- 博客(30)
- 资源 (6)
- 收藏
- 关注
RSS订阅
原创 多目标跟踪MOT16_Benchmark数据集下载-------------送人玫瑰，手留余香
多目标跟踪使用的数据集，可作学习使用！详细介绍链接：https://motchallenge.net/data/MOT16/#downloadMOT16下载地址：链接：https://pan.baidu.com/s/1qs67CWl9JsE9AE7L3j1pFw提取码：fzde复制这段内容后打开百度网盘手机App，操作更方便哦...
2020-06-02 16:28:03
1979
4
原创 配置完整j2ee环境
1. 安装软件链接：https://pan.baidu.com/s/1IJoDRnij4W3aAD3jNa8lMA提取码：51uc复制这段内容后打开百度网盘手机App，操作更方便哦1.1 JDK 1.81.2 eclipse 企业版1.3 Mysql 数据库1.4 Tomcat9.02. 安装详细步骤2.1 安装JDK1.8（1）双击下载的JDK...
2019-11-06 15:35:57
1905
原创 linux16.04 从零开始搭建maskrcnn (！！亲测有效！！)
文章参考：https://github.com/pytorch/vision/blob/temp-tutorial/tutorials/torchvision_finetuning_instance_segmentation.ipynb环境搭建：1. 安装anaconda;2. 在anaconda中创建一个新的环境 （比如obj）；3. 在obj环境中安装所需要的各种模块；...
2019-09-16 22:28:59
1677
1
转载 刷机 NVIDIA Jetson AGX Xavier--- 使用JetPack 4.1.1 为Xavier刷机
转载+修改 刷机 NVIDIA Jetson AGX Xavier--- 使用JetPack 4.1.1 为Xavier刷机 ...
2019-08-28 09:19:39
1030
原创 linux 定时调用.sh文件
用来计算2个时间的时间差。调用的时间建议采用挂载的方式,即：nohup python -u xxx.py > nohup.test.log 2>&1 &import timeimport osa = 1650380930.2743425 # 上一刻时间lh = -1lm = -1ls = -1while True: b = time.time() ## 当前时间 seconds = b-a m, s = divmod(seconds, 6
2022-04-20 07:20:41
1848
原创 matlab的reshape转为numpy的reshape
问题描述：matlab的reshape转换是从列转换的，而numpy的reshape是从行转换的，故在将matlab代码转为python代码时会存在问题。解决方式如下：#python 代码中, numpy reshape下面加上order='F'res = arr.reshape(w, h * c, order='F')...
2021-08-10 15:56:10
342
原创 视觉Transformer (五) Thinking Fast and Slow: Efficient Text-to-Visual Retrieval with Transformers
文章来源paper: https://arxiv.org/abs/2103.16553Motivation目标是基于语言的大规模图像和视频数据集的搜索。即给定某个语句，从大量图像检索库中找到与该语句描述最相似的图像。对于这个任务，采用单独将文本和视觉映射到联合嵌入空间的方法，即对偶编码器，可以应用到较大的检索规模数据中，其采用了近似最近邻搜索的方法。另一种使用交叉注意的视觉-文本转换器的方法可以显著提高联合嵌入的准确性，但由于测试时每个样本所需的交叉注意机制的计算成本价高，这种方法在实践中通常不适用
2021-06-25 17:32:19
928
2
原创 视觉Transformer (四) ViT - AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
论文来源paper: https://arxiv.org/abs/2010.11929code: https://github.com/google-research/vision_transformerMotivation虽然Transformer架构已经成为自然语言处理任务的标准，但它在计算机视觉方面的应用仍然有限。在视觉中，注意力要么与卷积网络一起应用，要么用于替换卷积网络的某些组件，同时保持它们的整体结构。作者证明了这种对cnn的依赖是不必要的，直接应用于图像patch序列的纯tran
2021-06-25 15:33:45
207
原创 视觉Transformer (三) VATT: Transformers for Multimodal Self-Supervised Learning from Video, Audio,Text
文章来源paper:https://arxiv.org/pdf/2104.11178Motivation作者提出了一个使用无卷积transformer架构从无标签数据中学习多模态表示的框架。具体来说，Video-AudioText Transformer (VATT)将原始信号作为输入，并提取足够丰富的多模态表征，从而有利于各种下游任务(例如检测、分类、跟踪)。作者使用多模态对比损失从头到尾训练VATT，并通过视频动作识别、音频事件分类、图像分类和文本到视频检索等下游任务评估其性能。此外，作者研究了一
2021-06-24 21:10:28
2917
5
原创 视觉Transformer (二) End-to-End Object Detection with Transformers
文章来源paper: https://arxiv.org/pdf/2005.12872.pdf,code: https://github.com/facebookresearch/detrMotivation作者提出了一种新的方法，将目标检测视为一个直接预测的问题。新框架称为DETR，主要组成部分是一个基于集合(set-based)的全局损失用来强制通过双部匹配得到唯一预测，以及一个Transformer编码器-解码器架构。给定一个固定的小的学习目标查询集，DETR找出目标和全局图像上下文之间的关系
2021-06-24 14:57:38
232
1
原创 视觉Transformer (一) Transformer Tracking
文章来源paper: https://openaccess.thecvf.com/content/CVPR2021/html/Chen_Transformer_Tracking_CVPR_2021_paper.htmlcode:https://github.com/chenxindlut/TransTMotivation之前的跟踪大部分都是采用correlation（互相关）融合方法计算模板和搜索帧之间的相似性，然而这种融合会丢失语义信息从而限于局部最优。从而，作者提出了更好的融合方式，即源于T
2021-06-24 11:17:16
1075
1
原创 tomcat8.0+mysql5.6+eclipse --- javaweb网页环境配置教程（简单版，无需安装mysql）
1.下载资源1.1eclipse+jdk+tomcat8 集成环境1.2 mysql5.6.20 本地版（无需安装）1.3 navicat10.1.7破解版1.4 下载地址：链接：https://pan.baidu.com/s/12AI3JqVXjSXQRjPiwoEoBQ提取码：fo5m2. 解压环境2.1 解压eclipse+jdk+tomcat8 集成环境：将该文件解压到C盘根目录下面，C盘根目录，C盘根目录，C盘根目录！如果发现C盘有这个文件即代表解压成功！！2.
2021-06-13 11:06:30
688
1
原创 (五) ATOM: Accurate Tracking by Overlap Maximization——从论文角度综述
paper: ATOM: Accurate Tracking by Overlap Maximization1文章目录paper: ATOM: Accurate Tracking by Overlap Maximization[^1]1.Motivation2.Method3.Train Process4.Test Process5.Experiment6.Conclusion1.Motivation现在的视觉跟踪器关注点都在功能发展强大的分类器，而忽略了更为准确地估计目标状态。现在的大多数跟踪器都是
2021-03-27 14:10:44
394
原创 (四) Distractor-aware Siames (DaSiamRPN)——从论文角度综述
paper: Distractor-aware Siamese Networks for Visual Object Tracking1Motivation1.尽管之前的Siamese系列跟踪网络取得了优秀的性能，但是他们都有3个主要的问题。（1）基于Siamese跟踪器的特征仅仅能够从non-semantic 背景中区分出前景。并且他们把semantic的背景信息当作是干扰物(Distractor)。（non-semantic 背景是指该背景中没有任何杂物的目标信息，可以理解为纯背景信息）（2）大
2021-03-25 17:55:33
230
原创 (三) SiamRPN从论文角度介绍
文章：High Performance Visual Tracking with Siamese Region Proposal Network11.Motivation尽管之前的目标跟踪器取得了不错的性能，但是他们中的大部分很难在实时性和高性能方面同时存在。从而，作者提出了SiamRPN网络，端到端的离线训练图像pairs。SiamRPN包括一个Siamese subnetwork(类似于SiamFC)用于特征提取，以及一个区域推荐网络RPN，该RPN包括分类和回归分支。与标准的RPN网络不同，作者使
2021-03-23 23:24:19
1391
原创 (二) Dynamic Siamese (DSiam)——从论文角度综述
Learning Dynamic Siamese Network for Visual Object Tracking 论文综述1Motivation尽管Siamese网络(SiamFC 实时)在提升目标跟踪准确性和实时性方面取得了巨大成功，但是他们和基于分类&更新的跟踪器(MDNet, DeepSRDCF, STCT 1~2帧/S)比仍有较大差距，主要是因为没有处理好目标的时序变化。基于匹配的方法在跟踪时缺乏在线更新过程，从而不能捕捉目标上的时序变化。为了捕捉时序上的外观变化，简单的想法是：
2021-03-23 11:28:26
791
原创 (一)Siamese目标跟踪——SiamFC训练和跟踪过程：从论文细节角度出发
SiamFC 简单介绍SiamFC基于深度学习的方法在速度上已经超过传统的相关滤波算法，实时性极强。SiamFC基于孪生网络，该网络有两个输入，一个是模板样本Z，另一个搜索样本X。而在单目标跟踪任务中，模板样本通常选取的是视频序列第一帧中的目标，而候选样本则是之后每一帧中的图像搜索区域（search image）。孪生网络的目的是在后续帧中找到与模板帧Z最相似的候选区域，该区域即为这一帧中的目标。SiamFC 实现方法SiamFC网络设计结构如上图所示，其中φ\varphiφ 代表特征提取方法，原文
2021-03-21 17:42:18
4796
7
原创 安装Siamese Box Adaptive Network for Visual Tracking环境：(linux 16.04 cuda10.1+torch1.5+torchvision0.6)
安装Siamese Box Adaptive Network for Visual Tracking环境：1.linux 16.04 安装cuda10.1+torch1.5+torchvision0.6pip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html2. 安装其它环境pip install pyyaml yacs tq.
2020-08-12 17:41:06
283
2
原创 （终）c++多线程thread操作（十）多线程并行实现数据相加的和
经过了前面章节内容的学习，下面我们一起来实现一个多线程实现求多个数据相加的和。（这里没有用数组实现，原因在于内存分配给数组的不能有太大空间，N受到限制，不好调试。但是与数组实现方式完全一样！）假设所要求解的数据长度是N，cpu的核心数是m；很容易考虑到应将数据尽可能等分给每个cpu运行，故每个cpu运行的数据是:；其中：其实现代码如下：这里实现获取子线程结果的方式是加入的引用变量；（可以用future变量，很可惜就是不能提速）#include <iostream>#i
2020-06-28 15:51:54
4335
2
原创 c++多线程thread操作（九）可调用方式
thread可调用的方式如下：#include <iostream>#include <thread>using namespace std;class A {public: void f(int x, char c); int operator()(int m) { return m*m; }};void foo(int x){}int main() { A a; thread t1(a, 6);//传递a的拷贝给子线程 thread t2(ref(a
2020-06-28 13:22:01
815
原创 c++多线程thread操作（八）父线程传递数据给子线程
实现父线程和子线程的交互1. 实现方式：主线程定义promise，然后在主线程中设定promise的数据，子线程可以直接从主线程的promise中获取数据；int factorial(future<int>&f) {//将结果返回给x int res = 1; int N = f.get();//主线程不set_value，会发生异常 for (int i = N; i > 1; i--) { res *= i; } cout << "res
2020-06-28 13:19:55
2598
原创 c++多线程thread操作（七）父进程获取子进程变量的结果
问题：如果我们在主线程中需要将一个计算资源大的操作丢给子线程做，那我们应该如何从子线程中获取结果呢？可尝试的方案1：在主线程中定义一个引用变量在子线程中，然后将引用变量的结果在主线程中输出；void sum_res(int N, int &x) {//将结果返回给x int res = 0; for (int i = N; i >= 1; i--) { res += i; } x = res;}int main() { int x; thread t1(sum
2020-06-28 12:15:41
2897
原创 c++多线程thread操作（六）条件变量的使用
1. 说到条件变量，我们先来看一个操作系统的PV操作，解决经典的生产者与消费者问题；题目：一个生产者生产若干产品放到缓冲区上，一个消费者从缓冲区中取产品。二者共用一个缓冲区，里面的同步关系：1. 生产者在缓冲区不满的情况下可以放入；设定一个同步信号量empty(n)-------代表空闲缓冲区可以放入n和产品，初始为n2.消费者在缓冲区不空的情况下可以放入；设定一个同步信号量full(0)------代表缓冲区已有的产品数量，初始为03. 缓冲区是共享资源，需要加锁访问；除了同步互斥关系
2020-06-28 11:57:53
1723
2
原创 c++多线程thread操作（五）unique_lock加锁
（一）加锁的三种方式：1. mutex原生：mutex<int>mu;mu.lock();// ...执行代码段mu.unlock();优点：可以解决数据竞争；缺点：如果执行代码段抛出异常，mu锁将永远被锁住，无法释放；2. lock_guard加锁mutex<int>mu;lock_guard<mutex> guard(mu);// guard析构时自动释放锁// ...执行代码段优点：可以解决mutex原生下的异常问题，gua
2020-06-28 11:21:19
3691
原创 c++多线程thread操作（四）死锁的问题和解决
1. 死锁问题的出现，出现了循环调用，并且抢占了资源。class LofFile {private: mutex m_mutex1; mutex m_mutex2;public: LofFile() {} void shared_print(string msg, int id) { lock_guard<mutex> guard1(m_mutex1); lock_guard<mutex> guard2(m_mutex2); cout <<
2020-06-28 00:27:45
1344
原创 c++多线程thread操作（三）数据竞争互斥访问
1. 数据竞争问题：对共享资源的访问会出现杂乱无序的结果void shared_print(string msg, int id) { cout << "From" << id << " : " << msg << endl;// cout是可竞争资源, 需要同步cout}void func_1() { for (int i = 0; i > -5; i--) { shared_print("From t1: ",i)
2020-06-28 00:15:05
1585
原创 c++多线程thread操作（二）线程管理
线程管理1. 先看最简单的线程实现案例：void func_1() { cout << "hello linger" << endl;}int main() { thread t1(func_1); // t1 与主线程互不影响 for (int i = 0; i < 10; i++) { // 万一它出现异常就没法join了 cout << "from main:" << i << endl; } t.
2020-06-27 23:53:05
1505
原创 c++多线程thread操作（一）环境部署
案例一：运行环境：Windows 10 需要在c++11的标准下运行；devc++ 打开c++11的方法：Tools ==> Compiler Options；在第一个文本编辑器下输入-std=c++11测试运行thread库：#include <iostream>#include <thread>using namespace std;void func_1(){ cout << "hello linger" << e..
2020-06-27 23:32:25
1378
原创 windows平台下使用curl库搭建邮箱发送平台(亲测有效)
1. 邮箱：没有的赶紧注册一个~ （我这边测试使用的邮箱是163网易邮箱）邮箱授权服务器权限：设置->POP3/SMTP/IMAP-> 开启服务（默认是关闭的）服务开启了之后会有授权码，用来通过第三方邮箱服务器认证的（例如foxmail），请牢记自己的授权码！2. 下载并安装foxmail （此步骤建议执行）下载地址：官网或者百度云链接：https://pan.baidu.com/s/1o_UTI-vSMO7--dj51SlBNA提取码：huye...
2020-06-02 17:17:05
1155
1
原创 QT打包程序发布(亲测有效)
本文参考：https://www.2cto.com/kf/201805/743677.html项目要求，开发了一个类似于labelme和labelimg的结合，在QT creator中进行开发。开发完后后生成的release 目录信息如下：双击release下的labelmemig.exe后不能运行，产生如下的错误：解决方案：（可供参考）1. 在F盘中创建一...
2019-05-09 11:50:37
258
JetPack-L4T-4.1.1-linux-x64_b57.run
2019-08-27
Sales_TransactionsDatasetWeekly数据挖掘
2019-02-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人