旋涡小林-CSDN博客

原创 CentOS 7.5按照普通方法修改静态IP后不生效和解决虚拟机校园网上网问题

问题描述1：按照一般的配置ip的方法，首先在CentOS 7.5下打开 /etc/sysconfig/network-scripts/ifcfg-ens33 文件并且在这个文件里面添加ip、网关等信息，再执行： service network restart然而在进行 ifconfig 时发现网卡的ip地址出不来，也尝试了很多种方法，最后通过以下这篇博客解决：解决：关于安装centos7系统启动后配置静态IP地址不生效问题问题描述2：由于使用的是锐捷客户端的校园网，即使主机和CentOS虚拟机能

2020-11-10 08:45:12 921

原创安装VMware以后发现没有出现虚拟网卡，尝试多种方法，最终解决。

安装VMware以后发现没有出现虚拟网卡，尝试多种方法。尝试过的方法有：① 关闭防火墙、360等软件重新安装VMware。② VMware的虚拟网络那里点击回复网络默认设置。以上两种方法在我的主机上实验均行不通，后面发现以下这篇博客，应该是要把VMware的安装清楚干净重新再安装才可，博客连接：关于VMware安装后没有虚拟网卡VMnet1和VMnet8...

2020-11-10 08:32:56 3336

原创 pandas读取DataFrame的时候df.loc[:x]和普通df[:x]取值范围是不同的

1 如下例：df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6]})df.loc[:2]如上图，使用df.loc[:2]读取时包括了右边是‘闭’的。df[:2]如上图，使用df[:2]读取时包括了右边是‘开’的。...

2020-04-13 17:16:18 1658

原创读取的图像矩阵出现小数？使用matplotlib.image.imread()和cv2.imread()读取png图像的差异

1 问题前几天在使用matplotlib.image.imread()函数进行读取的时候，想通过循环查看图片里面的RGB矩阵分布的时候：import matplotlib.image as pimimg = pim.imread('2007_000033.png')for i in img: print(i)发现矩阵里面惊现小数，如下图（矩阵读取的部分结果）：2 解决我百...

2020-03-18 00:01:34 4430 1

原创论文阅读：MobileNetV2: Inverted Residuals and Linear Bottlenecks（MobileNetV2）

文章目录1 摘要2 存在问题3 亮点3.1 Linear Bottlenecks3.2 Inverted residual block3.4 总的结构体4 部分结果4.1 部分数据对比4.2 部分效果对比5 结论5.1 优势5.2 不足6 参考资料1 摘要本文基于MobileNetV1（戳这可以先了解一下MobileNetV1）的缺陷提出了MobileNetV2结构，并且详尽地分析介绍了...

2020-03-12 15:50:01 621

原创论文阅读：Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network（GCN）

文章目录1 摘要2 存在问题3 亮点3.1 GCN模块3.2 边界提取模块（BR模块）3.3 总的网络框图3.4 ResNet50-GCN预训练模型4 部分结果4.1 部分数据对比4.2 部分效果对比5 结论5.1 优势5.2 不足6 参考资料1 摘要文章指出，最近流行的一个趋势就是使用小的过滤器进行堆叠（如：1x1，3x3等），这样能够在同样的计算量情况下比大的过滤器更有效率。然而，作者发现...

2020-03-10 22:38:07 1238

原创使用labelme批量注释的时候出现：module 'labelme.utils' has no attribute 'label_colormap'或者提示没有 'draw_label'

1 问题在使用labelme进行批量标注的时候出现如下错误：module 'labelme.utils' has no attribute 'label_colormap'或者：module 'labelme.utils' has no attribute 'draw_label'2 产生的原因以及解决方法出现以上的两个问题中的一个或者两个，其都是因为安装的labelme缺少了一...

2020-03-08 00:15:15 4008 1

原创论文阅读：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

文章目录1 摘要2 存在问题3 亮点3.1 深度可分离卷积3.2 α宽度乘法器和ρ分辨率乘法器3.2.1 α宽度乘法器3.2.2 ρ分辨率乘法器3.3 网络整体结构4 部分结果4.1 部分数据对比4.2 部分效果对比5 结论5.1 优势5.2 不足6 参考资料1 摘要本文针对嵌入式视觉应用领域，提出一个新颖的MobileNets网络，该网络使用了深度可分离卷积使得其网络结构十分轻量，并且，可以...

2020-03-06 22:51:34 842 2

原创论文阅读：DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,and......

文章目录1 摘要2 亮点2.1 空洞卷积2.2 空洞空间金字塔池化（ASPP）2.3 条件随机场（CRF）3 效果4 结论5 参考文献1 摘要本文提出了一种用于语义分割的DeepLab系统，主要有三大贡献：① 使用“空洞卷积”代替传统的普通卷积；② 提出空洞空间金字塔池化（ASPP）有效地解决图像多尺度问题；③ 使用条件随机场（CRF）对特征图进行后处理，解决了图像边界定位，分割不准确地问题。...

2020-03-02 23:54:37 1424

原创论文阅读：RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation

文章目录1 摘要2 亮点2.1 残差卷积模块（RCU）2.2 多分辨率融合模块（MRF）2.3 串联残差池化模块（CRP）2.4 RefineNet模块结构2.5 RefineNet整体网络结构2.6 RefineNet变种结构3 部分效果4 结论5 参考文献1 摘要随着CNN的不断发展，涌现了很多深度较深的CNN如ResNet系列，它们非常适合用于完成稠密分割任务，如语义分割。但是由于CNN...

2020-03-02 23:54:03 1611

原创论文阅读：U-Net: Convolutional Networks for Biomedical Image Segmentation

文章目录1 摘要2 亮点2.1 数据增强2.2 U-Net网络结构2.2.1 裁剪2.2.2 特征的拼接2.2.3 U-Net总体结构的分析3 效果4 结论5 参考文献1 摘要针对医学图像分割领域，本文作者提出一种数据增强的策略和一种U-Net网络结构，该结构通过端到端的训练能够使用少量的图像而得到比当时滑动窗口法（普通CNN）更好的效果。并且，该网络非常快，使用普通GPU分割一张512x51...

2020-03-02 23:53:37 1306

原创论文阅读：ReNet: A Recurrent Neural Network Based Alternative to Convolutional Networks

文章目录1 摘要2 亮点2.1 使用RNN处理图像2.2 ReNet总体结构3 效果4 结论5 参考资料1 摘要本文提出一个叫ReNet的深度神经网络结构用于目标识别，该网络使用RNN代替了大部分的卷积+池化操作部分，通过使用RNN单元对图像块进行横向扫描、垂直扫描得到两个特征图再进行拼接。该网络在MNIST、CIFAR-10、SVHN数据集均有较好的表现。2 亮点2.1 使用RNN处理图...

2020-03-02 23:53:02 3831

原创解决：An HTTP error occurred when trying to retrieve this URL. HTTP errors are often intermittent......

文章目录1 问题描述2 问题解析3 解决问题4 参考资料1 问题描述在Anaconda下准备下载东西的时候，出现了这样的报错：Collecting package metadata (current_repodata.json): failedCondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anac...

2020-03-02 14:54:45 160780 107

原创 Anaconda4.7安装以后在终端下使用python命令提示“python不是内部或外部命令，也不是可运行的程序或批处理文件。”

文章目录1 问题描述2 问题解析3 解决问题1 问题描述最近在装完新版的Anaconda4.7并且设置环境变量以后，终端下输入python命令提示“python不是内部或外部命令，也不是可运行的程序或批处理文件”，经过一番折腾，终于发现出现该问题的原因并解决。2 问题解析在安装好Anaconda4.7，我在设置环境的时候是在Administrator的用户变量下的Path下设置的，如下图。...

2020-03-02 14:31:27 1775 1

原创 Win10下如何正确设置环境变量？

Win10下如何正确设置环境变量？步骤如下：① 打开控制面板，点击系统和安全。② 点击系统。③ 点击高级系统设置。④ 出现环境变量页面，但是有两个框框，一个是Administrator用户变量，一个是系统变量。二者的区别是前者是当前Administrator用户下才能有效，而后者是只要登陆这个系统的所有用户都有效。⑤ 环境变量的设置，以Path环境变量为例子，若要设置系统变量下P...

2020-03-02 14:19:20 1815

原创论文阅读：SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS（DeepLabV1）

文章目录1 摘要2 存在的问题3 亮点3.1 引入空洞卷积3.2 引入CRF处理3.3 考虑多尺度处理3.4 总体的结构4 部分结果4.1 分割的数据对比4.2 分割的效果对比5 结论5.1 优势5.2 不足6 参考资料1 摘要深度卷积神经网络（DCNNs）在视觉任务中应用广泛，但是在语义分割中，使用DCNNs的最后一层进行预测存在分割定位不准备的问题。针对这个问题，作者结合DCNNs和CRF...

2020-03-01 22:46:47 521

原创论文阅读：Rethinking Atrous Convolution for Semantic Image Segmentation（DeepLabV3）

文章目录1 摘要2 存在的问题2.1 解决多尺度问题常用的四个方法2.2 空洞卷积的缺点3 亮点3.1 output_stride的影响3.2 ASPP改进4 部分结果4.1 分割的数据对比4.2 分割的效果对比5 结论5.1 优势5.2 不足6 参考资料1 摘要目前语义分割过程存在两个问题：① 池化层导致图像分辨率的下降； ② 图像的多尺度问题。针对这两个问题，而在DeepLabV2中，作者...

2020-02-27 22:30:11 826

原创论文阅读：Learning to Segment Object Candidates（DeepMask）

文章目录1 摘要2 亮点2.1 DeepMask结构2.2 损失函数3 部分结果3.1 与其它网络的对比3.1 分割效果4 结论4.1 优势4.2 不足5 参考资料1 摘要最近目标检测一般需要依赖于2个关键步骤：（1）尽可能有效率地提取目标proposals。（2）对提取到地这些proposals进行分类。与上面的不同，作者提出一个新网络结构DeepMask：通过一个网络分成两条不同路径，一条...

2020-02-23 12:37:36 1294 1

原创论文阅读：LSTM-CF: Unifying Context Modeling and Fusion with LSTMs for RGB-D Scene Labeling

文章目录1 摘要2 亮点2.1 LSTM-CF网络总体思路2.2 LSTM-CF网络总体结构3 部分效果3.1 LSTM-CF网络各模块的影响3.2 分割效果4 结论5 参考资料1 摘要（如果之前没有了解过RNN处理语义分割任务时，建议先看这篇文章：论文笔记：ReNet: A Recurrent Neural Network Based Alternative to Convolutional...

2020-02-22 22:07:49 962

原创论文阅读：ReSeg: A Recurrent Neural Network-based Model for Semantic Segmentation

文章目录1 摘要2 亮点2.1 ReNet结构改进2.2 ReSeg整体结构3 效果4 结论5 参考资料1 摘要本文基于ReNet提出ReSeg网络，ReSeg网络的特征提取阶段（编码器阶段）采用的是预训练好的CNN网络结构，而在恢复图像尺寸的时候（解码器阶段，也就是上采样阶段）采用了RNN结构，RNN结构部分是基于ReNet的，ReNet是基于RNN的图像分类网络。ReSeg结构处理语义分割...

2020-02-21 18:52:01 1658

原创论文阅读：Learning Deconvolution Network for Semantic Segmentation

文章目录1 摘要2 亮点2.1 解码器结构2.1.1 反池化层2.1.2 反卷积层2.1.3 反池化和反卷积结合2.2 网络整体结构3 部分效果3.1 FCN和DeconvNet的对比3.2 各个网络效果对比4 结论5 参考文献1 摘要针对单纯的FCN网络存在忽略小物体、分解大物体的问题，当时通常地做法是使用CRF做后处理进行对分割结果进行调整。而本文提出了DeconvNet，该网络可以拆解成...

2020-02-20 11:51:43 855

原创论文阅读：ParseNet: Looking Wider to See Better

文章目录1 摘要2 亮点2.1 全局池化层2.2 L2归一化层2.3 ParseNet总体结构3 部分效果图4 结论5 参考文献1 摘要针对FCN的实际感受野比理论感受野小很多的问题——按道理VGG+FCN的fc7的感受野是404×404，可实际上的FCN的fc7的感受野却并没有这么大，本文提出一种ParseNet网络，通过融合全局信息来弥补实际感受野的不足。2 亮点2.1 全局池化层作...

2020-02-19 11:12:34 1164 2

原创论文阅读：ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation

文章目录1 摘要2 亮点2.1 initial模块和bottlebeck模块2.1.1 initial模块2.1.2 bottlebeck模块2.2 PReLU2.3 普通卷积、非对称卷积、空洞卷积混合使用2.4 ENet总体结构3 效果4 结论5 参考资料1 摘要语义分割的落地（应用于嵌入式设备如手机、可穿戴设备等低功耗移动设备）是一个很重要的问题，而最近提出的网络中，虽然有着较高的准确率，...

2020-02-17 14:00:18 1592

原创论文阅读：Pyramid Scene Parsing Network

文章目录1 摘要2 亮点2.1 PSPNet2.2 ResNet的辅助loss3 部分效果4 结论5 参考文献1 摘要本文针对场景解析提出一种使用金字塔池化模块的PSPNet，能够聚合不同区域的上下文信息，在场景解析中达到非常好的效果，该结构在各个数据集中均有很好的表现，其中在PASCAL VOC 2012和Cityscapes中刷新了mIoU的记录，分别获得85.4%和80.2%的准确率。...

2020-02-15 23:02:41 1195 1

原创论文阅读：SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

文章目录1 摘要2 亮点2.1 网络结构2.1.1 编码器结构2.1.2 解码器结构3 效果4 结论5 参考资料1 摘要本文提出一种可用于端到端训练的语义分割网络结构——SegNet，它是一种编码器—解码器结构。编码器结构类似于VGG16的前13层，而本文的重点介绍在于解码器部分，其创新性地使用了一种池化索引的上采样方法，不仅消耗更小的内存，而且在上采样部分避免了学习。该网络主要运用于道路场景...

2020-02-14 20:54:22 1831

原创论文阅读：Fully Convolutional Networks for Semantic Segmentation

文章目录1 摘要2 创新点2.1 以全卷积层代替全连接层2.1.1 支持任意不同尺寸图片的输入2.1.2 更利于端到端学习2.2 使用“反卷积”作为上采样2.3 引入了跳跃结构3 效果4 结论5 参考文献1 摘要针对语义分割，本文提出一种叫“fully convolutional networks”的网络（下称FCN），该网络支持输入任意尺寸的图片并且输出一定尺寸的图片。在这个网络中定义了一种...

2020-02-12 12:38:22 1102

原创 Ubuntu18.04使用校园网上网的问题（以锐捷客户端为例）

一、校园网上网方式1：桥接上网笔者在刚刚安装了Ubuntu18.04，按照以前的习惯，运行VMware的时候一定要以管理员模式运行，然后上来就执行：ping www.baidu.com结果出现：无奈，只能解决。本人使用的是校园网客户端锐捷客户端上的网，其它的客户端估计也能适用。首先可以使用的是桥接方式上网，可以如下配置：在网络适配器这里设置为桥接模式，勾选复制物理网络连接状态。...

2019-11-17 18:18:32 3492 2

原创 Ubuntu18.04下安装VMware-Tools

检查VMware-Tool按钮状态在启动Ubuntu以后（一定要进行启动后才可进行检查），参照如下图：如果像我的一样，VMware-Tools是显示灰色的，那么需要进行以下设置，如果不是灰色的，就不用进行以下设置。以下设置为：先关机。关机以后调出如下图，然后点击设置：弹出以下图，注意红色框框那里，如果你的不是显示“自动检测”，那么需要将这三项都设置成“自动检测”。下图为设置好了的...

2019-11-16 22:04:20 2753 2

原创深刻理解经典问题：i++与++i

一、printf函数参数顺序问题。1、printf函数的参数的执行顺序问题：我们经常使用printf函数，由于本次实验是在linux下的gcc编译环境下进行，所以对于printf函数的参数，其结果也只使用与当前环境。可先观察例子： int i = 1; printf("i++= %d, i++ = %d, i++ = %d\n",i++, i++, i++);运行结果为：...

2019-01-16 17:15:15 2055 1

原创 C中必须注意的宏定义细节

1、不能忽略宏定义的空格，如一例子：#define f (x) ((x)-1)当经过预编译以后，由于宏定义的作用仅仅是替换的作用，因此，如果使用f(x)的时候，其替换如下：(x) ((x)-1)(x)这样，就远不能达到要求了。2、宏定义与重命名，若出现以下：`#define C1 struct foo*typedef struct foo* C2C1 a, b;C2 a, ...

2019-01-16 10:59:14 1379

原创 C语法陷阱：“悬挂”else引发的问题

一、“悬挂”else引发的问题导论：if与else的匹配问题虽然简单，但是很容易由于粗心犯一些比较简单的错误。1.举个例子，想要实现一个功能：如果a=1且b=1时打印出"a=1, b=1"，如果a不等于1则打印出"a!=1"，则代码如下： int a = 1; int b = 1; if(a) if(b) ...

2019-01-13 18:24:45 823

原创对C语言中((void())0)()的理解

一、(*(void(*))0)()的理解**导论：**在一些复杂的代码工程中，经常出现类似于(*(void(*))0)()这种复杂的表达式，今天就带大家慢慢剖析这种表达式，教大家理解。1.一个函数名的本质。函数名的实质就是一个函数的首地址，当执行这个函数的时候，其实就是跳转到相应的地址去执行这个地址下装的二进制代码，可以通过以下程序了解：#include &lt;stdio.h&gt;i...

2019-01-13 18:22:15 4760 2

原创 C词法陷阱：词法的“贪心法”

一、C语言的词法分析中的“贪心法”导论：C语言中有很多单目运算符号，但是这些单目运算符可以组成很多运算符，当这些运算符的组成产生矛盾时，应该按照：从左到右一个字符地读入，如果这些字符可以组成一个符号，那么可以再读下一个字符，依次类推,这叫做C语言词法分析法中的“贪心法”。`如： int a = 3; int b = 0; b = a---1; printf(&quot;T...

2019-01-13 11:04:57 624 1

原创如何判断当前环境的存储方式是大端模式还是小端模式？

一、形象的内存格子。 1、我们都知道数据是可以存储在内存中的，但是它究竟是以一种什么样的形式存储呢？这里我们引入一个“内存格子”来形象化数据的存储。在一个32位计算机中，假设一个格子代表一个字节，则四个字节的单元格是这样的： 0000 0000 0000 0000 0000 0000 0000 0000刚刚好一个字节8个位，四个字节四个格子就是32位了，这也是

2018-01-18 16:28:34 2964

原创 C语言的int类型与unsigned int运算的问题。

一、unsigned int变量跟int类型的变量运算时得出的结果是什么类型的？1、先看一个有趣的例子： int a = 3; unsigned int b = -6; printf("%d\n", a+b); if((a+b)>0) { printf("yes\n");

2018-01-17 22:13:57 22366 13

原创单片机、桌面电脑/PC、嵌入式系统的启动思路对比。

一、理解SRAM和DRAM。1、程序员角度中的SRAM？答：我们平时都说内存分为SRAM和DRAM，那到底什么是SRAM呢？中文名静态内存，它的一大特点是不需要我们程序员写初始化代码初始化它，直接上电即可工作，但是一大缺点是内存一般比较小而且非常贵。单片机内部一般就使用这个，所以写完单片机代码烧录后直接上电，程序就可以跑起来了，并不需要写初始化内存的代码。2、程序员角度中的DRAM？

2017-11-16 16:47:29 1330

原创什么是重定位？为什么需要重定位？（嵌入式下）

一、必须知道的几个概念。1、链接地址和运行地址。①运行地址，顾名思义就是程序运行的时候的地址，也就是你用工具将代码下载到RAM的那个地址，也叫加载地址。②链接地址，由链接脚本指定的地址。为什么需要链接脚本指定地址呢？你想一下，在c语言编程中，当我们需要调用一个A函数的时候，编译器是怎么找到这个A函数？编译器肯定是知道它被放在哪里才可以找到它。那就是链接脚本的作用，链接脚本其实在程序被执行之前都已经指

2017-11-11 20:22:30 14417 1

原创基于X210开发板平台下的刷机教程

一、什么是刷机？ “刷机”这个词在日常生活中经常听到，例如有些人说“我手机很卡，需要重新去刷一下机”，“我手机这个功能不支持，可以去刷下机么”，等等。其实，专业一点来说，刷机就是重新在板载的iNand/Nand/SD卡等储存设备上面重新部署uboot、kernel、rootfs。通俗一点来说就是，重装一个操作系统，像在电脑上面重装系统一样。二、准备刷机工具。（一）软件工具1、fastboot：现在

2017-11-09 14:07:57 1702

原创 uboot控制台下的环境变量详解

1、bootdelay 在uboot启动结束后会出现倒计时，倒计时一到就会自动执行bootcmd，这个倒计时的长短就是由bootdelay环境变量影响的。2、bootcmd uboot启动结束后出现倒计时，倒计时一到就会执行bootcmd，而这个环境变量的内容就决定了uboot接下来要干嘛，例如像：bootcmd=movi read kernel 30008000; movi read root

2017-11-07 19:41:21 1812

原创在uboot下修改环境变量需要注意什么？

在uboot的终端下修改环境变量，需要注意一定的格式，否则的话很容易出现环境变量修改不成功或者修改错误等问题。一、注意修改的格式以修改uboot下的bootcmd为例：1、修改时不可加 “=” 号。// 错误示范1：setenv bootcmd = movi read kernel 30008000; movi read rootfs 30B00000 300000; bootm 3000

2017-11-06 18:20:03 3192

TDD测试驱动开发PDF及源码.zip

空空如也