- 博客(137)
- 资源 (29)
- 收藏
- 关注
RSS订阅
原创 常用算法
Normal 0 7.8 磅 0 2 false false false MicrosoftInternetExplorer4 <!-- /*
2009-10-07 11:05:00
691
转载 理解 Python 装饰器就看这一篇(转)
讲 Python 装饰器前，我想先举个例子，跟装饰器这个话题可能很贴切。每个人都有的内裤主要功能是用来遮羞，但是到了冬天它没法为我们防风御寒，咋办？我们想到的一个办法就是把内裤改造一下，让它变得更厚更长，这样一来，它不仅有遮羞功能，还能提供保暖，不过有个问题，这个内裤被我们改造成了长裤后，虽然还有遮羞功能，但本质上它不再是一条真正的内裤了。于是聪明的人们发明长裤，在不影响内裤的前提下，直接把长裤套在了内裤外面，这样内裤还是内裤，有了长裤后宝宝再也不冷了。装饰器就像我们这里说的长裤，在不影响内裤作用的前提
2021-11-04 19:43:18
234
转载 Python中的注册器模块(转)
简介在一个稍大一点的python项目中，我们很有可能会用到注册器（register）。这个注册器不是用户账号注册的模块，而是项目中注册模块的一个模块。举个例子，一个深度学习项目可能支持多种模型；具体使用哪种模型可能是用户在配置文件中指定的。最简单的实现方式，就是维护一个模型名称->模型类的字典。但每当你增加一个模型时，这个字典就需要手动维护，比较繁琐。本文介绍一种注册器的模块，你需要维护的是需要注册的模块的代码路径（相对简介些）。这个模块在我们的开源项目Delta中也有使用。点这里看完整源
2021-11-04 19:41:00
1081
1
转载 openpose安装(Linux_ubuntu_16.04+cuda9+cudnn7.1.4+protobuf2.6.1)(转)
关键点：1、protobuf版本。openpose与当前Anaconda中自带的protobuf版本不兼容，需要2.6.1版本的protobuf。（CMU官方github上说不要安装Anaconda，其实是可以的，像hdf5等等的依赖库用Anaconda就可以一起安装了，免去了自己安装的麻烦）2、caffe版本。OpenPose贡献人员还没解决因最新版Caffe增加Layer导致不兼容的问题，所以需要使用commit为f019d0dfe86f49d1140961f8c7dec22130c831...
2020-08-27 21:16:45
944
1
转载 ubuntu16.04下安装caffe以及错误汇总(转）
这篇文章主要讲安装和编译caffe过程以及遇到的问题，还有解决方法。关于如何安装nvidia驱动，cuda，cudnn，以及opencv3 等网上已经有足够多的教程了，可以直接在网上找。1. 系统配置：OS: Ubuntu16.04python Version: python3CUDA Version: 10.02. caffe安装2.1 安装依赖库： sudo apt-get install libprotobuf-dev libleveldb-dev libsn..
2020-08-09 14:13:16
754
1
转载 PointNet++(转）
PointNet++作者的视频讲解文字版转载请注明本文链接：https://www.cnblogs.com/Libo-Master/p/9759130.htmlPointNet: Deep Learning on Point Sets for 3D Classification and SegmentationPointNet++： Deep Hierarchical Feature Learning on Point Sets in a Metric SpacePaper readin
2020-07-23 20:21:03
907
转载 mmdetection自定义backbone(转)
前面我们零散的了解了mmdetection用到的一些python和PyTorch的知识。现在我们开始深入算法模型来学习，这个模块我们尝试自定义一个se_resnet50来学习自定义backbone.在mmdetection/mmdet/models/backbone文件下创建一个senet.py的python文件。"""ResNet code gently borrowed from...
2020-02-28 16:47:47
3317
转载 目标检测特殊层：ROIPooling层(转)
ROI Pooling的意义ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling，他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定； 什么是ROI呢？ ROI是Region of Interest的简写，指的是在“特征图上的框”； 1）在Fast RCNN中， RoI是指Selective Search完成后得...
2020-02-28 12:22:53
563
转载 mmdetection(pytorch0.4.1版本)模型构建部分源码解析(转)
在mmdetection中，实现了许多现有two-stage目标检测方法以及one-stage目标检测方法，且包含完整的数据载入、模型构建、模型训练以及模型测试部分的源码。因此非常适合在此基础上扩展实现其他目标检测算法。关于数据载入、模型训练以及模型测试部分的源码，在上一篇博客中有详细介绍。后期打算在mmdetection基础上添加其他算法。因此了解模型构建这部分源码十分重要。在mmdet...
2020-02-28 09:09:29
1471
转载 解读 pytorch对resnet的官方实现(转)
地址：https://github.com/pytorch/vision/blob/master/torchvision/models/resnet.py贴代码 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 ...
2020-02-26 21:13:42
238
转载 pytorch教程之nn.Module类详解——使用Module类来自定义模型(转）
前言：pytorch中对于一般的序列模型，直接使用torch.nn.Sequential类及可以实现，这点类似于keras，但是更多的时候面对复杂的模型，比如：多输入多输出、多分支模型、跨层连接模型、带有自定义层的模型等，就需要自己来定义一个模型了。本文将详细说明如何让使用Mudule类来自定义一个模型。一、torch.nn.Module类概述个人理解，pytorch不像tensorflow...
2020-02-26 08:42:30
2702
转载 【PyTorch】torch.nn.Module 源码分析(转)
torch.nn.Module这个类的内部有多达 48 个函数，这个类是PyTorch中所有neural network module的基类，自己创建的网络模型都是这个类的子类，下边是一个示例。这篇文章就和大家一起来阅读一下这个base class。import torch.nn as nnimport torch.nn.functional as Fclass Mode...
2020-02-25 21:20:35
2368
转载 python中的类，对象，方法，属性初认识(转）
python中的类，对象，方法，属性初认识（转）面向对象编程需要使用类，类和实例息息相关，有了类之后我们必须创建一个实例，这样才能调用类的方法。首先看一下类的结构模式：class<类名>: <语句>类的私有属性：__private_attrs 两个下划线开头，声明该属性为私有，不能在类地外部被使用或直接访问。在类内部的方法中使用时 self.__pri...
2020-02-24 20:55:26
477
转载 Vot toolkit for python tracker(转)
issues and possbile solutions to integrate python-based tracker on UbuntuI tried to integrate my python-implemented into the vot-2017 evaluation toolkit on Ubuntu 16.04. However, I encountered sever...
2019-12-22 08:48:43
498
转载 Loading and Visualizing Kinect Depth images in Matlab(用matlab将深度图显示成彩色图)(转）
In theprevious post, we developed an application for saving the acquired RGB and depth images from a Kinect device connected to the USB port using MATLAB. In this post, we will see how the saved dept...
2019-11-16 16:52:27
714
转载 【SIGAI综述】行人检测算法（转）
原文链接：https://cloud.tencent.com/developer/article/1441230小白导读行人检测是计算机视觉中的经典问题，也是长期以来难以解决的问题。和人脸检测问题相比，由于人体的姿态复杂，变形更大，附着物和遮挡等问题更严重，因此准确的检测处于各种场景下的行人具有很大的难度。在本文中，将为大家回顾行人检测算法的发展历程。本文转载自：SIGAI行人检测...
2019-11-07 15:11:43
1866
转载 行人再识别年度进展 2018（转）
原文链接：https://www.jiqizhixin.com/articles/2018-06-20-17编者按：杜甫在《江南逢李龟年》中曾写道：“正是江南好风景，落花时节又逢君。”讲的是杜甫与李龟年在江南重逢的场景，其实在计算机视觉领域，在跨摄像头跟踪等场景下，也时常面临着重逢，如果与某一目标重逢时无法准确地识别出其身份，将极大地影响整个系统的跟踪性能。因此，学术界衍生...
2019-11-07 15:06:36
241
转载 田奇：行人再识别的挑战和最新进展（转）
原文链接：https://blog.csdn.net/u010042747/article/details/829705862018 年 9 月 18 日，2018 世界人工智能大会·视觉智能 瞳鉴未来七牛云专场分论坛在上海国际会议中心 5 楼欧洲厅举行。华为诺亚方舟实验室计算视觉首席科学家、美国德克萨斯大学圣安东尼奥分校计算机系教授田奇，在会上为大家带来了题为《行人再识别的挑战和最新进展》的...
2019-11-07 11:30:01
314
转载 行为识别Action Detection概述及资源合集（转）
链接：https://blog.csdn.net/Gavinmiaoc/article/details/81179630
2019-10-30 20:37:41
356
转载 从点云到网格（三）Poisson重建(转)
Possion重建是Kazhdan等2006年提出的网格重建方法[1]。Possion重建的输入是点云及其法向量，输出是三维网格。Poisson有公开的源代码[2]。PCL中也有Poisson的实现。核心思想Possion重建是一个非常直观的方法。它的核心思想是点云代表了物体表面的位置，其法向量代表了内外的方向。通过隐式地拟合一个由物体派生的指示函数，可以给出一个平滑的物体表面的估计。...
2019-10-23 20:22:47
3091
转载 Deconvolution and Checkerboard Artifacts（转）
https://distill.pub/2016/deconv-checkerboard/
2019-05-31 19:57:34
425
转载 深度学习超参数简单理解
深度学习超参数简单理解(转)说到这些参数就会想到Stochastic Gradient Descent (SGD)！其实这些参数在caffe.proto中 对caffe网络中出现的各项参数做了详细的解释。Learning Rate学习率决定了权值更新的速度，设置得太大会使结果超过最优值，太小会使下降速度过慢。仅靠人为干预调整参数需要不断修改学习率，因此后面3种参数都是基于自适应的思路提出的解决方案...
2018-06-18 21:26:44
2261
转载 OnlineObject Tracking:A Benchmark （转）
OnlineObject Tracking:A Benchmark （转）用我自己的算法在benchmark上跑的步骤和遇到的问题：步骤：下载完benchmark后会看到在文件中包含4个.m文件，main_running.m、perfPlot.m、genPerfMat.m、drawResultBB.m 1 把自己的算法放到benchmark的文件夹t
2017-12-19 15:15:37
578
转载 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN（转）
基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN（转）object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图
2017-12-07 08:31:04
728
转载 【目标检测】Fast RCNN算法详解（转）
【目标检测】Fast RCNN算法详解（转）Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmentation.” Proceedings of the IEEE conference on computer vision a
2017-12-06 08:26:49
528
转载 论文阅读笔记-Siamese instance search for tracking(转）
论文阅读笔记-Siamese instance search for tracking（转）这是发表在2016 CVPR上的一篇用深度学习做目标跟踪的文章，区别于传统的目标跟踪方法，文章所用方法学习过程全部在线下完成，模型确定以后，跟踪期间不再进行模型的更新。 先感受一下文章的*pipeline：* 整个流程大致为：首先离线训练卷积网络得到匹配函数，然后
2017-12-05 21:43:22
667
转载 A Derivation of Backpropagation in Matrix Form（转）
A Derivation of Backpropagation in Matrix Form（转）Backpropagation is an algorithm used to train neural networks, used along with an optimization routine such as gradient descent. Gradient des
2017-12-04 21:27:41
301
转载 循环卷积（转）
循环卷积（转）循环卷积我理解是使用DFT(FFT)计算线性卷积时的衍生品。首先连续时间没有循环卷积概念。离散时间时，不妨假设x(n)为L点信号， 仅在0~L-1有非零值；h(n)为M点信号，仅在0~M-1有非零值。以x(n)为输入信号通过以h(n)为单位冲激响应的线性时不变系统得到输出 y(n) = x(n) * h(n)，线性卷积，直接计算的复杂度为 O(LM)。
2017-12-04 09:13:14
31759
1
转载 目标跟踪数据库简介(转)
目标跟踪数据库简介(转) 目标跟踪作为计算机视觉中的一个大方向，人们对它的研究已经几十年了，但是到目前为止并没有哪个算法能达到100%的不跟丢。目标跟踪过程中存在着许多复杂干扰，比如遮挡，形变，背景干扰，光照变化等，这也是我们今后要解决的主要问题。一、数据库简介从论文中我们可以发现，目标跟踪领域已经形成了几个重要的数据集和一个评价标准。如果写论文
2017-11-24 20:27:32
1302
转载 有效集法介绍（Active Set Method）（转）
有效集法介绍（Active Set Method）（转）单纯性法（Simplex Method）是“线性规划之父”George Dantzig 最著名的成果，也是求解线性规划最有力的算法之一。而这一算法在求解二次规划（Quadratic Programming, QP）时的升级版就是有效集法（Active Set Method, ASM）。这两种算法的特点都是迭代点会循着约束边界前进，
2017-11-14 16:46:25
4327
1
转载 Spectral Clustering
Spectral Clustering（转）如果说 K-means 和 GMM 这些聚类的方法是古代流行的算法的话，那么这次要讲的 Spectral Clustering 就可以算是现代流行的算法了，中文通常称为“谱聚类”。由于使用的矩阵的细微差别，谱聚类实际上可以说是一“类”算法。Spectral Clustering 和传统的聚类方法（例如 K-means）比起来有不少
2017-11-09 15:29:17
342
转载 矢量量化（Vector Quantization）（转）
矢量量化（Vector Quantization）（转）矢量量化（VQ，Vector Quantization）是一种极其重要的信号压缩方法。VQ在语音信号处理中占十分重要的地位。广泛应用于语音编码、语音识别和语音合成等领域。 一、概述 VectorQuantization (VQ)是一种基于块编码规则的有损数据压缩方法。事实上，在 JPEG 和
2017-11-08 21:28:40
14730
2
转载 摄像机模型与标定--摄像机模型介绍（转）
摄像机模型与标定--摄像机模型介绍（转）一、摄像机的线性模型引言在计算机视觉中，摄像机成像模型解决的是将三维场景中的坐标与摄像机得到额图像的二位坐标联系起来。常用的摄像机成像模型有三种：小孔成像模型，正交投影模型，拟透视投影模型。其中，用的最多的成像模型还是小孔成像模型。本文，将着重介绍小孔成像模型。 图1：小孔成像原理 在小孔成像模型中，将光心当做
2017-10-28 09:40:26
3304
转载 Conjugate Gradient (转）
机器学习&数据挖掘笔记_12（对Conjugate Gradient 优化的简单理解） （转） 数学优化方法在机器学习算法中至关重要，本篇博客主要来简单介绍下Conjugate Gradient(共轭梯度法，以下简称CG)算法，内容是参考的文献为：An Introduction to the Conjugate Gradient Method Without the Agonizi
2017-10-18 20:50:32
1523
转载 Optimization Method -- Gradient Descent with Momentum Gradient Descent （转）
Optimization Method -- Gradient Descent with Momentum(转)Gradient Descent在機器學習的過程中，常需要將 Cost Function 的值減小，通常用 Gradient Descent 來做最佳化的方法來達成。但是用 Gradient Descent 有其缺點，例如，很容易卡在 Local Minimu
2017-10-17 08:46:45
741
转载 浅谈HTTP中Get与Post的区别(转）
浅谈HTTP中Get与Post的区别2009-03-31 14:51 by hyddd, 668757 阅读, 106 评论, 收藏, 编辑 Http定义了与服务器交互的不同方法，最基本的方法有4种，分别是GET，POST，PUT，DELETE。URL全称是资源描述符，我们可以这样认为：一个URL地址，它用于描述一个网络上的资源，而HTTP中的GET，POST，PUT，DELET
2017-07-30 16:32:41
382
转载 Visual Studio调用MATLAB的配置 （转）
Visual Studio调用MATLAB的配置 （转）在用C写程序时，有时会遇到数值计算问题，如矩阵的计算、优化问题、解微分方程等等。这些数值计算问题如果自己来实现的话，一来太费时间，二来自己的实现方案效率未必高。解决方法就是依靠MATLAB了。用过MATLAB的人都知道，它提供了丰富的数值计算函数。在C程序中调用matlab函数即可轻松解决问题。在网络博文《Matlab， Vi
2015-10-13 15:58:59
5474
转载 GPU 矩阵乘法（转）
Matrix multiplication in CUDAMatrix multiplication is a fundamental building block for scientific computing. Moreover, the algorithmic patterns of matrix multiplication are representative. Many ot
2015-10-12 14:25:43
6223
转载 Matlab 集群计算平台搭建
家庭云服务器高阶应用：通过Matlab分布式计算来演示所谓的“家庭云计算”（非云储存）(转)Matlab是强大的计算软件，这不需要过多介绍了，大到航天航空领域，小到计算方程式，Matlab无处不在。像是这种大型的计算工具必然要支持分布式群集计算功能，即让多台电脑、服务器，协同计算同一数据，以实现“人多力量大”的加速效果。我本人不会使用Matlab，但出于对老婆的关心
2015-10-03 15:39:01
14867
4
转载 各种分类算法比较（转）
最近在学习分类算法，顺便整理了各种分类算法的优缺点。1决策树（Decision Trees）的优缺点决策树的优点：一、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。二、 对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。
2015-08-28 17:19:36
853
MFC帮助............
2008-10-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人