JZXxiaoxin-CSDN博客

转载 C#控件随窗体一起缩放

c#实现窗体界面缩放时，控件随窗体等比例缩放，方法：https://www.jerrycoding.com/article/winform_scale

2022-09-15 16:28:24 716

原创 caffe训练网络时出现loss不变，一直显示87.365

问题：训练时发现accuracy=1，loss=87.365原因：loss=87.365可能是因为softmax在计算的过程中得到了值等于零，导致loss溢出。解决方法：可能是bn层的batch_norm_param的use_global_stats设置成true了,需改成false。accuracy=1的原因不太清楚。...

2021-03-22 20:16:06 161

原创服务器离线训练模型Linux指令：nohup

服务器离线训练模型Linux指令为了节约用电，需要关闭电脑，让服务器离线训练模型指令:nohup sh train.sh > out.log &如果是运行python脚本，则指令为:nohup python train.py > out.log &

2021-03-03 16:05:03 1105 3

原创 opencv4.4百度网盘链接

opencv4.4百度网盘链接链接：https://pan.baidu.com/s/1LWE0IvfoBR7_fxgWdTvm9A提取码：d83j

2020-10-10 00:40:58 1938 1

vs2015安装时无法选择安装路径解决办法卸载vs2015，由于卸载的不够干净，重新安装时，发现无法选择新的安装路径。这是由于还有些相关的组件没卸载，导致安装路径还得和原来一样。解决办法：（1）下载visual studio uninstaller 卸载工具软件。下载地址：链接：https://pan.baidu.com/s/1zp5KJXqg_ad9iykpfAhX-A提取码：k1ny。（2）运行setup.ForcedUninstall.exe，**一定要右键选择管理员身份运行，否则报错。

2020-08-24 23:40:15 6590 9

原创基于锚框的物体检测fast R-CNN（3）

基于锚框的多阶段目标检测算法：fast R-CNN上一篇介绍了R-CNN物体检测的过程，在最后提到了R-CNN的缺点是速度慢时，并列出了三点原因：1.使用Selective Search算法生成大约2000个候选区域，这个过程非常耗时2.每个候选区域使用一次卷积神经网络进行一次特征提取，共需越2000次。由于候选框之间可能存在重叠区域，所以这个过程有很多属于重复计算3.特征提取，目标分类，边框回归是三个独立的步骤，训练，检测效率低于是R-CNN作者的团队针对第2和第3两点耗时的原因，对R-CNN做

2020-08-19 22:22:45 738

原创基于锚框的物体检测R-CNN（2）

基于锚框的多阶段目标检测算法：R-CNN多阶段目标检测中，faster R-CNN是非常典型的一个算法，且它是由最初的R-CNN经一系列改进演化而来的。顺序：R-CNN（深度学习目标检测的一个里程碑）->fast R-CNN（效率提高200倍左右，可应用于实际中）->faster R-CNN（用RPN取代了Selective Search，大大提高了效率）。后面又引入了特征金字塔FPN，以及将faster-RCNN应用在图像分割上的MASK R-CNN。今天，先写下R-CNN的目标检测过程

2020-08-19 01:47:15 549

原创 coco2017数据集百度网盘链接

coco2017数据集百度网盘链接链接：https://pan.baidu.com/s/1NTdU1-h2b5r2Hwc9DiwPig提取码：fwou

2020-08-18 00:25:01 8451 8

原创基于锚框的物体检测（1）

基于锚框的物体检测整体简要流程如下所示：首先，这是一幅图像，图像中有一个我们感兴趣的区域，用绿色框标注出来。1.铺设锚框如图所示，我们在图上铺设了9个锚框，用红框来表示。在设计锚框时，可以从三个特征维度上进行：锚框的大小，锚框的长宽比，锚框间的间隔2.锚框分类然后我们接下来做的就是对锚框进行分类，分为正样本和负样本。最终分类为正样本的锚框如图所示。3.锚框回归从上图中我们可以看出，此时已获取正样本锚框，但我们还需要对其位置及形状大小进行回归。回归后的结果如下图所示。附：把上述得

2020-08-18 00:15:27 785

原创使用halcon做eye-in-hand型手眼标定的小笔记

背景最近在做一个视觉检测的内容，需要检测获取物体的坐标，并将坐标发送给机械臂，让机器人去抓取该物件。

2020-07-25 17:19:43 1898 1

原创使用python批量修改XML文件中图像的depth

使用python批量修改XML文件中图像的深度最近刚刚接触深度学习，并尝试学习制作数据集，制作过程中发现了一个问题，现在跟大家分享一下。问题是这样的，在制作voc数据集时，我采集的是灰度图像，并已经用labelimg生成了每张图像对应的XML文件。训练时发现好多目标检测模型使用的训练集是彩色图像，所以特征提取网络的输入是m×m×3的维度的图像。所以我就想着把我采集的灰度图像的深度也改成3吧。批量修改了图像的深度后，发现XML中的depth也要由1改成3才行。如果重新标注一遍生成XML文件的话太麻烦，所以就

2020-07-20 01:02:15 442

m0_37835084的博客