街道口扛把子的博客

Qt,ncnn,opencv调用yolov5+deep sort

PaddleDetection目标跟踪算法概述https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.3/configs/mot/README.md#%E5%BF%AB%E9%80%9F%E5%BC%80%E5%A7%8BC++预测https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.3/deploy/pptracking/cpp/README.md转onnx

20211118yolov5第六版去掉了focus，在ncnn使用时兼容性更好。固定形状输入转onnxpython export.py --include onnx --weight path/to/x.pt --img 640 --train --simplify注意加–train，是去掉后处理部分的导出。.动态形状输入转onnxpython export.py --include onnx --weight path/to/x.pt --img 640 --train --dynamic

Non-local U-Nets for Biomedical Image Segmentation论文分享论文地址：Non-local U-Net for Biomedical Image Segmentation开源代码地址（tensorflow代码）：Non-local-U-Nets以上代码是tensorflow的，用于3D图像，根据这个，我做了一个pytorch的2D图像的代码。Whu-wxy/Non-local-U-Nets-2D-block2020.3.4： pytorch的3D版

论文地址：Scaling SGD Batch Size to32K for ImageNet Training其他相关的：224秒训练ImageNet！这次创纪录的是索尼大法ImageNet/ResNet-50 Training in 224 SecondsLARGE BATCH OPTIMIZATION FOR DEEP LEARNING: TRAINING BERT IN 76 MINUTES论文内容介绍大batch Size在多个GPU上并行训练可以充分利用硬件资源，减少训练时间，但是众

OCR-VQA: Visual Question Answering by Reading Text in ImagesICDAR 2019论文地址OCR-VQA数据集前不久看了一个2020年文档图像分析与识别前沿理论与应用研讨会的视频，金老师在展望中提到了OCR和NLP结合的新的研究方向Text VQA，还说了如果只是把文档中的字识别出来是没什么用的，更重要的是从中发现有意义的东西（需要理解文本）。感觉这个是个很有意思并且有意义的问题，于是最近准备看几篇这个方面的文章。简介摘要回答关于图

官方给出的编译方法是用于VS，Qt中编译稍有不同，过程更简单。其他：Qt+ncnn+android配置方法。1. 把ncnn的CMakeLists.txt文件直接拖进Qt中。2. 设置要编译哪些东西，我这里不需要用到benchmark，examples，tools和tests，（所以这里我不需要用到protobuf），所以可以在CMakeLists.txt文件中注释掉或者在构建设置中进行设置。如下图所示。3. 在构建目录下进行make。执行下面这句：D:\Qt5\Qt5.9.6\Tools\mi

官方pytorch转ncnn说明流程如下：pytorch训练->onnx->onnx-simplifier->ncnn1.pytorch训练->onnx2.onnx->onnx-simplifier2.1安装onnx-simplifierpip install onnx-simplifier2.2输入命令转换模型python -m onnxsim pse.onnx pse_sim.onnx得到以下结果：3. onnx-simplifier->

在批量处理total-text数据集格式的基础上改了几行代码，修改了少量标签中有换行符导致的错误结果。import reimport cv2import osimport numpy as npfrom tqdm import tqdm# Total-Text To IC15# F:\zzxs\Experiments\dl-data\TotalText\Groundtruth...

会议MIDL简介8 - 10 July 2019​全名International Conference on Medical Imaging with Deep Learning，会议主题是医学影像+深度学习。Boundary loss由Boundary loss for highly unbalanced segmentation这篇文章提出，用于图像分割loss，作者的实验结果表明di...

mgrankin/over9000https://github.com/mgrankin/over9000

原来是运行caffe2ncnn时，有一个文件路径写错了，多了一个空格。把这个空格去掉就OK了。

编译caffe需要安装的东西：install libatlas-base-devsudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-devsudo apt-get install libgflags-dev libgoog...

配置ncnn需要安装protobuf，源码安装高版本的protobuf后，安装ncnn时报错找不到protobuf路径。解决：1.使用这个命令安装： sudo apt-get install libprotobuf-dev protobuf-compiler （https://github.com/Tencent/ncnn/issues/103）2.安装较低版本protobuf，>=2...

配置Qt + android的一套 + mingw版本opencv + android版本opencv我用的模型是tensorflow的ssd_mobilenet_v1_coco_11_06_2017mingw版本opencv (我的是3.41)android版本opencv (我的是3.45)结果展示详细过程主要的代码是融合了以前的工作Qt Android打开系统相机和相册，...

opencv默认是msvc的，如果Qt装的mingw的，需要编译一份opencv，我在网盘存了一份3.4.1版本的，忘记从哪里下载的了。链接：https://pan.baidu.com/s/1whgWXpd8BAgahG0HZxHiVg 提取码：pqpq 之前做一个app部署深度学习模型，网上看到的都是java+android studio做的，用Qt做的见不到，最近才知道opencv有d...

batch_size、epoch、iteration是深度学习中常见的几个超参数：（1）batchsize：每批数据量的大小。DL通常用SGD的优化算法进行训练，也就是一次（1 个iteration）一起训练batchsize个样本，计算它们的平均损失函数值，来更新参数。（2）iteration：1个iteration即迭代一次，也就是用batc...

知乎：深度学习为什么会出现validation accuracy大于train accuracy的现象？概括他们的答案：validation的样本数量一般远小于training的val的时候是用已经训练了一个epoch的model进行测试的(经过大量的训练学习到东西了)data augmentation把训练集变得丰富，制造数据的多样性和学习的困难来让network更robust（比如旋...

nll_loss(negative log likelihood loss)：最大似然 / log似然代价函数CrossEntropyLoss: 交叉熵损失函数。交叉熵描述了两个概率分布之间的距离，当交叉熵越小说明二者之间越接近。nn.CrossEntropyLoss() 与 NLLLoss()NLLLoss 的 输入 是一个对数概率向量和一个目标标签. 它不会为我们计算对数概率. 适合网络...

在pytorch-pretrained-BERT/pytorch_pretrained_bert/tokenization.py文件中可以看到BERT使用的vocabulary链接，但是不用特殊的上网方式打不开。PRETRAINED_VOCAB_ARCHIVE_MAP = { 'bert-base-uncased': "https://s3.amazonaws.com/models.hu...

tensor( [[[[ 0.4024, 0.8702], [-0.0625, -0.3826]], [[-1.1489, -0.5550], [ 0.0176, 1.0890]]]]) tensor( [[[ 0.4024, 0.8702, -0.0625, -0.3826], [-1....

Github地址：https://github.com/yuquanle/Attention-Mechanisms-paper/blob/master/Attention-mechanisms-paper.md