- 博客(104)
- 资源 (15)
- 收藏
- 关注
原创 Real-ESRGAN超分算法效果
Real-ESRGAN提供了如下几种不同的预训练模型: RealESRGAN_x4plus, RealESRNet_x4plus,RealESRGAN_x4plus_anime_6B, RealESRGAN_x2plus, realesr-animevideov3, realesr-general-x4v3。RealESRGAN_x4plus_anime_6B的毛发都是虚的。但是从光斑来说,RealESRGAN_x4plus和RealESRGAN_x4plus_anime_6B模型的效果是最好的。
2024-08-26 08:43:13
227
原创 超分论文解读Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data
本篇blog除了对论文内容进行了详实的翻译,同时对论文中的相关技术细节展开了说明和讨论,部分技术通过示例代码进行了说明。本篇论文中除了涉及了很多超分的内容外,其中数据退化等内容,更是low-level视觉任务中可以通用的知识,比如图像去噪、HDR等。本篇论文涵盖了很多基础视觉任务中通用的内容。论文地址:Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data论文开头放出了Real-ESRGAN的效果
2024-08-24 13:49:29
546
原创 论文解析——Character Region Awareness for Text Detection,字符级文本检测CRAFT算法
。这篇论文主要解决之前的文本检测是基于word-level的检测框,不能识别任意形状的文本的问题。与之前的方法不同,此方法的主要特点是针对文本的检测是字符级的,同时还会学习字符间的affinity(字符间的亲和性,表示字符之间的关系,这种亲和性帮助算法将相邻的字符组合成单词或文本行)。CRAFT 是一种基于字符区域感知的文本检测方法,它不仅关注单个字符的检测,还关注字符之间的关系。这样做的好处在于:使用小感受野也能预测大文本和长文本,只需要关注字符级别的内容而不需要关注整个文本实例。
2024-08-01 13:32:02
768
原创 论文解析——CRNN算法
所以,在模型结构那张图上,经过卷积计算后的特征层Convolutional feature maps,是可以切分成一条条的特征的,每一条特征对应输入图的一部分,并且是位置对应的,如上图所示。在进入CNN网络之前,输入会被scale到同样的高度,经过CNN网络后,CNN网络的输出的特征图会被切分成序列化的特征图,切分后的序列化的特征图,会作为循环网络的输入。从上图的结果中可以看到,在多个数据集上,不管是基于lexicon的场景,还是lexicon free的场景,在多个数据集上都做到了最高的识别率。
2024-08-01 13:27:45
633
原创 论文解析——What Is Wrong With Scene Text Recognition Model Comparisons? Dataset and Model Analysis
ICDAR2015 (IC15):是为ICDAR2015 Robust Reading竞赛创建的,包含4468张用于训练的图像和2077张用于评估的图像。因此,许多是嘈杂的,模糊的,旋转的,有些也是低分辨率的。它包含1156个用于训练的图像和1110个用于评估的图像。框架不仅提供了现有的方法,还提供了它们可能的变体,以便对模块的贡献进行广泛的分析。字框生成过程如下: 1)字体渲染,2)边框和阴影渲染,3)背景着色,4)字体、边框和背景的合成,5)应用投影失真,6)与真实世界的图像混合,7)添加噪声。
2024-08-01 13:22:06
518
原创 DIY相机(一)libcamera库
本篇主要说明了我们使用树莓派diy一个相机时,涉及到的相机选型和底层库libcamera的相关基础使用。libcamera提供的功能远不止此,我们使用单反/微单的M档拍摄时,可以设置的全部参数,都可以通过libcamera库去设置。但是libcamera只是在终端中使用的指令,我们制作一个相机,需要有自己的相机app和图库app等,这就需要我们在上层语言上进行调用。下一节我们会介绍对libcamera进行封装的picamera2库。
2023-10-29 21:40:01
1498
3
原创 树莓派系统文件解析
分析树莓派的系统文件及其各文件作用,基于树莓派的开发会有很多更改系统文件的需求,了解各系统文件的作用对于后续的开发事半功倍
2023-10-26 08:55:38
486
1
原创 PyTorch JIT和TorchScript,一个API提升推理性能50%
PyTorch的TorchScript,相比PyTorch的eager模式,可将模型的推理性能提升50%左右
2023-10-23 00:09:42
1540
原创 torch.jit.trace与torch.jit.script
torch.jit.trace与torch.jit.script是将PyTorch eager model转为script model的API,可显著提高推理的性能
2023-10-23 00:07:15
1018
原创 一文搞懂pytorch hook机制
pytorch hook可以方便我们对模型中的激活、梯度等进行查看并修改,可以在不修改model 代码的情况下,对模型做一些额外的操作,掌握hook机制可以更游刃有余的掌握pytorch相关的编程技巧。
2023-10-07 22:14:29
479
原创 容易被忽视的CNN模型的感受野及其计算
感受野是我们设计CNN模型时特别重要的一个指标,本文详细介绍了感受野的概念以及计算方法,并提供了一个通用的代码方便计算每层的感受野大小
2023-10-07 22:11:37
185
原创 加速attention计算的工业标准:flash attention 1和2算法的原理及实现
transformer模型大火,flash attention技术同时也被提出用于加速attention的计算,目前已经被pytorch、huggingface、paddlepaddle等集成到其框架中。
2023-10-07 21:55:23
4031
3
原创 vismod:像查看图片一样简单的查看URDF、SDF机器人模型文件
vismod可直接用来查看urdf、sdf等模型,不需要通过ROS,也不需要额外的软件。下载地址:目前仅支持Windows,后续会继续开发其他平台。开发不易,动动手指头,支持作者一杯咖啡~
2021-09-30 14:01:18
898
3
原创 自动驾驶决策控制与行为预测运动规划综述文章
有两篇博文,对自动驾驶的综述写的不错,自动驾驶决策控制及运动规划史上最详细最接地气综述,自动驾驶路径规划与行为预测最接地气详细综述美中不足的是,如果想要获取参考文献的话,需要付一些(不菲的)费用给作者,如果不想付费买paper的话,可以参考这两篇paper,paper中详细讲了自动驾驶决策相关的综述,以及它的参考文献,上面博文的参考文献也是差不多的,而且博文中也有很大一部分是借鉴的这两篇paper当中的内容。这两篇paper是:Planning and Decision-Making for A
2021-08-13 23:09:16
884
2
原创 使用tune.run怎么获取model summary的信息
使用rllib的时候,如果使用PPOTrainer或者某一个其他的trainer,在执行trainer.train()的时候,会打印model summary,也可以显式调用获取model summary的API,就像下面这样>>> from ray.rllib.agents.ppo import PPOTrainer>>> trainer = PPOTrainer(env="CartPole-v0", config={"eager": True, "num_work
2021-05-06 18:19:24
687
4
原创 解决rllib使用custom model没有日志输出的问题
在rllib的example中,有一个custom model的例子,链接,但是运行这个就会发现一个问题,没有训练的日志输出,只有这个状态信息,训练过程中的training iter, episode reward mean等信息都不输出。== Status ==Memory usage on this node: 1.2/9.3 GiBUsing FIFO scheduling algorithm.Resources requested: 0/1 CPUs, 0/0 GPUs, 0.0/5.22
2021-05-06 17:50:44
478
原创 colab使用conda
%%bashMINICONDA_INSTALLER_SCRIPT=Miniconda3-4.5.4-Linux-x86_64.shMINICONDA_PREFIX=/usr/localwget https://repo.continuum.io/miniconda/$MINICONDA_INSTALLER_SCRIPTchmod +x $MINICONDA_INSTALLER_SCRIPT./$MINICONDA_INSTALLER_SCRIPT -b -f -p $MINICONDA_PREFI
2021-04-04 21:50:18
1983
原创 vscode给python添加头部注释模板
FIle -> Preference -> User Snippets -> 选择python文件把内容替换成{ // Place your snippets for python here. Each snippet is defined under a snippet name and has a prefix, body and // description. The prefix is what is used to trigger the snippet and th
2021-03-20 14:30:28
1237
原创 高斯分布中为什么喜欢用对数似然函数而不是似然函数
https://math.stackexchange.com/questions/892832/why-we-consider-log-likelihood-instead-of-likelihood-in-gaussian-distribution
2021-03-19 22:19:37
1186
1
原创 @functools.lru_cache(maxsize=128, typed=False)缓存到底有什么用
今天来谈一谈@functools.lru_cache(maxsize=128, typed=False)缓存装饰器,这是在Python3.2版本中新添加的功能,意在将重复耗时的计算的中间结果保存下来,如无缓存的递归运算。lru 是(least recently used)的缩写,即最近最少使用原则。表明缓存不会无限制增长,一段时间不用的缓存条目会被扔掉。maxsize 是保存最近多少个调用的结果,最好设置为 2 的倍数,默认为 128。如果设置为 None 的话就相当于是 maxsize 为正无穷了。还有
2021-02-26 20:50:44
1053
1
原创 pybullet实现SlideBar的封装,任何机械臂可直接调用API完成SlideBars控制
我将文章发表在了古月居,一起来看看吧!戳这里 -> 古月居猜你想看:pybullet杂谈 :使用深度学习拟合相机坐标系与世界坐标系坐标变换关系(一)pybullet杂谈 :使用深度学习拟合相机坐标系与世界坐标系坐标变换关系(二)pybullet电机控制总结Part 1 - 自定义gym环境Part 1.1 - 注册自定义Gym环境Part 1.2 - 实现一个井字棋游戏的gym环境Part 1.3 - 熟悉PyBulletPart 1.4 - 为PyBullet创建Gym环境.
2021-02-25 22:50:36
333
原创 深度强化学习专栏 —— 6. 使用RLLib和ray进行强化学习训练
我将文章发表在了古月居,一起来看看吧!戳这里 -> 古月居猜你想看:Ubuntu助手 — 一键自动安装软件,一键进行系统配置深度强化学习专栏 —— 1.研究现状深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制深度强化学习专栏 —— 3.实现一阶倒立摆深度强化学习专栏 —— 4. 使用ray做分布式计算深度强化学习专栏 —— 5. 使用ray的tune组件优化强化学习算法的超参数...
2021-02-20 17:17:16
1272
原创 深度强化学习专栏 —— 5. 使用ray的tune组件优化强化学习算法的超参数
我将文章发表在了古月居,一起来看看吧!-> 戳这里猜你想看:Ubuntu助手 — 一键自动安装软件,一键进行系统配置深度强化学习专栏 —— 1.研究现状深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制深度强化学习专栏 —— 3.实现一阶倒立摆深度强化学习专栏 —— 4. 使用ray做分布式计算深度强化学习专栏 —— 5. 使用ray的tune组件优化强化学习算法的超参数...
2021-02-19 16:40:44
369
原创 深度强化学习专栏 —— 3.实现一阶倒立摆
我将文章发表在了古月居,一起来看看吧!戳这里猜你想看:深度强化学习专栏 —— 1.研究现状深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制深度强化学习专栏 —— 3.实现一阶倒立摆pybullet杂谈 :使用深度学习拟合相机坐标系与世界坐标系坐标变换关系(一)Ubuntu助手 — 一键自动安装软件,一键进行系统配置...
2021-01-27 09:24:21
851
原创 深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制
我将文章发表在了古月居,一起来看看吧!戳这里猜你想看:深度强化学习专栏 —— 1.研究现状深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制深度强化学习专栏 —— 3.实现一阶倒立摆pybullet杂谈 :使用深度学习拟合相机坐标系与世界坐标系坐标变换关系(一)Ubuntu助手 — 一键自动安装软件,一键进行系统配置...
2021-01-27 09:22:52
343
原创 深度强化学习专栏 —— 1.研究现状
我将文章发表在了古月居,一起来看看吧!戳这里猜你想看:深度强化学习专栏 —— 1.研究现状深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制深度强化学习专栏 —— 3.实现一阶倒立摆pybullet杂谈 :使用深度学习拟合相机坐标系与世界坐标系坐标变换关系(一)Ubuntu助手 — 一键自动安装软件,一键进行系统配置...
2021-01-27 09:20:12
1077
原创 Ubuntu助手 — 一键自动安装软件,一键进行系统配置
我将文章发表在了古月居,一起来看看吧!戳这里猜你想看:深度强化学习专栏 —— 1.研究现状深度强化学习专栏 —— 2.手撕DQN算法实现CartPole控制深度强化学习专栏 —— 3.实现一阶倒立摆pybullet杂谈 :使用深度学习拟合相机坐标系与世界坐标系坐标变换关系(一)...
2021-01-27 09:15:28
705
2
原创 SSH显示服务器端的GUI界面
1.两台电脑都安装openssh-server和openssh-client。sudo apt install openssh-server openssh-client2.查看ssh服务是否启动。ps -e | grep ssh如果显示有sshd的选项,即代表启动成功。如果没有,可通过如下命令启动sudo /etc/init.d/ssh start 3.1 如果只是在纯终端方式下开发,直接通过ssh username@ip, 例如 ssh dell@192.168.3.11命令
2020-12-25 11:24:57
5137
原创 分别使用常规控制和强化学习方法解决cartpole swing-up问题
分别使用常规控制和强化学习方法解决cartpole swing-up问题使用常规方法控制使用强化学习来控制(重点说明)参考对于做强化学习的小伙伴,常见的是cartpole的平衡问题。可阅读论文Stephenson, 1908; Donaldson, 1960; Widrow, 1964; Michie & Chambers, 1968.比平衡问题更加具有挑战性的是cartpole的swing-up问题,就是上图gif显示的控制策略,从pole垂下自然状态,通过控制cart使pole竖直平衡(具
2020-11-03 22:56:39
1537
原创 CSDN页面完美格式打印
如果直接在CSDN页面上Ctrl + P打印,肯定会是这样的预览页面页面显示不全,格式不正确,等等。这是因为页面的CSS等元素干扰了打印。只要把那些干扰元素删除,再打印就OK了复制以下代码,打开要打印的页面。 (function(){ $("#side").remove(); $("#comment_title, #comment_list, #comment_bar, #comment_form, .announce, #ad_cen, #ad_bot").remove()
2020-11-03 20:20:54
8600
12
原创 解决Ubuntu启动时卡在logo页面
尤其对于刚装的Ubuntu系统,开机的时候有时候会卡在logo页面这个是因为开源显卡驱动导致的,具体的原因以及解决方法呢,请阅读下面这篇文章,这篇文章不仅讲了怎么修复这个问题,还把这个问题的原因也讲解的很明白。Fixing Ubuntu Freezing at Boot Time...
2020-10-25 17:23:29
6288
1
原创 WSL1和WSL2安装界面显示
缺点:使用Xming,xfce和windows的显示是在一起的。优点:使用WSL,相比虚拟机,可以充分使用所有的CPU,并且在win10 20145之后的build版本中,将支持GPU。可以开启Windows预览体验计划,安装Dev渠道的版本,便可以提前享受新的版本,但是注意,20211版本把WSL干死了(2020-9-16)安装方法1. 安装WSL Ubuntu子系统2....
2020-09-17 11:05:27
5814
原创 强化学习(第二版) - 第三章公式总结及习题答案
期望回报Gt=Rt+1+Rt+2+Rt+3+⋯+RTGt=Rt+1+γRt+2+γ2Rt+3+⋯=∑k=0∞γkRt+k+1,0≤γ≤1Gt=Rt+1+γRt+2+γ2Rt+3+⋯=Rt+1+γ(Rt+2+γRt+3+⋯ )=Rt+1+γGt+1\begin{aligned}G_t&=R_{t+1}+R_{t+2}+R_{t+3}+\cdots+R_T \\G_t&=R_{t+1}+\gamma R_{t+2}+\gamma^{2} R_{t+3}+\cdots=\sum_{k=0
2020-09-05 22:50:25
3399
3
原创 强化学习(第二版)Sutton - 第二章习题答案和解析
强化学习(第二版)Sutton - 习题答案和解析第二章2.1 在$\第二章2.1 在$\
2020-09-04 11:20:13
10573
15
原创 Part 1.2 - 实现一个井字棋游戏的gym环境
上文已经描述了怎么创建和注册一个自定义的gym环境。但是环境类中的4个函数都是空的,本文将描述怎么实现那4个函数,实现一个完整的井字棋游戏的环境。游戏规则:两个玩家在3x3的棋盘上,一方执X,一方执O。哪方先下的连续3个子(不管在对角,竖直还是水平方向)为胜。(类似五子棋)。赢得一方将会获得+100的奖励。完整的环境代码访问GitHub。其中,step函数已经指定了双方下棋的规则,也就是说这个程序不是依靠某个强化学习算法来下棋,而是靠固定规则。因为本系列文章的目的就是要说明如何自定义环境,而不是应用.
2020-08-25 11:38:13
1290
原创 pybullet电机控制总结
恒定速度要让电机保持恒速运动,需要指定施加在电机的最大外力。如maxForce = 500p.setJointMotorControl2(bodyUniqueId=objUid, jointIndex=0, controlMode=p.VELOCITY_CONTROL, targetVelocity=targetVel, force=maxForce)一段完整的代码import pybullet as pimport timeimport
2020-08-23 21:18:06
1566
cudart64_100.zip
2020-01-08
Deep Learning and Robotics(pieter abbeel).zip
2020-01-05
Hybrid PositionForce Control of Manipulators.zip
2020-01-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人