图像视觉
文章平均质量分 90
Daniel大人
深度学习工程师,普通社畜,可能也不普通。
展开
-
关于styleclip的踩坑(1)global direction中的fs3.npy的生成
随心情填坑。0.背景因为公司项目有个需求需要用到styleclip,所以就去了解了一下。这项技术就是可以通过clip输入文字,对生成的图片产生一定影响,从而生成符合描述的图片,或者,描述为图像编辑,将一张苦瓜脸变为笑脸。我这边的项目需要将该项目改为对其他目标的编辑,不是脸,但是这里就不仅仅是更改数据集这么简单了。这边用到的stylegan项目地址:GitHub - dvschultz/stylegan2-ada-pytorch: StyleGAN2-ADA - Official PyTorch原创 2022-01-27 14:54:23 · 1862 阅读 · 10 评论 -
关于mmsegmentation的自定义数据集格式的一些坑(2)
这次又有任务要跑mmseg,我本意是拒绝的,奈何老板喜欢,mm系列的东西,那一套流程,真心玩不转,玩着玩着心就累了。mm系列和detectron差不多,要找其代码流转,都是要先看配置文件,比较麻烦,需要一定的经验,然后前面两篇都写了我是怎么查看的,这个东西多说无益,我只能说我是怎么看的,希望对各位有所帮助。一:安装这个mmsegmentation,我用的官方的代码,安装还是非常方便的,就是先装一个mmcv再装本体就可以了,mmcv,文档里面写的是mmcv和mmcv-full都可以,但是似乎是mm原创 2021-04-08 17:48:12 · 4991 阅读 · 5 评论 -
fewX(fsod)的预测代码编写--detectron2框架的一般见解(1)
前几天老板图像想试试fsod,以前根据论文复现了一下,不过当时只有论文,本渣渣复现不理想,无奈放弃,现在他突然发现不仅开源了,还有了好几版,然后找来这个让我试一下,用的是这个git:https://github.com/fanq15/FewX不过显示发现,这个代码只有训练和验证部分,没有测试代码,然后他用的是detectron2框架,说实话,这个框架,和之前的一篇博文写的mmdetection差不多,就是用起来可能很方便,但是改起来很痛苦,很烦,而且当时写那个的时候,感觉把mmdetection摸得挺透原创 2021-02-22 11:29:08 · 1718 阅读 · 24 评论 -
mmdetection新增自定义分支(0):mmdetection的安装和基本介绍
此篇是初始篇 mmdetection是非常知名的目标检测的框架,他集成了很多知名的深度神经网络,简单来讲就是可以通过配置文件的配置来使用各种不同的网络。 不过使用起来是很方便,但是对于初学者来说,他把各种网络都封装起来了,就很难找到相应的实现代码,不太利于学习。mmdetection的安装: 一般从github上下载下来就可以了,他有比较详细的install.md,写的还是比较详细的,以上的链接是目前最新的,我当时安装的版本是2.1的版本,安装的时候...原创 2020-08-27 18:00:20 · 590 阅读 · 0 评论 -
Ubuntu18.04与deepin+nvidia-docker的构建与踩坑+puppeteer在docker中的使用
写在前面的废话 首先说什么docker,之前我啥也不知道,大概了解,就是一个集成环境,然后可以带着这个跨越各种平台什么的。就这几天的使用来看,差不多是的吧,在使用上,感觉确实是一个带系统的集成环境,基本上和主机隔离开了,在我看来,就是一个虚拟机,然后里面可以装各种环境,然后还可以复制带走,他们之间的区别不太清楚,感觉虚拟机更方便才是,docker每次修改之后,如果不发布的话,那就没有了哟。 再说明一下,其实就docker的情况,我原本就很奇怪,cuda怎么装,最后发现,不用...原创 2020-05-15 16:03:55 · 870 阅读 · 0 评论 -
深度学习环境搭建,显卡驱动,cuda,cudnn,pytorch,装环境不求人
由于楼主在一些意外的情况下,彻底转行做深度学习了,而且做了几年了,一直在学习,也想总结一些经验写出来,然而总是累的瘫倒在地,爬不起来写。今天从最初开始写吧,如何搭环境。想到哪写到哪。 首先,跑深度学习,要求电脑性能非常高,反正我是用公司电脑的,用的最低档的显卡也是1080,公司最高配是rtx titan,还是不错的。内存,建议16G起步,最好是32G及以上。系统,...原创 2020-04-10 11:10:16 · 908 阅读 · 0 评论 -
基于python的边缘检测方法-sobel,scharr,laplacian,canny
边缘检测是图像处理和计算机视觉的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点,图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括:深度上的不连续,表面方向的不连续,物质属性变化和场景照明变化。边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。图像边缘检测大幅度的减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。...原创 2020-03-27 11:10:54 · 2227 阅读 · 0 评论