- 博客(164)
- 资源 (1)
- 收藏
- 关注
原创 模型量化各类论文综述(摘要、方法总结)
模型量化各类论文综述(摘要、方法总结)方法(总结):Fixed-point Scalar Quantization在这里插入图片描述Reference1、韩松2、https://arxiv.org/pdf/2004.07320.pdf...
2020-05-08 11:11:29 1593
原创 目标检测总综述
目标检测总综述https://cloud.tencent.com/developer/news/281788https://zhuanlan.zhihu.com/p/37998710https://www.cnblogs.com/wangyong/p/8523814.html
2020-04-24 22:51:36 1134
原创 Neural Architecture Search(NAS)
Reference神经网络架构搜索(Neural Architecture Search):https://blog.csdn.net/jinzhuojun/article/details/84698471
2020-04-23 14:52:29 237
原创 深度学习各类数据集
图像数据集(工作、学习中需要用的数据集,后期不断更新)-1. 人脸数据集IJB-A Dataset 人脸检测数据集JB-A Dataset 是一个用于人脸检测和识别的数据库,全称为 IARPA Janus Benchmark A,其包含 1845 个对象、11754 张图片、55026 个视频帧、7011 个视频和 10044 张非人脸图像,该数据集由美国国家标准化研究院 NIST 发...
2020-03-16 14:43:46 767
原创 CVPR/AAAI/ECCV顶会论文/代码
一,CVPR本页面是自己学习时候,觉得有用的一些文章,暂时MARK一下,用得着的地方就再细看。目标检测、 图像分割、人脸识别、 目标跟踪、 三维点云、 图像处理、 图像分类、 姿态估计、 视频分析、 OCR、GAN、小样本&零样本、 弱监督&无监督、神经网络、 模型压缩、NAS、 视觉常识1.cvpr202001. 压缩方面PU-Accelerated Mobile ...
2020-03-16 14:38:02 1995
原创 图片各类格式转化
CV2numpy转成字节流(open(“file.jpg”,‘rb’))FastAPI中uploadfile转CV2。FastAPI中bytes转CV2。pillowCV2的相互转换。PILbase64的相互转换。CV2base64的相互转换。CV2中的BGR转RGB。
2022-07-26 14:29:28 1186
原创 cuda10.2+ubuntu18.04+docker视频编解码
安装配置参考#include <iostream>#include "opencv2/opencv_modules.hpp"#if defined(HAVE_OPENCV_CUDACODEC)#include <string>#include <vector>#include <algorithm>#include <numeric>#include <opencv2/core.hpp>#include <
2022-05-30 15:22:40 470
原创 docker +clion
第一,docker安装参考各类docker技术文章第二,开启容器sudo nvidia-docker run -itd -v /home/docker_images/cuda_opencv:/home --cap-add sys_ptrace -p 9005:22 ubuntu1804_cuda102:latest /bin/bash进入容器docker exec -it 容器ID /bin/bash先安装一些软件apt-get install vim passwd openssl op
2022-05-30 15:18:02 1155
原创 cuda版opencv(灰度转换)
程序名字为main.cu//#include "cuda_check.h"#include <iostream>#include <opencv2/opencv.hpp>#include <opencv2/dnn.hpp>#include <opencv2/cudaarithm.hpp>#include "cuda_runtime.h"#include "device_launch_parameters.h"#include <cuda.
2022-05-27 17:21:53 246
原创 cuda10.2+opencv4.1.2编译cuda版本opencv
opencv官网cmake democmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DBUILD_PNG=OFF -DBUILD_TIFF=OFF -DBUILD_TBB=OFF -DBUILD_JPEG=OFF -DBUILD_JASPER=OFF -DBUILD_ZLIB=OFF -DBUILD_EXAMPLES=ON -DBUILD
2022-05-26 17:21:39 1092
原创 python3 base64 图像编-解码
该编解码方式可用于http协议 json传输。import base64import numpy as npimport cv2.cv2 as cv2########解码# image = base64.b64decode(img)# nparr = np.fromstring(image, np.uint8)# frame = cv2.imdecode(nparr, cv2.IMREAD_COLOR)########编码## frame = cv2.imread("img.png"
2022-05-17 10:34:49 857
原创 docker部署detection模型样例
本样例采用flask端口映射方式进行部署import osimport threadingimport datetimeimport timeimport requestsimport loggingimport ioimport numpy as npimport dnn_conf as confif not os.path.isdir(conf.LOG_PATH): os.makedirs(conf.LOG_PATH) log_file = conf.L
2022-05-13 10:05:52 625
原创 docker运行参数详解
sudo docker run -it --net=host --device=/dev/video0 -e QT_X11_NO_MITSHM=1 --gpus '"'device=0'"' --name="guo02" --privileged=true -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY -w /opt/nvidia/deepstream/deepstream-6.0 cv-detect-robot:v4.02 /bin/bash
2022-05-13 10:04:08 1074
原创 Ubuntu 中文encode错误
安装语言包apt cleanapt-get update -yapt-get install -y locales在容器内运行vim /etc/bash.bashrc在末尾添加如下代码后保存export LC_ALL="C.UTF-8"source /etc/bash.bashrc亲测可以解决Docker中的中文encode错误。
2022-05-13 09:44:36 205
原创 百度paddleOcr安装与使用
一、运行环境安装https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/quickstart.md#212paddle安装PaddlePaddle 2.2.2Anaconda下python3.8CUDA-10.1cudnn-10.2-v7.6.5GPU版本安装python -m pip install paddlepaddle-gpu==2.2.2 -i https://mirror.baidu.com/
2022-05-12 15:20:46 1395
原创 dockfile使用
# Docker image file to build and test AIMET for Tensorflow in a GPU environmentFROM nvidia/cuda:11.0.3-cudnn8-devel-ubuntu18.04RUN apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/3bf863cc.pubRUN apt-
2022-05-07 17:23:11 252
原创 tensorflow-keras指定GPU使用率
Keras和TensorFlow设置GPU及其使用率1、TensorFlow1.X直接在代码中用以下语句指定并不能实现我们的目的:tf.device('/gpu:1')需要在python代码中通过CUDA_VISIBLE_DEVICES来指定:import osos.environ['CUDA_VISIBLE_DEVICES']='1'通过以上代码,只使得编号为1的GPU对当前python程序是可见的。如果要指定多块GPU,则将相应GPU编号用逗号隔开即可os.environ['
2022-05-07 16:56:23 484
原创 matplot pyparsing __version__
将原始的site-packages\pyparsing_init_.py文件进行更正class version_info(NamedTuple): major: int minor: int micro: int releaselevel: str serial: int @property def __version__(self): return "{}.{}.{}".format(self.major, self.minor
2022-05-07 16:32:20 145
原创 cmake安装以及更新
wget https://cmake.org/files/v3.6/cmake-3.6.2.tar.gzwget https://cmake.org/files/v3.6/cmake-3.6.2.tar.gztar -zxvf cmake-3.6.2.tar.gzcd cmake-3.6.2./bootstrapgmakegmake installln -sf /usr/local/bin/cmake /usr/bin/cmake3查看终端版本cmake3 --version...
2022-04-20 17:18:37 1589
原创 opencv读取rtsp的一些优化
用队列将同步转为异步import cv2import queueimport timeimport threadingq=queue.Queue() def Receive(): print("start Reveive") cap = cv2.VideoCapture("rtsp://admin:admin_123@172.0.0.0") ret, frame = cap.read() q.put(frame) while ret: r
2022-03-03 14:27:40 2922
原创 torchvison版本maskRcnn
https://blog.csdn.net/u013685264/article/details/100564660
2022-02-17 16:31:32 232
原创 深度学习预训练模型
pytorch预训练模型从PyTorch官方GitHub下载https://github.com/pytorch/vision/tree/main/torchvision/modelsmodel_urls = { 'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth', 'resnet34': 'https://download.pytorch.org/models/resnet34-333f7e
2022-02-14 16:07:10 485
原创 分割数据转化
以labelme为标注软件,格式转化。https://zhuanlan.zhihu.com/p/442034400https://github.com/wkentaro/labelme/tree/main/examples
2022-02-14 15:46:50 160
原创 Pycharm-PyCharm更改.PyCharm配置文件夹存储位置
打开Pycharm安装目录的bin文件夹下idea.properties文件,在文件开头添加以下两行内容:idea.config.path=F:/temp/.PyCharm/configidea.system.path=F:/temp/.PyCharm/system
2022-01-18 09:48:02 2205
原创 opencv-滤波
线性滤波与卷积的基本概念线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果。做法很简单。首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像。然后,对于图像的每一个像素点,计算它的邻域像素和滤波器矩阵的对应元素的乘积,然后加起来,作为该像素位置的值。这样就完成了滤波过程。import cv2 import numpy #-卷积/锐化/边缘检测/模糊滤波器详解 def cv_show(name, img):
2021-11-04 14:13:22 1885
原创 opencv-滤波
show_gray = cv2.cvtColor(show, cv2.COLOR_BGR2RGB)show_gray_blur=cv2.GaussianBlur(show_gray,(5,5),0)cv2.imshow("blur", show_gray_blur)参考文献:https://blog.csdn.net/qq_27261889/article/details/80822270
2021-11-03 15:27:31 1744
原创 img2bgr
img = cv2.imread(root + file) # img = cv2.imread('256.jpg') img = cv2.resize(img,(1920,1080)) # cv2.imwrite('1_1960.jpg',img) img = img.transpose(2, 0, 1) # BGR , to 3x416x416 # img = img[:, :, ::-1].transpose(2, 0, 1) # BGR to RGB, to 3x416x41
2021-09-17 18:30:19 116
原创 检测中的precision,recall,AP,mAP
首先得了解基本分类PR曲线我们当然希望检测的结果P越高越好,R也越高越好,但事实上这两者在某些情况下是矛盾的。比如极端情况下,我们只检测出了一个结果,且是准确的,那么Precision就是100%,但是Recall就很低;而如果我们把所有结果都返回,那么必然Recall必然很大,但是Precision很低。因此在不同的场合中需要自己判断希望P比较高还是R比较高。如果是做实验研究,可以绘制Precision-Recall曲线来帮助分析。这里我们举一个简单的例子,假设我们的数据集中共有五个待检测的
2021-09-10 10:55:26 1041
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人