计算机视觉
文章平均质量分 88
小帆别吃糖
乐观开朗,积极向上,有追求有目标,热爱学习
展开
-
深度学习与计算机视觉 实践学习(4)最简单的图片分类——手写数字识别(基于MXNet)
1. 制作Image Recordio数据2.用Module模块训练LeNet-5原创 2022-01-16 13:48:16 · 589 阅读 · 0 评论 -
深度学习与计算机视觉 实践学习(0)——基础工具、NVIDIA驱动和CUDA安装
安装大部分开发工具需要的基础依赖工具包,比如git,用于矩阵计算的atlas,图可视化的graphviz等;还有pip,Numpy和opencv的安装。以ubuntu18.04为例,$ sudo apt install python-pip$ sudo pip install numpy$ sudo apt update$ sudo apt install build-essential git libatlas-base-dev$ sudo pip install graph.原创 2021-04-09 18:31:50 · 226 阅读 · 0 评论 -
深度学习与计算机视觉 实践学习(3)最简单的图片分类——手写数字识别(基于Caffe和LeNet-5)
最简单的图片分类——手写数字识别LeNet-5在MNIST数据集上训练做手写数字识别——图片分类中的Hello World1. 准备数据——MNIST在大多数框架的例子中,用MNIST训练LeNet-5的例子都被脚本高度封装了。只需要执行脚本就可以完成从下载数据到训练的过程。比如在MXNet中,直接到mxnet/example下执行train_mnist.py即可,Caffe中也有类似的shell脚本。然后这样是不利于初学者了解到底发生了什么。本文将数据准备的部分剥离开,把每个训练都具体到一原创 2020-07-31 16:44:21 · 656 阅读 · 1 评论 -
Mobileye单镜头视觉系统检测车辆的测距方法
Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy著名的Mobileye论文:原创 2020-07-27 16:41:23 · 2907 阅读 · 2 评论 -
深度学习与计算机视觉 实践学习(2)——用caffe实现一个神经网络
用caffe实现一个神经网络目的:对平面内线性不可分的数据进行二分类环境:安装CaffeCaffe是个依赖非常多的框架,装完依赖包后,再装Caffe先到要安装Caffe的目录下,执行 git clone htttps://github.com/BVLC/caffe.git然后到Caffe目录下,找到Makefile.config.example文件复制一份,cp Makefile.config.example Makefile.config与MXNet类似,Makefile.con.原创 2020-07-23 18:14:50 · 370 阅读 · 0 评论 -
深度学习与计算机视觉 实践学习(1)——用MXNet实现一个神经网络
从MXNet开始...当描述一个神经网络或者一些计算公式及函数的时候,实质上是在描述一种可以用图表示的计算关系。在MXNet中,这种计算关系有2种方法表达和计算,即命令式(Imperative)和符号式(Symbolic)。比如(a+b)*c命令式:import mxnet as mxa = mx.nd.array([1])b = mx.nd.array([2])c = mx.nd.array([3])d = (a+b)*cprint(d.asnumpy())print(d.a原创 2020-07-22 15:50:49 · 410 阅读 · 0 评论 -
使用Python脚本转换caltech行人数据集
caltech行人数据集的转换,大多是用matlab代码实现的,但是为了转换数据集安装并使用matlab,我觉得很麻烦,所以还是决定用python脚本完成数据集的转换。实现代码可以从如下链接下载:https://github.com/mitmul/caltech-pedestrian-dataset-converter如果没有github账号,也可以在如下链接下载:https:/...原创 2019-01-24 14:51:56 · 1364 阅读 · 2 评论