- 博客(15)
- 收藏
- 关注
RSS订阅原创 idea中使用git提交报错
在将gitee中新建的仓库拉取过来到idea之后，在编写文件然后commit and push之后出现报错：git push error: failed to push some refs to，提交不成功。后面了解到是我拉取gitee仓库之后，在gitee仓库中新创建了readme文件，导致原始仓库与拉取的不一样了，所以不能提交了。要保证本地和远程仓库一致，所以我就把gitee仓库删了，然后重新创建再拉取，然后就能正常提交了。
2024-05-09 23:06:22
87
1
原创 解决pip安装dlib库报错问题
直接pip install dlib库的时候会报错，有两个解决方案，一是直接安装visual studio，选择c++桌面开发。第二下载wheel，然后去该目录文件下pip install 这个文件即可解决。
2023-12-09 19:03:20
902
原创 修改my.ini配置文件后MySQL无法启动问题
比如你看我的就输出说不知道sql-是什么，然后我进入刚才的my.ini文件发现这个地方我输错了，应该是sql_，所以修改完成后接着保存一下my.ini文件就行。注意：也许你mysql出错并不是这个原因，但同样你可以查看err文件去查看哪个地方出错了，总比你毫无头绪的摸索好。3、使用记事本打开，你可以在这时重新启动一下你的mysql服务net start mysql80(），接着你就直接翻到最后看你启动服务时文件输出了啥错误信息。2、进入Data文件夹，里面有个ERR文件。
2023-11-16 14:56:55
1646
1
原创 使用flask简单部署yolov5
之后，拿到你点击的图像并保存至项目的路径后，我们就可以加载yolov5检测模型了，我们使用model = torch.hub.load('./', 'custom', 'yolov5s.pt', source='local')加载模型，'./'就是你的模型文件放在哪里的，比如我的yolov5s.pt文件就放在项目的目录下，其他的参数可以不用动，直接这样写就行，想详细理解可以去查资料有关torch.hub.load的用法。对我小白来说难点在于保存模型推理后的图片，路径搞对很重要！
2023-07-12 18:31:25
2203
6
原创 Conda环境打包
如果你想在conda中导入你这个环境所需要的的环境，就可使用pip list --format=freeze > requirements.txt，就会将所有环境需要的包写入到requirements.txt中，你可以直接使用pip install -r requirements.txt直接安装各种包。然后在这个路径上面输入cmd，按两次回车键，就可以进入cmd终端，在终端输入conda env create -f test.yaml就会创建出一个和原来一样的pytorch环境。会下载pip的各种包。
2023-04-26 22:36:35
4222
转载 博客摘录「 MobileNet(v1、v2)网络详解与模型的搭建」2023年4月25日
在使用倒残差结构时需要注意下，并不是所有的倒残差结构都有shortcut连接，只有当stride=1且输入特征矩阵与输出特征矩阵shape相同时才有shortcut连接（只有当shape相同时，两个矩阵才能做加法运算，当stride=1时并不能保证输入特征矩阵的channel与输出特征矩阵的channel相同）。这点是因为如果add操作时，必须要输入通道、大小都要和输出的通道、大小一致才行，所以倒残差结构不是都有shortcut连接，那思考一下为什么残差结构都有shorcut连接？
2023-04-25 11:21:02
81
原创 迁移学习理解
看b站霹雳吧啦的视频课，对迁移学习做个总结笔记：如上图，迁移学习在网络前层的时候都是学习提取到的共用特征，只是一些角点信息，在其它图片上可能也差不多的纹理信息，而网络后层提取到的特征就是图片的比较明显的特征了，比如说图片中有人物，那后面网络可能就会提取到人的鼻子以及眼睛这些人类独有的特征，和其它图片比如说牛那肯定就不太一样了。总的来说就是靠近输入的网络提取公有信息，靠近输出的网络提取特有信息。为什么？
2023-04-23 19:42:20
88
原创 Faster RCNN的简单理解
看了B站up主（霹雳吧啦Wz）对于Faster RCNN的讲解视频做了笔记以及自身理解。Faster RCNN是在Fast RCNN基础上做了改进，由于Fast RCNN网络的候选区域和提取特征以及分类回归任务是分开的，所以Faster RCNN就想着，能不能把候选区域和这几个步骤联合在一个网络中，就实现端到端，不需要分步骤呢？
2023-04-12 15:40:21
40
原创 Fast RCNN
1、可以看到Fast RCNN卷积不再是对每一个region proposal进行，而是对整张图像，减少了很多的重复计算。2、加入了ROI pooling层对特征尺寸变换，因为全连接的输入要求尺寸大小一样，不能直接将region proposal作为输入。3、将分类和回归放在网络一起训练，用softmax代替了RCNN的SVM。
2023-04-11 16:45:06
34
原创 SPP-Net
1、RCNN提取的候选区域需要将其缩放至统一的大小，是因为CNN中存在全连接层，而全连接层需要固定输入和输出大小，这样本来图片中的有些内容可能就会失去信息，针对这个问题SPP提出了在图像卷积之后全连接层之前加入SPP池化层，这样可以任意尺寸的输入图像大小，输出则固定给全连接层。2、 RCNN网络是将原图先提取2000个候选区域，然后将这么多区域都送到CNN提取特征，SPP是直接只对原图做一次卷积运算，得到整张图的特征图，RCNN需要对每个区域做卷积，SPP只需要对整张图做一次卷积。
2023-04-11 15:35:03
87
1
原创 目标检测-RCNN的理解
4、NMS：不是有2000个候选区域嘛，也就是说可能一个物体就会有很多个候选框框住它，那就不行了，会重复，这时候就会用到非极大值抑制来抑制掉很多框，保证一个物体一个框，假如有很多框框住人这个物体，那就选择候选框与真实框具有最大IOU的那个框，然后让其他框来和这个框做IOU，设置一个阈值，比如0.5，如果其他框和这个候选框的IOU大于0.5，那就剔除这个其他框，说明这个其他框和我的最大候选框重复识别了一个物体，然后重复这样做，就剔除了很多重复框。具体可以看看关于NMS的讲解。
2023-04-10 11:54:05
83
原创 理解特征图、感受野
在进行多尺度目标检测的时候，当不同层的特征图在输入图像上分别拥有不同大小的感受野时，他们可以用于检测不同大小的目标。如可以设计一个神经网络，其中靠近输出层的特征图具有更大的感受野，这样就可以从输入图像中检测到较大的目标。Layer2可以看到Layer1的3*3区域，Layer3可以看到Layer2的3*3区域，而Layer3可以看到Layer1的5*5区域，这里有计算公式，可以参考其它文章的计算方式，本文只对其内容进行理解。感受野定义：卷积神经网络每一层输出的特征图上的像素点在原始图像上映射的区域的大小。
2023-04-09 15:43:26
172
1
转载 cv2.waitKey()
最近在学习opencv，群里遇到一个同学在cv捕捉视频文件的时候出现闪退情况，按道理说图片会出现闪退，是因为cv2.waitKey(delay)其中delay值太小导致的，因为delay为等待按键的时间，这个单位是毫秒，如果不是0的话数又太小，那就会出现闪退的情况，但视频是有很多帧的，比如delay为10为10毫秒处理一帧，如果delay值很大10000时，视频播放就会很卡，最后发现是他的代码释放资源的时候在while里面，就是视频播放一帧的时候就释放资源了。(非0非空,if代码块执行)
2023-04-08 21:35:05
602
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人