InkBamboo920的博客

Git常用命令文章目录Git常用命令配置问题初始化基础设置使用提交1.添加2.提交远程仓库生成sshliunx下windows下关联远程仓库推送克隆管理查看状态查看修改过的文件和已经提交的文件的区别回退查看记录回退撤销回退撤销修改工作区和暂存区eg:删除分支查看当前分支创建分支切换分支旧版新版合并分支删除分支配置问题初始化每次第一次创建一个本地目录时:git init基础设置--g...

经常在csdn上复制粘贴示例代码时，经常会遇到sklearn.cross_validation导入失败的原因在机器学习中，我们通常将原始数据按照比例分割为“测试集”和“训练集”，通常使用sklearn.cross_validation里的train_test_split模块用来分割数据。from sklearn.cross_validation import train_test_split...

Arduino 例程编译错误问题描述error: unknown type name ‘uint_farptr_t’; did you mean ‘uint_fast8_t’?中午午觉醒来本来打算试试arduino，第一次打开arduino，想试试手，做个led小灯但是，发现报错，哪怕新创建文件，自己带的例程都会报错…Arduino:1.8.10 (Windows 10), 开发板："...

LNK2005,LNK1169问题描述在完成学校数据结构是实验课作业的时候，要求用多文件的形式完成作业，要求在list.h实现函数声明，list.cpp对函数进行具体定义，在main.cpp中进行调用于是当我使用VS2017编写C++代码的时候，出现了LNK2005,LNK1169报错但是当时没有一个函数进行重定义当时代码大概为list.h#include<stdio.h&...

（roman urdu小语种为例）link: https://www.kesci.com/home/competition/5c77ab9c1ce0af002b55af86/content/1本练习赛所用数据，是名为「Roman Urdu DataSet」的公开数据集。这些数据，均为文本数据。原始数据的文本，对应三类情感标签：Positive, Negati...

投稿期刊：Computer Vision and Image Understanding期刊等级：JCR Q1 中科院二区(ccf-b类期刊)审稿周期：投稿很慢，全程半年-1年之间，一审估计2-3个月论文评价：一篇很优秀的应用文，虽然说实话这篇完全是靠牺牲速度，硬生生堆起来的精度，但是他也说了，我就是追求精度，所以这篇没有大的硬伤，还是很不错的。

在畜牧业中，个体牛的可追溯性、它们的健康信息和性能记录在很大程度上依赖于计算机视觉和基于图像处理的方法。然而，其中一些方法在获取单个牛的实时信息方面的表现低于预期。毫无疑问，不准确的分割和不完整的提取每个牛的目标从图像是显著的因素。由于准确的分割是获取奶牛个体实时信息的前提，而Mask R-CNN算法依赖于同步定位与映射(SLAM)算法，因此在构建语义地图时，有时会以图像背景交换前景，需要增强现有的实现精确畜牧业的方法。...

由于牛的群居性是一种良好的畜牧业，本研究为基于摄像机的奶牛群活动自动分析系统提供了技术基础。8个监控摄像头记录了36头正在哺乳的黑白花奶牛。训练Mask R-CNN模型，确定视频材料中奶牛的像素级分割掩码。对于给定的IOU阈值为0.5的边界盒(0.91)和分割掩码(0.85)，动物被成功分割，达到较高的“平均精度分数”由于为深度学习模型提供训练数据既耗时又乏味，本文还处理了“我需要注释多少张图片?”，并根据所使用的训练数据集的大小分析模型的性能。随着畜群规模的增加，对自动化系统的需求也在增加，以支持农民监

我们提出了一个简单的，全卷积的实时实例分割模型，在MS COCO上实现29.8 mAP，在单个Titan Xp上评估33.5 fps，这比任何以前的竞争方法都要快得多。而且，我们只在一个GPU上训练就得到了这个结果。为此，我们将实例分割分为两个并行子任务:(1)生成一组原型掩码和(2)预测每个实例的掩码系数。然后我们通过线性组合原型和掩码系数来产生实例掩码。我们发现，因为这个过程不依赖于重新池化，这种方法可以产生非常高质量的掩码，并免费展示时间稳定性。...

文章提出了一个概念上简单、灵活、通用的对象实例分割框架。我们的方法有效地检测图像中的对象，同时为每个实例生成一个高质量的分割蒙版。该方法称为MaskR-CNN，它对FasterR-CNN进行了扩展，在现有的边界框识别分支的基础上增加了一个用于预测对象遮罩的分支。MaskR-CNN易于训练并且只在FasterR-CNN添加了很小的开销，并以5FPS的速度运行。此外，MaskR-CNN很容易推广到其他任务，例如，允许我们在相同的框架下估计人体姿势。...

用U盘做一个即插即用的unbuntu20系统前言因为常规安装方法会和硬件绑定，所以你在移动硬盘、U盘烧录了一个unbuntu，换一个系统就用不了。会很麻烦。所以这里用VMware做一个随身可带的系统，插到任何电脑上都可以直接用，会很方便(装逼)流程首先需要下载unbuntu20的镜像(其他版本镜像也没影响)，主要是我想用ROS2，所以需要unbun20以上的。unbuntu22刚出我怕不稳定，所以没用。unbuntu下载地址接下来是VMware，如果你是win10，建议用VMware16，因为

论文阅读笔记(一)——DESCENDING THROUGH A CROWDED VALLEY—BENCHMARKING DEEP LEARNING OPTIMIZERS前言把论文阅读笔记换一个地方存放了，当新的开始了之前的到15的，其实很多都是偏应用的，所以这次从头认真看看吧这是一篇关于优化器的论文个人博客地址：二两酥肉论文概念论文摘要创新点正文思路实验...

深度学习笔记(二)——激活函数原理与实现闲聊昨天详细推了下交叉熵，感觉还可以，今天继续加油。ReLU原理定义：ReLU是修正线性单元(rectified linear unit),在0和x之间取最大值。出现原因：由于sigmoid和tanh容易出现梯度消失，为了训练深层神经网络，需要一个激活函数神经网络，它看起来和行为都像一个线性函数，但实际上是一个非线性函数，允许学习数据中的复杂关系 。该函数还必须提供更灵敏的激活和输入，避免饱和。而ReLU是非饱和激活函数，不容易发生梯度消失。def R

深度学习笔记(一)——损失函数闲聊关于摸鱼太久了，玩久了到有点愧疚，所以决定好好学习一下基础，免得到时候姓啥都不知道了。希望能够少摸鱼吧~损失函数损失函数定义：在训练机器学习算法中，为了获得最佳模型性能的最佳参数，我们需要一种函数来衡量我们模型的运行情况。函数通过惩罚我们模型(通过分配损失值)相对于当前参数所犯的任何参数，使得我们找到损失值最小的最佳参数。这个函数便称为损失函数。交叉熵损失函数(Cross-entropy loss function)交叉熵损失函数可能是使用最多的损失函数了，所

随笔小杂记(六)——tqdm进度条显示出现多余行前言自己打算搭建一个自己的分类库，方便(虽然大概率以后很难出分类的相关实验了，但是还是整理一下，主要也算复习吧)以后自己做实验。然后在整理训练代码的时候，用tqdm显示进度条时，发现进度条出现了多余行~原因在一个迭代过程中，如果迭代未完成就被中断，随后也没有从断点继续把剩余迭代完成，就会残存一个未能完成但参与显示的进度条，从而导致多行输出。for epoch in range(20): print('epoch {}'.format

随笔小杂记(三)——将遥感大图随机分割成小图作为训练集闲谈这个是我师兄给我的代码，防止以后可能还要用，在这里也做个备份~代码#coding=utf-8import numpy as npimport cv2import tqdmimport osfrom tqdm import trangeimport randomimg_w = 2048img_h = img_wimage_sets = ['1_fake.tif', '2_fake.tif', '3_fake.tif', '4

随笔小杂记(五)——nginx访问静态资源报错403闲聊摸了半个月，总算把博客搭建完了。前两天搭建自己博客的时候，在实际部署的时候，网页倒是能显示出来，但是静态资源一直有问题，最开始以为是nginx配置的问题，后面用浏览器审查了一下文件，发现不是找不到，而是：403 Forbidden问题通常出现403是访问被拒绝，nginx访问静态资源报错主要有三种原因：nginx的目录里面没有默认文档，并且没有列出目录的权限nginx没有访问目录的权限由于启动用户和nginx工作用户不一致所致

Django搭建的个人博客使用指南使用django3搭建的博客网站关于环境pip install -r requirements.txt启动项目python manage.py runserver关于后台一般需要先创造一个admin账户，创建指令在下面，才能进入后台python manage.py createsuperuser然后上传文件通过后台，后台地址： 127.0.0.1:8000\admin关于背景背景图片可以通过后台进行更改:INDEX\Series bgs中进行更

随笔小杂记(四)——将语义分割标签转换为指定像素值代码import cv2import numpy as npimport osimport tqdm# img_list = ['label.png']import osfilepath = "./emmm"if __name__ == "__main__": print("start") if not os.path.exists(filepath): print("目录不

股价/期货等时间序列数据的整合检验、Grach建模前言之前解决一个金融方向的时间序列类问题的实验，因为要形成一个完整的论文，自己从头开始学的时候，把需要的实验和作图整合了一下。其中包括了时间序列数据的简单收益率、对数收益率的计算。数据的稳定性检验(单位根检验、自相关检验、偏相关检验)、白噪声检验、JB检验。还有QQ、PP图、频率分布图等作图。最后还有GRACH建模。应该能从头到尾解决一个时间序列数据的从检验到建模的论文撰写，希望能方便大家。如果对大家有帮助，希望可以点个star。github地址：

论文阅读笔记(十五)——黑猩猩在野外的脸:用于预测灵长类身份和属性的对数欧几里得CNN论文简介论文中文翻译:《黑猩猩在野外的脸:用于预测灵长类身份和属性的对数欧几里得CNN》论文名称:《Chimpanzee Faces in the Wild:Log-Euclidean CNNs for Predicting Identities and Attributes of Primates》期刊情况期刊:《Transactions of the ASABE》期刊情况:中科院/四区影响因子1.15

Unity学习笔记(二)——Unity ML-agents安装与配置(1.9.1)前言Unity ML-agents是一个Unity给强化学习提供接口的库。其实一直想弄个这个，但是看着网上资料有点少，自己也忙，就摸鱼摸到现在，这几天在等数据标注，闲下来就打算先玩玩。发现网上很多教程都已经有点太久了，比如一些函数API全部改了，按照视频这些老报错，所以自己就看github教程弄了一下前期准备环境Unityunity官方下载Unity Hub官网链接PS:不要直接在这上面下载unity，首先

由于大多数梯子的代理不会包括CMD,因此当在CMD下，使用node的npm或者conda配置环境时，有些国内镜像不全的时候，给CMD设置代理，进行下载要方便很多~因此这里记录下代理设置方法win+R快捷键，并输入CMD，打开cmd，输入以下指令即可:set http_proxy=http://127.0.0.1:25378set https_proxy=http://127.0.0.1:25...

论文阅读笔记(十五)——脸识别作为绵羊生物特征识别的初步研究论文简介论文中文翻译:《脸识别作为绵羊生物特征识别的初步研究》论文名称:《A PRELIMINARY INVESTIGATION ON FACE RECOGNITIONAS A BIOMETRIC IDENTIFIER OF SHEEP》录用日期:2020年2月14日期刊情况期刊:《Ecology and Evolution》期刊情况:中科院二/三/四区影响因子2.4Q1/Q2分区初审3-6周...

论文阅读笔记(十四)——基于大比例圈养大熊猫图像的大熊猫识别研究论文简介论文中文翻译:《基于大比例圈养大熊猫图像的大熊猫识别研究》论文名称:《A study on giant panda recognition based on images of a largeproportion of captive pandas》录用日期:2020年2月14日期刊情况期刊:《Ecology and Evolution》期刊情况:中科院二/三/四区影响因子2.4Q1/Q2分区初审3-6周

论文阅读笔记(十三)——利用卷积神经网络进行农场猪的人脸识别论文简介论文全称:《Towards on-farm pig face recognition using convolutional neural networks》中文名:《利用卷积神经网络进行农场猪的人脸识别》期刊情况投稿期刊:《Computers in Industry》期刊情况:中科院二区影响因子4Q1分区初审一个月，总时间约为6个月摘要近年来，由于继续采取集约化做法和需要精确的客观测量(例如体重)，识别猪和牛

论文阅读笔记(十二)——U-Net: Convolutional Networks for Biomedical Image Segmentation前言还是干吧…本来以为可以养生了，结果还是得干活，好耶，使劲卷1 论文简介1.1 关于文章论文名称:U-Net: Convolutional Networks for Biomedical Image Segmentation1.2 关于模型相信做语义分割的都知道这篇文章，主要要学着咋写了，unet,yyds。2 文章正文2.1 摘要人们

论文阅读笔记(十六)——Mobilenet-SSDv2: An Improved Object Detection Model for Embedded Systems前言太难了…昨晚强行过上了美国时间，在截稿时间上反复横跳，前阵子又去打美赛，呜呜呜呜…我要修仙了还是赶紧找篇论文看吧…1 论文简介1.1 关于文章论文名称:**Mobilenet-SSDv2: An Improved Object Detection Model for Embedded Systems **1.2 关于模型

论文阅读笔记(十五)——Acoustic Scene Classification Using Reduced MobileNet Architecture前言早不忙，夜心慌，半夜起来补裤裆PS：有一说一这游戏真养生1 论文简介1.1 关于文章论文名称:**Acoustic Scene Classification Using Reduced MobileNet Architecture **1.2 关于模型使用简化的MobileNet体系结构进行声场景分类，应该是一个应用型文章2 文章

论文阅读笔记(十四)——A Smartphone-Based Skin Disease Classification Using MobileNet CNN前言我又来了~1 论文简介1.1 关于文章论文名称:A Smartphone-Based Skin Disease Classification Using MobileNet CNN百度网盘:原文链接提取码：shh21.2 关于模型一种基于智能手机的皮肤病分类使用的移动网络CNN，应该是一个应用型文章2 文章正文2.1 摘要利

论文阅读笔记(十三)——Ultra-thin MobileNetArchitecture前言u1s1,我现在看论文的能力提升很高，中午吃完饭还没洗碗，还泡着呢，看完去给婉儿洗澡了。然后要准备改论文了~1 论文简介1.1 关于文章论文名称:Ultra-thin MobileNet百度网盘:原文链接提取码：shh21.2 关于模型我称之为百变MobileNet，一个MobileNet养活了一堆人2 文章正文2.1 摘要卷积神经网络（CNN）是深度学习体系结构，在对象检测，图像分类，面

论文阅读笔记(十二)——Thin MobileNetArchitecture前言还剩两篇，自己这周任务就完成了，冲冲冲1 论文简介1.1 关于文章论文名称:Thin MobileNet: An Enhanced MobileNet Architecture百度网盘:原文链接提取码：v7la1.2 关于模型又是一个mobilenet的变体~2 文章正文2.1 摘要在计算机领域，移动和嵌入式视觉卷积神经网络（CNN）是深度学习模型，在目标检测和识别中起着重要作用。 为此，Mobile

论文阅读笔记(十一)——GhostNet前言开始把前面看的论文好好总结一下了，冲冲冲。这个呢算是第二篇，比第一篇SqueezeNet有了部分可以借鉴的东西。1 论文简介1.1 关于文章论文名称:GhostNet: More Features from Cheap Operations链接:原文链接代码:GithubPytorch代码百度网盘:原文链接提取码：r9431.2 关于模型这篇文章来源于华为诺亚和北大，在ImageNet分类数据集上与MobielNetV3相比在相似计算复杂度

论文阅读笔记(十)——FD-MOBILENET前言刚看完一篇，昨晚晚上八点多睡了，半夜两三起来肝论文,hhhh1 论文简介1.1 关于文章论文名称:FD-MOBILENET: IMPROVED MOBILENET WITH A FAST DOWNSAMPLING STRATEGY链接:原文链接百度网盘:原文链接提取码：no6p1.2 关于模型又是一个mobilenet的变体~2 文章正文2.1 摘要我们提出了快速下采样MobileNet（FD-MobileNet），这是一种高效且

论文阅读笔记(九)——ESPNetV2前言这几天要改论文，大修…。改完还要写论文…u1s1，我觉得改论文比写论文难多了，毕竟一个只负责瞎吹比，另外一个解决审稿意见，太难了1 论文简介1.1 关于文章论文名称:Xception: Deep Learning with Depthwise Separable Convolutions链接:原文链接百度网盘:原文链接提取码:sgip1.2 关于模型为了计算更加高效：将原来ESPNet的point-wise conv逐点卷积 替换为grou

论文阅读笔记(二)——Xception前言开始把前面看的论文好好总结一下了，冲冲冲。这个呢算是第二篇，比第一篇SqueezeNet有了部分可以借鉴的东西。1 论文简介1.1 关于文章论文名称:Xception: Deep Learning with Depthwise Separable Convolutions链接:原文链接百度网盘:原文链接提取码：9l2a1.2 关于模型Xception网络是Google与2017年发表的新的网络结构，是对Inception V3的进一步改进，也是

论文阅读笔记(八)——An Enhanced Hybrid MobileNet前言可能有hxd想问，为啥上一篇还是阅读笔记一，为啥这就是八了，因为其实前面已经看了七篇，但是还没有整理出来，但是这边打算先看着走了，然后后面慢慢更新了，hhhh，冲冲冲1 论文简介1.1 关于文章论文名称:An Enhanced Hybrid MobileNet翻译过来就是一种混合增强型的mobilenet链接:原文链接百度网盘:原文链接提取码：bapmCite as: arXiv:1712.04698 [

——论文阅读笔记(一)——squeezenet前言寒假希望自己能够有所提升吧，不要再当一个简单地代码搬运工，所以希望自己能够坚持下来每天阅读一些文章，然后进行总结，冲冲冲1 论文简介1.1关于文章论文全称: SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND <0.5MB MODEL SIZE这里提供几个链接，大家可以自己下载下来学习百度网盘链接：论文原文提取码：huzs官网链接论文链接：论文链接代