m0_37192554的博客

2021 Principled Synthetic-to-Real Dehazing Guided by PhysicalPriors, CVPR2021https://github.com/zychen-ustc/PSD-Principled-Synthetic-to-Real-Dehazing-Guided-by-Physical-Priors2、训练细节1、论文训练数据，RESIDE数据中的户外合成数据，OTS_ALPHA，数据有313590个图片+ RESIDE数据的无标注真实图片，Un

import torchimport numpy as npimport onnximport onnxruntimefrom onnxruntime.datasets import get_exampleimport osimport cv2import timeos.environ["CUDA_VISIBLE_DEVICES"] = "0"def onnx_out(onnx_path,img): sess = onnxruntime.InferenceSession(onn

一、基本概念目前已知的方案有两种。第一种是基于图像增强的方法，这类方法是对被降质的图像进行增强，改善图像的质量。但是，这种方法可能会造成图像部分信息的损失，使图像失真。第二类是基于物理模型的方法，这种方法通过研究大气悬浮颗粒对光的散射作用，建立大气散射模型，了解图像退化的物理机理，并反演复原出未降质前的图像。这是一类专门针对雾天图像的图像复原的方法，复原出来的图像效果真实，贴近降质前景物原景，对复杂场景的图像处理效果较好，图像信息得到较完整的保存。1、神经网络的方法，和数据关系最大，学习的规则（模

import cv2import numpy as npfrom skimage import transform as trans# 1、输入 关键点人脸+原图 # 2、输出 对齐后的人脸### input img is resize square or 112 96,输入只需要关键点坐标就可以了def process(img,landmark, align_img_size=(112,112)): M = None image_size = [] src =

爬虫网络请求方式：urllib、 requests， scrapy(框架）、 pyspider(框架)爬虫数据提取方式：正则表达式, bs4, lxml, xpath, cssPython网络爬虫四大选择器（正则表达式、BS4、Xpath、CSS）总结如果你的爬虫瓶颈是下载网页，而不是抽取数据的话，那么使用较慢的方法（如BeautifulSoup） 也不成问题。如果只需抓取少量数据，并且想要避免额外依赖的话，那么正则表达式可能更加适合。通常情况下，lxml(该模块可以实现xpath和css)是抓取数

model.fc.add_module('5', nn.Sigmoid()) #add sigmoid在 fc 后面添加新的层 (5): Sigmoid() out add sigmoid layer (fc): Sequential( (0): Linear(in_features=2048, out_features=1024, bias=True) (1): ReLU() (2): BatchNorm1d(1024, eps=1e-05, momentum=0

if img_path is None: img = np.random.randint(0, 255, size=(112, 112, 3), dtype=np.uint8) else: img = cv2.imread(img_path) #img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img = cv2.resize(img,(112,112)) ...

不会下载/安装打印机驱动！我教你

Gitlab&Pycharm交互(拉取Get&更新Commit) LittleWhite123 2020-08-21 22:15:06 ...

①视频帧图片 retinaface人脸检测对齐：得到多个对齐的人脸，得到每个人脸质量分数，同时记录人脸信息d②进行特征提取，下一帧的时候重复1的过程，得到第二批特征人脸③两帧图片得到 mn矩阵相似度，排序找到最相似的人，比较质量分数进行更新，没有id，作为新的id添加，④对两张人脸图像的特征向量进行对比，计算相似度。...

一、环境问题1、查看自己的电脑版本cuda 版本cat /usr/local/cuda/version.txtcudnn 版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2不显示 运行如下命令cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2CUDA Version 11.0.207#define CUDNN_MAJOR 8#def

深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析 置顶 是否龙磊磊真的一无所有 ...

查看线程数grep ‘processor’ /proc/cpuinfo | sort -u | wc -l查看每个物理CPU中core的个数(即核数)cat /proc/cpuinfo| grep “cpu cores”| uniq查看逻辑CPU的个数cat /proc/cpuinfo| grep “processor”| wc -l

SER-FIQ (Quality estimation，CVPR 2020)https://zhuanlan.zhihu.com/p/348813783github地址def get_embedding_quality(img_input, insightface_model : InsightFace, ser_fiq : SERFIQ, T:int

>>> a = np.arange(16).reshape(4, 4)>>> aarray([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]])>>> iu1 = np.triu_indices(4)>>> iu1(array([0, 0, 0, 0, 1, 1, 1, 2, 2, 3]).

基于Xshell使用密钥方式连接远程主机，具体内容如下连接远程主机，就验证身份而言，一般有两种方式，一种是通过用户密码；另一种通过公钥的方式（Public Key）。图1、xshell支持验证登录用户的方式下面就使用Public Key的方式来实现连接，通过工具ssh-kengen生成密钥对。注意：操作之前需要ping通本机和目的主机（如果ping不通，可能的原因是防火墙、SELinux没关闭，或者网关设置有问题等）使用XShell，这里使用的是XShell manager 5，目的主机为Ce.

1、官方推荐conda 安装，按照官方安装 https://github.com/facebookresearch/faiss/blob/master/INSTALL.md2、我用pip安装，报错修改faiss 包需要pip3 install faiss-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/不加gpu 安装的是cpu的版本 会报错'faiss' has no attribute 'StandardGpuResources'sudo apt

jbohnslav /opencv_transforms