m0_37603703的博客

原创 线程创建方法

joinable()返回false不是因为“已经被 join”，而是因为“根本就没有线程可 join”。默认构造的就是一个“空容器”，不代表任何实际线程。所以你的t1返回false是完全正确且符合设计的！在 C++ 中，创建线程的核心方式是使用标准库中的 std::thread（自 C++11 起）。下面系统、清晰地介绍所有主流的线程创建方法，并附上示例和注意事项。就是 C++ 版的 “map” 操作 —— 把输入序列“映射”成输出序列。问题答案干什么？对序列做函数变换，生成新序列。

原创 onnx结构认识

最后，使用 helper.make_graph 函数创建了图结构，并通过 helper.make_model 函数创建了完整的模型。接下来，定义了模型的初始化参数，使用 helper.make_tensor 函数创建了权重和偏置项的张量。整个过程是通过使用 onnx 库提供的 helper 函数和数据结构来构建模型的图结构、参数和元数据，从而创建一个完整的 ONNX 模型。然后，定义了输入和输出的信息，使用 helper.make_value_info 函数创建了输入和输出的张量类型信息。

原创 智能指针 unique_ptr

unique_ptr销毁、重置、赋值时 → 自动调用删除器删除器是函数对象 → 里面必须写operator()unique_ptr内部就是执行→ 触发你的operator()

原创 paddle 文本检测识别模型转为onnx

Paddle2ONNX 支持将模型格式转化到ONNX模型格式。通过 ONNX 可以完成将 Paddle 模型到多种推理引擎的部署，包括 TensorRT/OpenVINO/MNN/TNN/NCNN，以及其它对 ONNX 开源格式进行支持的推理引擎或硬件。

原创 基于paddle模型 文本识别

阶段输入处理输出模型推理图像[3, H, W]Logits[80, 6625]ArgMaxLogits找每列最大值索引序列[80]（0~6624）CTC 解码索引序列去 blank + 去重字符串（如"粤B88888"这套流程高效、鲁棒，是工业 OCR 系统的标准实践。

原创 lpr车牌识别

LPRNet车牌识别后处理流程解析 摘要：本文详细分析了LPRNet车牌识别模型的后处理流程。模型输出为[68×18]的张量，包含68个字符类别（67个有效字符+1个空白符）在18个时间步上的预测结果。后处理分为两个关键步骤：首先通过ArgMax解码获取每个时间步最可能的字符索引，形成长度为18的序列；然后进行CTC贪婪解码，去除连续重复字符和空白符。示例显示原始输出序列[27,27,67...64,32,51,39]经处理后得到有效字符索引[27,64,32,51,39]，最终映射为"粤B869

原创 tensorrt基本流程

ONNX 文件]↓Builder → Network → Parser → 解析 ONNX↓BuilderConfig → 设置 FP16 / workspace↓buildSerializedNetwork() → 生成序列化 Engine↓保存为 .engine 文件（离线完成）[推理时]↓↓↓分配 GPU 输入/输出缓冲区↓↓executeV2() → 执行推理↓↓得到结果阶段核心对象作用构建IBuilderIParser。

原创 使用cuda核函数加速 yolov5后处理

本文展示了一个基于CUDA和OpenCV的目标检测后处理代码实现。主要包含三个功能模块：1) CUDA运行时错误检查宏checkRuntime；2) 文件加载工具函数load_file，支持二进制文件读取；3) 目标检测结果后处理函数cpu_decode，实现了置信度阈值过滤、非极大值抑制(NMS)等关键步骤。其中NMS部分采用经典的IoU计算和排序策略，对检测框进行筛选。代码结构清晰，包含详细的注释说明，适用于YOLO等目标检测算法的输出解析。

原创 函数指针和回调函数

写法含义a是student的别名CalcFunc是的别名（即函数指针类型）→a就是student→CalcFunc就是“能指向函数”的指针类型你以后看到复杂的typedef，就用“先想变量怎么写，再把变量名换成类型名”的方法，就能轻松破解！当然可以！你上传的这份 PDF 是一个非常经典的C++ 回调函数（Callback）与函数指针的入门示例，用“计算器”来模拟大厂 SDK 封装逻辑。下面我将它完整翻译、整理并结构化，便于理解核心思想。特性说明解耦大厂逻辑 与 用户逻辑分离扩展性。

原创 cuda核函数进行仿射变换

【代码】cuda核函数进行仿射变换。

原创 python语法学习

比如说类Animal，动物类这是一个抽象的概念，自然界有那么多动物，具体是那种动物呢？类中的实例方法需要访问该实例，因此在定义实例方法时必须将self作为第一个参数，以便在内部使用它。在Python中，要实例化一个类，需要使用类名加上一对括号，如Animal()，这将创建类的一个实例。实例化类时，会调用类的 初始化 函数__init__()，并返回一个新的实例。在上述示例中，我们定义了一个Animal类，并在其初始化函数中传入一个参数name，在实例方法eat中使用了传入的参数name。

原创 tensorrt学习-cuda运行时api

这样简化了代码，使得使用 CUDA Runtime API 更加方便和易于操作。接着同样又利用异步复制将 GPU 上的数据复制到 CPU 上来，最后使用 cudaStreamSynchronize 同步流，确保前面的异步复制操作全部完成(也就是男朋友将东西全买回来了)，然后打印获取的结果，那你可以发现真正的耗时其实是发生在这一步的。在异步复制的时候，发出指令立即返回，并不等待复制完成，因此你可以看到如果你在后面添加打印语句，可以发现数据并没有复制，主线程并不需要等待复制完成，可以继续执行后续操作。

原创 视觉transformer 部分知识梳理

问题回答ViT 有没有 Q、K、V？有！完全保留Q、K、V 在图像中是什么意思？Q=“我想看啥”，K=“我能被谁看”，V=“我有啥内容”为什么需要 Q 和 K 算相关性？为了知道图像中哪个区域该关注哪个区域（比如眼睛关注鼻子，车轮关注车身）是不是只关注自己？不是！恰恰是要跨区域关注，这才是注意力的价值所以，不管是文字还是图像，Transformer 的核心思想不变通过 Q-K 匹配，动态决定从哪些地方（V）提取信息。让图像的不同部分学会“互相理解”。

原创 tensorrt学习 - cuda驱动api

值得注意的是，cuda.h 是 NVIDIA CUDA Toolkit 中的一部分。cuInit 函数的参数 flags 目前必须为 0，在使用 CUDA 的其它函数之前，必须先调用 cuInit 函数进行初始化，否则其它 CUDA API 函数会返回 CUDA_ERROR_NOT_INITIALIZED 错误。cuda.h 提供了 CUDA 编程的接口和声明，而 libcuda.so 则是运行库，提供了 CUDA 运行时所需的底层功能和支持。主要是cuda初始化以及获取驱动版本以及设备名称。

原创 paddleocr安装

安装完成后您可以使用 python3 进入 python 解释器，输入import paddle ，再输入 paddle.utils.run_check()如果出现PaddlePaddle is installed successfully!，说明您已成功安装。如何卸载Step 3：安装 PaddleOCR。

原创 opencv入门

Point 类用来表示二维坐标系中的一个点。OpenCV 提供了两个版本：Point2i（或简称 Point）用于整数坐标，Point2f 用于浮点数坐标。示例// 创建一个整数类型的点 (x=10, y=20)// 创建一个浮点类型的点// 在图像上绘制这个点// 创建一个100x100的黑色图像// 在点pt处绘制一个绿色圆圈。

原创 RKNN-Toolkit2入门

RKNN-Toolkit2 的主要作用是在 x86 主机（Host）上将 ONNX、TensorFlow、Caffe 等模型转换为 .rknn 格式，然后部署到 瑞芯微（Rockchip）NPU 芯片（如 RK3566、RK3568、RK3588、RV1106 等）上进行推理。📌 详细解释：RKNN-Toolkit2 到底是什么？

原创 tensorRT高级-使用onnxruntime进行onnx模型推理过程

8. 图像预处理（Letterbox + 归一化）和tensorrt是一样的。9. HWC → CHW + BGR → RGB + 归一化。12. 解码输出（YOLO 后处理）13. NMS 非极大值抑制。

原创 tensorRT-UNet分割模型编译到推理

计算缩放因子 scale = min(target_w / img_w, target_h / img_h)使用 cv::warpAffine 进行仿射变换，将图像缩放到目标尺寸（如 512x512）类别图（uint8）使用 cv::INTER_NEAREST 防止类别混合。空白区域用灰色（114）填充（常见于 YOLO/UNet 系列）概率图（float）使用 cv::INTER_LINEAR 插值。模型输出形状：[B, H, W, C]（C 为类别数）前处理的目标是将原始图像转换为模型输入所需的格式。

原创 c++中tuple的基本用法

访问 tuple 元素：std::get<索引>(tuple)获取 tuple 大小：std::tuple_size。解包 tuple：std::tie（经典方式）使用 std::tuple 类型声明。

原创 OpenCV C++ 中，访问图像像素三种常用方法

🔹 方法 2：指针访问 cv::Mat::ptr<>()（推荐用于遍历整行或全图）🔹 方法 1：cv::Mat::at<>() 方法（推荐用于调试和小规模访问）🔹 方法 3：迭代器访问（安全且适合 STL 风格编程）✅ OpenCV C++ 访问像素的三种方法。

原创 retinaface tensorrt 无封装版本

这叫做 Bounding Box Regression（边界框回归），目的是： 把一个“先验框”（anchor/prior）通过学习到的偏移量，调整成更接近真实框（ground truth）的预测框。init_prior_box 函数是 人脸检测模型（如 RetinaFace、SSD、YOLO 的 Anchor 版本等）中生成“先验框”（Prior Boxes / Anchors）的核心函数。真实偏移量 (dx_real) = (gt_cx - anchor_cx) / anchor_sx。

原创 tensorRT高级-yolov5模型编译到推理（无封装）

【代码】tensorRT高级-yolov5模型编译到推理（无封装）

原创 shared_ptr 与 Lambda 删除器

🔍 核心问题：为什么 engine->infer() 没有执行 lambda？这行代码等价于：MyEngine* raw = engine.get();👉 它只是通过 shared_ptr 获取原始指针，然后调用方法。✅ 2. engine->infer()：只是正常使用对象。管家（shared_ptr）收下了遗嘱，但不会立刻执行。✅ 1. shared_ptr 的构造：只保存，不执行。这才是 lambda 第一次也是唯一一次被执行。👉 但 不会立即执行 lambda！✅ 3. 析构时：删除器终于执行

原创 基类派生类

【代码】基类派生类。

原创 c11简单线程池

【代码】c11简单线程池。

原创 c11智能指针 promise future

【代码】c11智能指针 promise future。

原创 c11工厂函数

【代码】c11工厂函数。

原创 c11条件变量

【代码】c11条件变量。

原创 tensorRT基础-模型推理时动态shape的具体实现要点

1.

原创 最简单的tensorrt程序，实现模型编译和推理

假设输入是 [1.0, 1.0, 1.0]（即 x0=x1=x2=1），偏置 b = [0, 0]🔍 第二步：addFullyConnected 需要什么样的权重？🔢 第三步：你的权重数组如何排列？所以输出是 [3.5, 0.8]🧮 第五步：矩阵乘法示例。

原创 cuda运行时API-内存的学习，pinnedmemory

Device To Host 的过程，等价于。Host To Device 的过程，等价于。

原创 仿射变换逆变换

原创 YOLO 模型前向推理全流程（以 YOLOv8 为例）

形状：(1, 4 * reg_max, 80, 80)、(1, 4 * reg_max, 40, 40)、(1, 4 * reg_max, 20, 20)形状：(1, 80, 80, 80)、(1, 80, 40, 40)、(1, 80, 20, 20)（COCO 80 类）实际使用时通过卷积解码为 (l, t, r, b) 四个距离（归一化到特征图尺度）将缩放后的图像（640×480）居中放置在 640×640 的画布上。前 4 行：[l, t, r, b]（归一化的距离）填充短边（letterbox）

原创 非极大值抑制（Non-Maximum Suppression, NMS）

即：IM 把变换后的点 (x’, y’) 映射回原始点 (x, y)。如果 IoU > 阈值，说明是重复检测，将那个低分框标记为“删除”。否则，保留这个框（因为它目前是置信度最高的未被删的框）。假设输入的检测框已经按置信度从高到低排序。如果当前框已被标记删除，跳过。计算它们与当前框的 IoU。最终返回所有未被删除的框。

原创 std::initializer_list＜int＞ 和 std::vector＜int＞

使用 std::initializer_list 和 std::vector 两种方式来构造 InputDims 类，并说明它们的区别。两者最终都会把数据存到 dims_ 这个 vector 成员变量中，区别只在于如何把数据传进来。为什么 InputDims 要同时支持两种构造方式？

原创 C++ 中的 noexcept override

这样写出的代码，才是健壮、高效、可维护的现代 C++ 代码！

原创 YOLO 检测前向推理流程

✅ YOLO 模型前向推理全流程（以 YOLOv5 为例）第一阶段：图像加载与预处理。

原创 使用海康威视 SDK 实现软触发拍照（C语言完整示例 + 中文注释）

本文介绍了基于海康威视MVS SDK的软触发拍照C语言实现方案。文章摘要如下： 功能概述： 实现软触发控制工业相机精准拍摄 支持设备枚举、选择、取流控制 采用"拍一张→处理→再拍一张"的工作模式 关键技术： 使用MV_CC_SetCommandValue发送软触发指令 通过回调函数处理图像数据 多线程设计分离触发和图像处理逻辑 代码特点： 完整可运行的示例代码 详细中文注释 中文化打印信息 Linux环境测试通过 适用场景： 流水线检测 运动同步拍摄 需要精确控制拍摄时机的应用 注意事项

原创 海康威视工业相机SDK开发实战：使用C/C++实现软件触发图像采集（含详细中文注释代码）

本文将带你从零开始，使用 海康MVS SDK（Machine Vision Software Development Kit），通过 C/C++语言 实现对海康工业相机的控制，重点演示如何配置 软件触发模式 并完成图像采集。而“软件触发”是触发模式中的一种，指通过 调用SDK函数发送命令 来触发相机采集一帧图像，无需外部硬件信号，非常适合调试和控制场景。本文通过一个完整示例，展示了如何使用海康MVS SDK 实现 软件触发图像采集，代码结构清晰，注释详尽，适合初学者快速上手。五、完整代码实现（含中文注释）