中,在科研、生产、产品开发、技术研制等环节所形成的文字、图纸等的总称。技术档案的分类按照具体对象的不同,技术档案可以分为生产技术档案、产品设计技术档案、仪器设备档案、工程设计技术档案、科学研究技术档案、基本建设技术档案六类。(1) 生产技术档案生产技术档案指在产品制造、加工、装配、检验等生产过程中形成的产品、工艺、化学配方等技术档案,包括图样、工艺路线、工艺规程、工艺装备、说明书、计算书等技术文件材料。(
2020-12-27 11:44:42 2158
原创 HALCON 20.11:深度学习笔记(12)---语义分割
HALCON 20.11:深度学习笔记(12)--- 语义分割HALCON 20.11.0.0中,实现了深度学习方法。本章解释了如何使用基于深度学习的语义分割,包括训练和推理阶段。通过语义分割,我们使用深度学习(DL)网络将输入图像的每个像素分配到一个类。语义分割的例子:输入图像的每个像素都被分配给一个类,但是类“apple”的三个不同实例和类“orange”的两个不同实例都不是不同的对象。语义分割的结果是一个输出图像,其中的像素值表示输入图像中对应像素的指定类别。因此,在HALCO
2020-12-24 19:18:03 8537
原创 HALCON 20.11:深度学习笔记(11)---目标检测
HALCON 20.11:深度学习笔记(11)---目标检测HALCON 20.11.0.0中,实现了深度学习方法。本章讲解了如何使用基于深度学习的对象检测。通过对象检测,我们希望在图像中找到不同的实例,并将它们分配给一个类。实例可以部分重叠,但仍然可以区分为不同的。下面的模式说明了这一点。对象检测的例子: 在输入图像中找到三个实例并分配给一个类对象检测导致两个不同的任务:查找实例并对它们进行分类。为了做到这一点,我们使用一个由三个主要部分组成的组合网络。第一部分,称为主干,由预先训
2020-12-23 22:25:04 11980
原创 HALCON 20.11:深度学习笔记(10)---分类
HALCON 20.11:深度学习笔记(10)---分类HALCON 20.11.0.0中,实现了深度学习方法。本章解释了如何在训练和推理阶段使用基于深度学习的分类。基于深度学习的分类是一种对一幅图像分配一组置信值的方法。这些置信度值表明图像属于每个可分辨类的可能性有多大。如果我们只考虑顶部的预测,分类就是在给定的类集合中指定一个特定的类给一幅图像。下面的模式说明了这一点。分类示例: 网络区分三个类别. 输入图像获得三个可分辨类的置信值:“apple”0.85、“lemon”0.03和“
2020-12-22 23:31:00 2210 1
原创 HALCON 20.11:深度学习笔记(9)---异常检测
HALCON 20.11:深度学习笔记(9)---异常检测HALCON 20.11.0.0中,实现了深度学习方法。本章解释了如何使用基于深度学习的异常检测。通过异常检测,我们想要检测图像是否包含异常。异常指的是偏离常规的、未知的东西。异常检测的例子:输入图像的每个像素都被分配了一个值,该值表明该像素是异常的可能性有多大。蠕虫不是模型在训练中看到的无虫苹果的一部分,因此它的像素得到了更高的分数。一个异常检测模型学习没有异常的图像的共同特征。训练后的模型将推断出输入图像只包含学习过的
2020-12-22 22:09:18 5760
原创 HALCON 20.11:深度学习笔记(8)---模型
HALCON 20.11:深度学习笔记(8)---模型HALCON 20.11.0.0中,实现了深度学习方法。本章解释HALCON中深度学习(DL)模型的一般概念和数据处理。从概念上讲,HALCON中的深度学习模型是深度神经网络的内部表示。每个深度神经网络都有一个定义其功能的架构,即它可以用于的任务。对于一个功能可以有多个可能的网络架构。目前,HALCON模型实现了用于以下功能的网络:异常检测,参见深度学习/异常检测。 分类,参见深度学习/分类。 对象检测,参见深度学习/对象
2020-12-20 21:42:56 3900
原创 HALCON 20.11:深度学习笔记(7)---术语表
HALCON 20.11:深度学习笔记(7)---术语表HALCON 20.11.0.0中,实现了深度学习方法。下面,我们将描述深度学习环境中使用的最重要的术语:anchor (锚)Anchors are fixed bounding boxes. They serve as reference boxes (参考框), with the aid of which the network proposes bounding boxes for the objects to be localize
2020-12-20 17:51:07 1608
原创 HALCON 20.11:深度学习笔记(6)---有监督训练
HALCON 20.11:深度学习笔记(6)---有监督训练HALCON 20.11.0.0中,实现了深度学习方法。不同的DL方法有不同的结果。相应地,它们也使用不同的测量方法来确定网络的“好坏”。在训练一个网络时,不同的模型会有不同的行为和缺陷,我们将在这里进行描述。训练中的验证当涉及到网络性能验证时,重要的是要注意,这不是一个纯粹的优化问题(参见上面的“网络和训练过程”和“设置训练参数”部分)。为了观察训练过程,通常可视化验证措施是有帮助的,如对于分类网络的训练,批样本的误差。由于样
2020-12-19 22:12:03 1682
原创 HALCON 20.11:深度学习笔记(5)---设置超参数
HALCON 20.11:深度学习笔记(5)---设置超参数HALCON 20.11.0.0中,实现了深度学习方法。关于超参数的有关设置内容如下:不同的DL方法被设计用于不同的任务,它们的构建方式也会有所不同。它们都有一个共同点,即在模型的训练过程中都面临着一个最小化问题。训练网络或子网络,一个目标是努力使适当的损失函数最小化,参见“网络和训练过程”一节。为此,有一组进一步的参数,这些参数是在开始训练之前设置的,在训练期间未进行优化。我们将这些参数称为超参数。对于DL模型,您可以设置更改
2020-12-19 21:25:25 3585
原创 HALCON 20.11:深度学习笔记(4)--- 网络和训练过程
HALCON 20.11:深度学习笔记(4)--- 网络和训练过程HALCON 20.11.0.0中,实现了深度学习方法。关于网络和训练过程如下:在深度学习中,任务是通过网络发送输入图像来执行的。整个网络的输出由许多预测组成。例如,对于一个分类任务,预测得到的每个类的置信度,表示图像显示该类实例的可能性有多大。具体的网络会有所不同,特别是从一种方法到另一种方法。一些方法,如对象检测,使用子网络生成特征图(参见下面和深度学习/对象检测中给出的解释)。在这里,我们将解释一个基本的卷积神经网络(CNN
2020-12-19 20:32:20 2596
ePub Reader for Windows.zip
2019-12-23
WinRing0_1_3_1b.zip
2019-06-14
WS2_32库(Win32+Win64)
2019-01-07
Iocomp ActiveX 402SP1
2018-06-28
MATLAB_2017b(删除“.txt”)
2017-12-22
modbuspp-master
2017-12-18
CvvImage.h和CvvImage.cpp
2017-11-04
inttypes.h+stdint.h
2017-10-31
基于OPC规范的客户应用程序实现
2017-08-28
正则表达式 VC
2013-06-01
C++ GUI Programming with Qt 4
2013-05-22
SKINS++ FOR VC
2013-05-20
专业工控控件IOCOMP简介
2013-05-20
VC下配置Halcon
2013-05-16
VS2008 C#下HALCON环境配置
2013-05-16
protobuf-3.15.6(Debug).zip
2021-03-27
protobuf-3.15.6(Release).zip
2021-03-27
cmake-3.19.1-win64-x64.zip
2020-12-16
opencv_contrib-4.4.0.zip
2020-07-21
opencv-4.4.0.zip
2020-07-21
opencv-4.3.0.zip
2020-04-26
opencv_contrib-4.3.0.zip
2020-04-26
ippicv_2020_win_intel64_20191018_general.zip
2020-04-07
ippicv_2020_lnx_intel64_20191018_general.zip
2020-04-07
cpu-z_1.91-cn.exe
2020-01-06
FBReaderSetup-0.12.10.zip
2019-12-24
PDFSplitter.zip
2019-12-22
PDFBinder.zip
2019-12-22
PDFCreator.zip
2019-12-22
Kalman Filtering Theory and Practice Using MATLAB (2015, 4th).pdf
2019-12-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人