<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[闭关修炼——暂退]]></title><description><![CDATA[个人GitHub地址：https://github.com/zhao302014]]></description><link>https://blog.csdn.net/IT_charge</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; IT_charge]]></copyright><item><title><![CDATA[「深度学习一遍过」必修28：基于C3D预训练模型训练自己的视频分类数据集的设计与实现]]></title><link>https://blog.csdn.net/IT_charge/article/details/121289061</link><guid>https://blog.csdn.net/IT_charge/article/details/121289061</guid><author>IT_charge</author><pubDate>Fri, 12 Nov 2021 17:43:47 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇






开源项目代码：https://github.com/jfzhang95/pytorch-video-recognition

1 DownLoad or Clone

Linux：


git clone https://github.com/jfzhang95/pytorch-video-reco...]]></description><category></category></item><item><title><![CDATA[关于Matlab小波工具箱打开.mat文件为一条递增斜线问题的解决办法]]></title><link>https://blog.csdn.net/IT_charge/article/details/121243335</link><guid>https://blog.csdn.net/IT_charge/article/details/121243335</guid><author>IT_charge</author><pubDate>Wed, 10 Nov 2021 11:25:23 +0800</pubDate><description><![CDATA[近期研究了一下 的仿真模型的搭建，但在使用小波工具箱分析时发现，我将仿真的信号图保存为 格式的文件后，在小波工具箱中打开，发现图像是一条递增的斜线（似乎是时间的递增），解决这个问题的具体步骤是什么？本文将要解决的就是上述描述的这种问题。


目录

1 问题引入

2 解决策略

3 参考文献





1 问题引入

提前搭建了一个模拟电压暂降数据信号的仿真波形图：



在将要使用小波工具箱进行波形分析时，发生了这样的问题：在小波工具箱中打开，发现图像是一条递增的斜线：



相信遇到这个问题的小...]]></description><category></category></item><item><title><![CDATA[基于MobileNet-v3和YOLOv5的餐饮有害虫鼠识别及防治系统的设计与实现]]></title><link>https://blog.csdn.net/IT_charge/article/details/120909832</link><guid>https://blog.csdn.net/IT_charge/article/details/120909832</guid><author>IT_charge</author><pubDate>Sun, 24 Oct 2021 09:38:43 +0800</pubDate><description><![CDATA[在新时代的背景下， “清爽干净”和“卫生健康”成为老百姓对美好生活向往的两个重要因素，这也是当下餐饮行业管理者们不变的追求与目标。随着科技的发展与进步，人工智能成为了文明社会的重要产物，并逐渐应用于日常生活中的方方面面。基于此，设计并开发出一款可以有效预防虫鼠害的系统对于提升管理效率及卫生服务质量是非常有必要的……

本文阐述的内容主要包括：

基于MobileNet-v3 的虫鼠识别功能的设计与实现
	基于 YOLOv5 的鼠类检测功能的设计与实现
	基于 PyQt5 的功能封装与人机交互界面的设计与..]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修27：基于Mask-RCNN的人体姿态估计的设计与实现]]></title><link>https://blog.csdn.net/IT_charge/article/details/120492099</link><guid>https://blog.csdn.net/IT_charge/article/details/120492099</guid><author>IT_charge</author><pubDate>Sun, 26 Sep 2021 16:57:49 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目结果展示

项目代码

项目 GitHub 地址

Classic_model_examples/2017_Mask-RCNN_TargetDetectionAndSegmentation at main · zhao302014/Classic_model_example...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修26：机器学习与深度学习基础知识汇总]]></title><link>https://blog.csdn.net/IT_charge/article/details/120335723</link><guid>https://blog.csdn.net/IT_charge/article/details/120335723</guid><author>IT_charge</author><pubDate>Fri, 17 Sep 2021 09:33:46 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

1 Boosting与Bagging

2 卷积层、激活层、池化层作用

3 卷积神经网络特性

4 正则化相关知识

5 评测指标相关知识

6 参数初始化方法

7 归一化相关知识

8 最优化方法相关知识





9 激活函数相关知识

10 优化目标相关知识





问答环节



1 Boos..]]></description><category></category></item><item><title><![CDATA[常见边缘检测对比（Roberts算子、Prewitt算子、Sobel算子、Laplacian算子、Canny算子）]]></title><link>https://blog.csdn.net/IT_charge/article/details/120322875</link><guid>https://blog.csdn.net/IT_charge/article/details/120322875</guid><author>IT_charge</author><pubDate>Thu, 16 Sep 2021 10:53:38 +0800</pubDate><description><![CDATA[目录

方法对比

公式对比

优点对比

缺点对比

常用场景对比

边缘检测结果对比

方法对比

算子：基于一阶导数的方法
	算子：基于一阶导数的方法
	算子：基于一阶导数的方法
	算子：基于二阶导数的方法
	算子：非微分边缘检测算子
公式对比

算子：，
	算子：，
	算子：，
	算子：领域：；邻域：
	算子：实现步骤：1. 用高斯滤波器平滑图像
	                     2. 计算图像中每个像素点的梯度强度和方向...]]></description><category></category></item><item><title><![CDATA[关于Top-1错误率、Top-1准确率、Top-5错误率、Top-5准确率的实例辨析]]></title><link>https://blog.csdn.net/IT_charge/article/details/120306473</link><guid>https://blog.csdn.net/IT_charge/article/details/120306473</guid><author>IT_charge</author><pubDate>Wed, 15 Sep 2021 14:03:42 +0800</pubDate><description><![CDATA[论文中是这样解释 和错误率的：

The former is a multi-class classification error, i.e. the proportion of incorrectly classified images; the latter is the main evaluation criterion used in ILSVRC, and is computed as the proportion of images such that the ground-trut...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修25：基于DCGAN的Image Production]]></title><link>https://blog.csdn.net/IT_charge/article/details/120303391</link><guid>https://blog.csdn.net/IT_charge/article/details/120303391</guid><author>IT_charge</author><pubDate>Wed, 15 Sep 2021 10:44:31 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码



项目 GitHub 地址

Classic_model_examples/2016_DCGAN_ImageProduction at main · zhao302014/Classic_model_examples · GitHubhttps:/...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修24：基于UNet的Semantic Segmentation]]></title><link>https://blog.csdn.net/IT_charge/article/details/120242739</link><guid>https://blog.csdn.net/IT_charge/article/details/120242739</guid><author>IT_charge</author><pubDate>Sat, 11 Sep 2021 21:16:34 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码

项目 GitHub 地址

Classic_model_examples/2015_UNet_SemanticSegmentation/MyUNet_SemanticSegmentation at main · zhao302014/Classic_mo...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修23：基于ResNet18的MNIST手写数字识别]]></title><link>https://blog.csdn.net/IT_charge/article/details/120230659</link><guid>https://blog.csdn.net/IT_charge/article/details/120230659</guid><author>IT_charge</author><pubDate>Fri, 10 Sep 2021 22:31:00 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码

项目 GitHub 地址

Classic_model_examples/2015_ResNet18_MNIST at main · zhao302014/Classic_model_examples · GitHub

项目心得

2015 年——Res..]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修22：基于GoogLeNet的MNIST手写数字识别]]></title><link>https://blog.csdn.net/IT_charge/article/details/120221824</link><guid>https://blog.csdn.net/IT_charge/article/details/120221824</guid><author>IT_charge</author><pubDate>Fri, 10 Sep 2021 14:48:12 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码

项目 GitHub 地址

Classic_model_examples/2014_GoogLeNet_MNIST at main · zhao302014/Classic_model_examples · GitHubhttps://github.co...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修21：基于Vgg16Net的MNIST手写数字识别]]></title><link>https://blog.csdn.net/IT_charge/article/details/120208229</link><guid>https://blog.csdn.net/IT_charge/article/details/120208229</guid><author>IT_charge</author><pubDate>Thu, 09 Sep 2021 19:43:40 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码







项目 GitHub 地址

https://github.com/zhao302014/Classic_model_examples/tree/main/2014_Vgg16Net_MNISThttps://github.com/zhao30...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修20：基于AlexNet的MNIST手写数字识别]]></title><link>https://blog.csdn.net/IT_charge/article/details/120208199</link><guid>https://blog.csdn.net/IT_charge/article/details/120208199</guid><author>IT_charge</author><pubDate>Thu, 09 Sep 2021 19:38:48 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码





项目 GitHub 地址

Classic_model_examples/2012_AlexNet_MNIST at main · zhao302014/Classic_model_examples · GitHubhttps://github....]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修19：基于LeNet-5的MNIST手写数字识别]]></title><link>https://blog.csdn.net/IT_charge/article/details/120208065</link><guid>https://blog.csdn.net/IT_charge/article/details/120208065</guid><author>IT_charge</author><pubDate>Thu, 09 Sep 2021 19:31:42 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

项目 GitHub 地址

项目心得

项目代码

项目 GitHub 地址Classic_model_examples/1998_LeNet-5_MNIST at main · zhao302014/Classic_model_examples · GitHubContribute to zhao3020..]]></description><category></category></item><item><title><![CDATA[PyQt5美化你的GUI界面]]></title><link>https://blog.csdn.net/IT_charge/article/details/120003164</link><guid>https://blog.csdn.net/IT_charge/article/details/120003164</guid><author>IT_charge</author><pubDate>Mon, 30 Aug 2021 19:16:42 +0800</pubDate><description><![CDATA[目录

1 圆点选择选项设置

2 选项按钮设置

3 关闭弹窗设置

4 关闭程序弹窗

5 设置关闭按钮

6 设置背景

7 下拉列表框设置

8 等待时显示进度条

1 圆点选择选项设置

效果展示











代码参考


#!/usr/bin/python
# -*- coding:utf-8 -*-
import sys
from PyQt5 import QtWidgets, QtCore
from PyQt5.QtWidgets import *

class qt_v...]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修18：基于pytorch的语义分割模型实现]]></title><link>https://blog.csdn.net/IT_charge/article/details/119787778</link><guid>https://blog.csdn.net/IT_charge/article/details/119787778</guid><author>IT_charge</author><pubDate>Thu, 19 Aug 2021 09:02:52 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇






1 自定义5层普通卷积

模型结构



pytorch代码


from torch import nn
import torch.nn.functional as F


class simpleNet5(nn.Module):
    def __init__(self):
        su...]]></description><category></category></item><item><title><![CDATA[七夕女神来我家吹空调发现遥控器找不见了！快用Yolov5训练个目标识别模型并调用手机摄像头找找！]]></title><link>https://blog.csdn.net/IT_charge/article/details/119490894</link><guid>https://blog.csdn.net/IT_charge/article/details/119490894</guid><author>IT_charge</author><pubDate>Fri, 13 Aug 2021 20:20:20 +0800</pubDate><description><![CDATA[门当户对是婚姻，郎财女貌是交易，天长地久是神话，曾经拥有是回忆，情投意合才是真正的爱情。情之为物，直教生死相许。七夕佳节，愿君收获甜美爱情！
]]></description><category></category></item><item><title><![CDATA[「肖战发型适配教程」用python换肖战同款帅气发型俘获少女心就在这了]]></title><link>https://blog.csdn.net/IT_charge/article/details/119667276</link><guid>https://blog.csdn.net/IT_charge/article/details/119667276</guid><author>IT_charge</author><pubDate>Fri, 13 Aug 2021 10:45:36 +0800</pubDate><description><![CDATA[肖战发型适配教程来啦！说到肖战，让人不得不想到他可盐可甜的颜值，肖战的《陈情令》使得他爆红了一把，也有不少人因此成为了肖战的迷妹。的确，从外形上看的话，也算是实打实的帅哥了；那么，长得这么帅，有没有什么秘诀呢？很多人不知道看似随随便便站在那就很吸睛的肖战，不同的发型又给人完全不同的感觉。



今天之后你就不用再去找 老师设计发型了，本篇博文就教你基于 “ 换脸技术” 换肖战几款他常见的发型，快来看看你最适合哪一款叭~~~


目录

1 导入库

2 从图像中找人脸

3 换脸

4 运行结果

5 ..]]></description><category></category></item><item><title><![CDATA[「深度学习一遍过」必修17：基于Pytorch细粒度分类实战]]></title><link>https://blog.csdn.net/IT_charge/article/details/119617147</link><guid>https://blog.csdn.net/IT_charge/article/details/119617147</guid><author>IT_charge</author><pubDate>Wed, 11 Aug 2021 22:10:44 +0800</pubDate><description><![CDATA[本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇


目录

1 实战内容简介

2 数据集读取

2.1 dataset

2.2 dataloader

3 模型搭建

3.1 基准模型

3.2 与基准模型相对应的双线性模型

4 性能差异比较

4.1 tensorboard查看测试集准确率差异

4.2 耗时比较（单位：秒）

1 实战内容简介

数据集：C..]]></description><category></category></item><item><title><![CDATA[GitHub YOLOv5 开源代码项目系列讲解（六）------使用云端GPU训练Yolov5模型]]></title><link>https://blog.csdn.net/IT_charge/article/details/119615578</link><guid>https://blog.csdn.net/IT_charge/article/details/119615578</guid><author>IT_charge</author><pubDate>Wed, 11 Aug 2021 20:25:25 +0800</pubDate><description><![CDATA[本专栏将从安装到实例运用全方位系列讲解GitHub YOLOv5 开源代码。专栏地址：GitHub YOLOv5 开源代码项目系列讲解




目录

1 登录云端 GPU 网站

2 传入文件到云端

3 解压缩文件夹

4 进入文件路径

5 安装装所需环境

6 添加 tensorboard 插件

7 打开 tensorboard

8 运行 train.py

1 登录云端 GPU 网站


打开网址：google colab




2 传入文件到云端

将本地压缩好的 yolov5...]]></description><category></category></item></channel></rss>