- 博客(705)
- 收藏
- 关注
原创 【边缘检测】CaseNet 自制PPT
以下是组会汇报时的PPT,贴出方便一起学习。我将从三部分简单介绍一下,第一部分会从直观理解和数学层面来介绍问题描述,第二部分介绍作者提出的多类别损失函数,最后是核心网络架构,将会先介绍两个基础框架,分析作者是怎么提出本文框架的。这是一幅街景图像的语义边缘检测效果图,左上角是原图,右上角是ground truth,最后是本文效果图。首先对比一下传统的边缘检测,其实是二元与多元问题的区别。语义边缘检测不仅要检测边缘,还要为为每个边缘像素分配一个或多个语义类别。这边这个多个..
2022-04-05 14:52:07 3145 3
原创 【openvino+树莓派】实现实时摄像头人脸检测
目录参考步骤人脸检测py代码图片形式摄像头实时树莓派+openvino人脸检测实时效果openvino 树莓派 人脸实时检测测试效果_哔哩哔哩_bilibili参考步骤Openvino:安装、部署。(可参考以下文档,验证不建议参考)树莓派+神经计算棒2部署Openvino的human_pose_estimation_demo实例_hwxhxyz1998403的博客-CSDN博客_openpose 树莓派树莓派4B使用OpenVINO部署人体关键点检测...
2022-03-02 13:34:14 4791 4
原创 机器学习集成学习算法介绍
参考周志华《机器学习》李航《统计学习方法》集成学习自制PPT,第一次学习,错误之处,多多指教。决策树法确定V=2.5阈值小知识点:Hoeffding不等式:Hoeffding不等式指的是某个事件的真实概率与在伯努利试验中观察到的频率之间的差异。https://blog.csdn.net/jesmine_gu/article/details/83245907最小化损失函数与最大似然函数关系(线性回归为例)https://blo..
2021-02-04 22:10:25 1098
原创 A*算法(超级详细讲解,附有举例的详细手写步骤)
背景:项目需要接触此算法,以下是一些自学成果,如有不足之处,欢迎指出,必虚心接受。做了一份PPT来汇报,此处直接使用自己PPT的截图。部分图片来源网络,如有侵权立马删除,以下博文仅作为学习笔记。目录A*寻路算法A*算法解决什么问题A*算法的基本原理A*算法的详细原理A*算法的详细原理之定义A*算法的详细原理之初始设定A*算法的详细原理之寻路原理A*算法的详细原理之结束条件A*算法的寻路详细步骤A*算法的举例说明A*算法的伪代码A*算法的定义伪....
2020-11-17 19:35:04 133351 86
原创 视频到图片(每隔几帧保存一张图片)opencv实现
# 视频分解图片# 1 load 2 info 3 parse 4 imshow imwriteimport cv2import os# 获取一个视频打开cap 参数1 file name#cap = cv2.VideoCapture("1.mp4")#cv2.VideoCapture(0, cv2.CAP_DSHOW) # 摄像头截取cap = cv2.VideoCapture('2.mp4')isOpened = cap.isOpened # 判断是否打开‘print(i...
2020-10-31 16:54:52 9382 8
原创 【C++】JZ3 数组中重复的数字(数组与矩阵)
分析:长度为n,所有数字[0,n-1]。如果没有重复的那就是正好0--n-1的数字都在。不合法输入输出-1。时间复杂度0(n):最多一层循环(不能用sort排序,时间复杂度n*log2n)空间复杂度0(n)使得所有元素都在应该的位置也就是a[i]==i循环判断第i个元素a[i]是否为应该的(a[i]==i)如果是则已经有序,下一个不是再次判断:如果a[i]==a[a[i]],它应该在的位置已经有了,那就重复了不相等,交换顺序,直接用C++自带的swap函数
2022-10-02 10:43:03 1054 1
原创 【最长公共子序列】两行字符串,不交叉相连,最多连线
// str维度为 m n ,dp维度(m+1)(n+1) if (str1[i - 1] == str2[j - 1]) { dp[i][j] = dp[i - 1][j - 1] + 1; } else { // 取当前位置上或左的最大数 dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]); }
2022-09-24 16:45:31 1432
原创 【js】对象数组交集
然后就是用另一个数组使用filter来过滤满足条件的数据, 返回一个新的数组,使用indexOf来判断是否存在这个数据, 没有的话返回 - 1有的话就返回位置, 这里 != -1, 表示检索有这个数据的两者结合就是检索arr1中的id1与arr2中的id相同的数据出来返回一个新的数组.间接实现数组对象的交集
2022-09-23 17:19:14 2799
原创 【前端】图标
注册登录点击登录以后可以点进去看一个系列的;可以更改颜色(选择对应区域进行更改),大小。1. 单个页面引入图片可以插入svg代码也很方便2. 普通图片形式
2022-09-22 11:30:09 422
原创 【vue】V-for
遍历数组:list:[1,2,3] v-for="(item,i) in list"遍历对象数 list:[ {id:1,name:'ccc'}, {id:2,name:'acc'} ] v-for="(user,i) in list" user.id user.name遍历对象 data{ user:{
2022-09-22 11:00:20 372
原创 【填坑】THERE IS A CHART INSTANCE ALREADY INITIALIZED ON THE DOM
if(domEle != null && domEle != "" && domEle != undefined){ domEle.dispose();//解决echarts dom已经加载的报错}
2022-08-18 10:02:07 995
原创 【JS】jQuery中的$.getJSON( )用来从服务器加载json编码的数据
jQuery中的$.getJSON( )方法函数主要用来从服务器(也可以是本地)加载json编码的数据,它使用的是GET HTTP请求。
2022-08-16 10:30:57 1446
原创 【前端】psd到html切图,包含ps切图
半自动切图(适用于需求量小的切图操作)>>>第一步:点击菜单栏中的“编辑”,然后点击“首选项”,然后点击“增效工具”,点击“启用生成器”,然后点击“确定”;(快捷键 ctrl +k )重启PS>>> 第二步:点击菜单栏中的“文件”,然后点击“生成”,然后点击“图像资源”。>>> 第三步:首先选中要切的图片所在的图层,然后来到图层面板,双击图层名文字,在图层名后添加.png 或 .jpg;然后回车。>>> 第四步:来到psd文件所在文件夹,打开以assets结尾的文件,即可看到相应
2022-08-08 10:33:22 1989
原创 【前端小白】pxcook读取psd设计文件
PxCook官网下载:从设计到代码, 自动标注工具, 生成前端代码, 直接生成可执行样式代码,左上角选一下开发模式为web。
2022-08-08 10:03:16 1319
原创 【latex】\mathbf{} \matrm{}
\mathbf{} 只对公式中普通字母起作用,变为粗体,但会导致字母斜体形式丢失\matrm{} 将括号内的字母由数字斜体变为整体,即罗马体
2022-07-31 20:05:04 4664
原创 【填坑】Server is Started at port : 5500,但是却不能打开网页
Server is Started at port : 5500,但是却不能打开网页解决:右键此电脑,点击属性------->点击高级系统设置,进入下一个页面-------->选择高级,单击环境变量,进入环境变量设置页面----->找到系统变量,点击选中Path,然后点击下侧的编辑------->进入环境变量编辑界面之后,点击新建,然后将系统路径C:\WINDOWS\system32复制进去,之后点击确定,接着要注意所有的剩下页面都要点击确定,即设置完成。然后要重启电脑,一定要重启,然后再打开vsco
2022-07-29 10:30:55 2837 6
原创 【深度学习】上采样相关知识点学习
在深度学习框架中,上采样可以简单的理解为任何可以让图像变成更高分辨率的技术。上采样(upsampling)的三种方式:插值法 (Interpolation) 、反卷积 (Deconvolution) 和 反池化 (unPooling) 。
2022-07-17 17:57:18 1649
原创 【overleaf】记录overleaf使用时遇到的两个坑以及解决方案
overleaf在线编译latex文档,挺好用的,也是投稿期刊推荐的提交网站。问题一:Command \c@lofdepth already defined. \newcounter{lofdepth}在\usepackage{subfigure}前面加一段代码问题二:Package inputenc Error: Invalid UTF-8 byte sequence. [This electronic document is a l]在文章的开头\begin{document}上面添加.....
2022-07-16 10:04:28 6580 2
原创 【Latex】Latex文档追踪修改痕迹
需求:论文修改时更好地让别人看到自己的改动痕迹,类似word的修订模式。1、安装perl2、安装miktex3、miktex管理界面安装latexdiff插件4、cmd运行latexdiff指令
2022-07-16 09:56:39 3595
转载 笔记本电脑屏幕当作扩展屏幕(一台PC给另一台PC当扩展屏 win10自带功能)
笔记本电脑屏幕当作扩展屏幕(一台PC给另一台PC当扩展屏 win10自带功能)_Nature68c的博客-CSDN博客_一台笔记本做另一台的显示器
2022-05-24 20:36:12 3551 1
原创 【每日刷题】笔记
用两个栈实现一个队列。队列的声明如下,请实现它的两个函数 appendTail 和 deleteHead ,分别完成在队列尾部插入整数和在队列头部删除整数的功能。(若队列中没有元素,deleteHead操作返回 -1 )示例 1:输入:["CQueue","appendTail","deleteHead","deleteHead"][[],[3],[],[]]输出:[null,null,3,-1]示例 2:输入:["CQueue","deleteHead","appendTai..
2022-04-01 13:05:56 169
原创 【三篇论文】语义分割+边缘检测的多任务学习
语义分割联合边缘检测的多任务学习思路总结_小天要奔跑的博客-CSDN博客_多任务语义分割 笔记https://arxiv.org/abs/1907.05740https://arxiv.org/pdf/2007.10035.pdfhttps://arxiv.org/pdf/2004.07684.pdfJoint Semantic Segmentation and Boundary Detection using It...
2022-03-26 08:46:36 1390
原创 【论文阅读】显著性检测 EGNet
边缘互补新方法助力显著性检测更上一层楼 - 知乎学习笔记显著性目标检测模型:EGNet 总结_zhaoshenlu829的博客-CSDN博客 学习笔记这种表格方式可以学习EGNet: Edge Guidance Network for Salient Object Detection (ICCV 2019)_taxuewuhenxiaoer的博客-CSDN博客EGNet:用于显著目标检测的边缘制导网络_北屿白的...
2022-03-26 08:38:19 338
原创 【论文阅读+】SCRDet 论文翻译学习
SCRDet:Towards More Robust Detection for Small, Cluttered and Rotated Objects_babywang0的博客-CSDN博客_scrdet下文是对上面博客的参考学习。论文地址:https://arxiv.org/abs/1811.07126代码地址:https://github.com/DetectionTeamUCAS作者解读:https://zhuanlan.zhihu.com/p/107400817摘要.
2022-03-24 10:59:38 4008
原创 【论文阅读+】SCRDet、SCRDet++ 论文代码相关学习
参考学习的博客【SCRDet++论文解读】 模型部分:特征提取 ResNet/FPN + 实例去噪 + 候选区域生成 RPN + 回归分类 RoI Warping_dear_jing的博客-CSDN博客_scrdet 【SCRDet++代码调试】损失很低,但检测效果并不好的问题_dear_jing的博客-CSDN博客 【SCRDet++代码调试】windows下调试(重点是“编译 setup.py(rotate) tensorflow版”)_dear_jing的博客-CSDN博客 暂时没...
2022-03-24 10:29:24 3035
原创 【小问题思考】两个全连接层连用 1x1卷积作用
关于为什么一般两个全连接层在一起连用 - Gaaray - 博客园一些CNN网络最后为什么有两个fc全连接层? - 知乎关于为什么一般两个全连接层在一起连用_weixin_30376453的博客-CSDN博客1x1卷积总结一下的话就是:1、在网络中间1.1第一层1x1将卷积层提取的特征进行线性组合,第二层实现了对输入的数据进行高度的非线性变换;1.2扩大模型容量,增加泛化性(同增加网络深度);2、在网络末端2.1将提取到的特征降维映射到相应输出尺度做分类;2......
2022-03-22 15:08:18 2372
原创 【论文阅读】目标检测中的分类回归特征解耦
论文来源:知网以下仅仅是学习过程中的部分笔记,用作自己复习。摘要.....目标检测不仅需要判别图像中存在的目标的类别,还需要回归目标在图像中的位置。特征耦合具体表现:分类和回归部分的网络共享参数,特征分布高度耦合。分类和回归特征耦合对于目标检测算法的影响。具体表现在以下两点:(不一致性)分类分数与目标框回归一致性的问题,即分类分数最高的框不一定是最回归最准的框。 (特征耦合)适用于分类的特征不一定适用于回归定位;同理,适合于定位的特征也不一定是该目标最具类别判别力的特...
2022-03-21 16:30:04 6155 3
原创 【论文小结】CFC 分类回归不一致问题
https://blog.csdn.net/dujuancao11/article/details/123488248以下仅仅摘出解决分类回归问题的相关内容。3. 提出的方法提出的PAM生成对分类和回归敏感的解耦特征。 通过R-ARM进行锚定细化,以基于关键回归特征获得高质量的候选旋转。 通过DAL策略,动态选择捕捉关键特征的锚定作为训练的正样本。这样可以减少分类和回归之间的不一致性,从而有效地提高检测性能。A. Polarization Attention Module..
2022-03-17 10:28:55 1766
原创 【论文阅读】CFC-Net 关键特征捕获网络
摘要光学遥感图像中的目标检测是一项重要且具有挑战性的任务。近年来,基于卷积神经网络的方法取得了良好的进展。然而,由于目标尺度、纵横比和任意方向变化较大,检测性能难以进一步提高。在本文中,我们讨论了鉴别特征在目标检测中的作用,然后提出了一个关键特征捕获网络(CFCNet),从三个方面提高检测精度:构建强大的特征表示、细化预设锚和优化标签分配。具体地说,我们首先将分类和回归特征解耦,然后通过极化注意模块(PAM)构建适合各自任务的鲁棒关键特征。利用提取的判别回归特征,旋转锚优化模块(R-ARM)对预设水平
2022-03-14 22:10:33 2586
原创 【论文阅读】(SLA)Sparse Label Assignment for Oriented Object Detection inAerial Images
论文地址:Remote Sensing | Free Full-Text | Sparse Label Assignment for Oriented Object Detection in Aerial Images摘要近年来,航空图像中的目标检测受到了广泛关注。当前主流的基于锚的方法直接根据锚的交集单元(IoU)将训练样本分为正和负。这种标签分配策略为训练分配密集的样本,这会导致次优的学习过程,并导致模型遭受严重的重复检测和漏检。在本文中,我们提出了一种稀疏标签分配策略(SLA)来根据检测.
2022-03-12 15:21:42 4720 1
原创 【考研复试相关】自己博客整理
我当年复试学习过程中的一些笔记以及经验,当时是20年,适当参考即可,也是当时认真整理过的,不过难免有错误,复试加油。考研复试面试问题准备_dujuancao11的博客-CSDN博客考研复试必备八个英语问题_dujuancao11的博客-CSDN博客有关考研复试和大学学习(大一新生也可以看过来)_dujuancao11的博客-CSDN博客计算机复试问题_dujuancao11的博客-CSDN博客计算机网络复试问题总结_dujuancao11的博客-CSDN博客_复试计算机网络问题.
2022-03-12 14:07:55 1168
原创 【论文阅读+】A2S-Det 从论文书写层面重新阅读
第一次阅读笔记包括翻译和小结【论文阅读】A2S-Det: Efficiency Anchor Matching in Aerial Image Oriented Object Detection_dujuancao11的博客-CSDN博客目录结构设计2. 材料和方法2.1 介绍数据,这个和平时的论文不大一样。摘要在航拍图像中,目标的检测是一项具有挑战性的任务,因为许多目标具有大的宽高比和密集的排列。 "Most anchor-based rotatin...
2022-03-10 10:15:41 850
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人