- 博客(24)
- 收藏
- 关注
RSS订阅原创 远程连接开发板 使用dl-GPU 调试
师兄给了一个和demo 可以使用登临的GPU 跑yolov5模型 C++ 版本的,流程是通过cmake编译 CMakeLists.txt 生成 Makefile 之后再进行Make 生成可执行文件 之后运行。
2023-11-14 18:22:40
101
原创 SSD算法:源码整理_backbone,特征层提取,预测器
如何在这6个预测特征矩阵上,进行预测对于 size = m*n channel = p 的特征层，我们直接使用卷积核大小为3*3 channel = p的卷积核来进行实现，来生成概率分数，以及边界框偏移量(回归参数)显然,对于我们特征图上的每一个位置,我们会计算k个default box 我们对每个default box 计算 c个类别分数(包括背景),以及4个坐标偏移量,也就是需要(C+4)*k个卷积核 进行卷积处理,对于大小为m*n的特征层 就会生成 (C+4)*kmn个输出。
2023-09-10 18:18:47
241
原创 分类网络2
具有超深的网络结构(突破1000层)提出residual模块使用batch Normalization 加速训练(丢弃dropout)会出现梯度消失,梯度爆炸：假设梯度是小于1的,每向前传播一层,都要乘以一个小于1的梯度,当网络越来越深，梯度就会越趋近于0，反之梯度是大于1的,就会出现梯度爆炸。一般是通过对数据的标准化处理,权重初始化 和 Batch Normalization退化问题 通过残差结构来解决退化问题 ，从右图很清晰的看到,网络层数越多效果越好。
2023-09-05 13:46:36
61
1
原创 One Stage_SSD 算法
(b)的抽象程度会更低一些,会保留的细节信息会更多一些,会在相对底层的特征矩阵上,去预测相对较小的目标,比如说:我们在8*8的feature map 上进行预测这只猫的目标边界框,在[3,3]位置上生成的连个蓝色的default box能够很好的与我们标注的grand truth 匹配 而 4*4的feature map 更适合预测相对更大一点的目标---狗,这就实现了再不同的特征层上预测不同尺度的目标。
2023-08-26 14:07:57
47
原创 使用pytorch计算分类模型的混淆矩阵
FN 错误的预测为反例(本来是正例)，FP 错误的预测为正例(本来是反例)TP 正确的预测为正例，TN 正确的预测为反例。
2023-08-23 14:07:36
40
原创 目标检测 Faster R-CNN
我们思考一定有某几个框进行裁剪之后的所得到的部分图像通过分类器后,被认为时某一类别的.SVM分类器是一个二分类的分类器, 我们将之前得到的特征矩阵[2000*4096]与20个SVM(PASCAL 数据集)组成的权值矩阵[4096*20]相乘,得到一个得分矩阵,代表着每一个框是某个目标的得分, 所得到的矩阵是[2000*20]代表着每一个预选框,在这20个类别的得分情况,从每一列通过。
2023-08-23 12:35:00
52
原创 目标检测 coco评价标准,以及mAP计算
通过设置不同的阈值，使confidence 与 threshold进行比较，就会得到不同的 precision，recall。对于计算面积:先去将recall相同的点滤去,之后宽就是当时的recall- 前一个recall。如果这两个值差距很小 也就是说绝大多数图片的目标个数在10以内 可以减少检测的目标个数。预测的时候,将每一个验证结果都写成字典的形式,全部放在列表中,之后写成json的格式。高就是指当前的Precision 以及之后的Precaution 中最大的一个。绘制图像，最后计算其面积。
2023-08-20 13:26:00
623
1
原创 Microsoft COCO数据集
stuff 91类包括了 object80类 如果仅仅做目标检测，基本只用object80 ，如果做图像分割(Mask R-cnn)的任务用stuff91类的 其中stuff91比object80 多出来的11类 是帽子,鞋,眼镜(太多的例子) 镜子,窗户,门,路标(含糊不清 难以标注)盘子 桌子(容易与碗和餐桌进行混淆),还有搅拌机,发刷(太少的例子) 一般是指没有明确边界的对象.如果仅仅针对于 目标检测 object80而言 会有一些空图.坏图,没有标注信息或者标注信息是错误的。要筛选出有问题的图片。
2023-08-19 20:42:49
112
原创 使用PASCAL图像集，标注自己的训练集
这里我们用的labelImg 用这个软件在python3.11的环境下画矩形框会闪退，一篇博文写的是pyqt5-tools 安装失败，不支持python3.10，换成python3.9就可以了。object：name 图像的类别 truncated 是否被截断 difficult 是否容易检测 bndbox 目标的位置。size 节点 图像的宽度 高度 深度 folder节点文件的文件夹，filename当前图片的名称。下面是labelImg界面 和生成的xml文件 xml文件是每一个图像的图像信息。
2023-08-19 14:46:49
34
原创 yoloV1综述(You Only Look Once)
对于某一类别（狗），NMS处理过后很有可能还有大于0.2（threshold）,IOU ＜0.5 这样的框会留下，但我们清楚这个框并不是预测狗的，最终这个框消失是因为被其他类别竞争掉，最终会按照每一列中的20个全概率取其最大的值所代表的类别进行显示。如果一个图像的中心点，与另一个图像的中心点重合，甚至各占一个grid_cell的50%,这时应该是在同一个置信率下，每一个bounding_box可能有两个类别的条件概率都很大，最终要么因为IOU其中的一个条件概率被竞争掉，要么通过每一列的最大值输出竞争掉。
2023-08-19 13:10:47
43
原创 分类网络_1
256*6*6(Fc1)--->2048(Fc2)--->2048(Fc3)--->1000(输出节点个数可自定义)512*14*14(Pool4)--->512*7*7(Fc1)--->4096(Fc2)--->4096(Fc3)--->1000(输出节点)作者尝试不同组合的网络以及是否使用LRN,我们一般常用的是 D 的配置从注意力机制的角度 我们看一图片，中间部分是清晰的，周围是模糊的，从CNN网络的角度我们在网络传输一个图片 周围加padding和不加padding也是不同的效果，
2023-08-17 10:36:39
100
1
原创 CNN (Convolutional Neural Network)
读入一个彩色RGB图像(图一)，每个像素包含三个分量(RGB分量)，将其灰度化，使得每个像素只有一个分量(图2)，再进行二制化，得到黑白图，黑_0[0000 0000]，白_255[1111 1111]，用一个滑动窗口(5*3) 去计算每个窗口中的白色像素占整个像素的百分比，会得到一个5*5的矩阵，矩阵再进行展开成一个1*25的行向量 也就是输入节点数。首先与卷积层不同的是池化层没有训练参数，我的理解是卷积核与池化核不同,卷积核里面有数值，卷积核与滑动窗口进行运算，卷积层有训练参数。
2023-08-13 19:57:38
77
1
原创 matplotlib numpy sklearn常用的函数
种子的作用在于当使用相同的种子时，每次运行生成的随机数序列都是一样的。这在需要重现实验结果或确保随机性一致性的情况下非常有用。我们可以确保每次运行时产生的随机数都是相同的，从而有助于比较和调试。Fetch dataset from openml by name or dataset id. 通过名字和数据集id从openml 获取数据集。指定了随机数生成器的种子为 42。种子是一个起始值，它确定了随机数生成器将生成的随机数序列。进行重排列（随机打乱顺序）。使用了 NumPy 的。
2023-08-10 15:29:50
60
1
原创 机器学习-线性回归_一些常用的函数
np.dotnp.dot是NumPy库中的一个函数，用于计算两个数组的点积（dot product）。点积是一种特殊的矩阵乘法运算，用于计算两个向量的内积或者矩阵的乘法。np.dot可以接受两个参数，若两个参数中至少有一个是二维数组，np.dot会根据矩阵乘法的规则进行计算，返回矩阵乘积的结果；若两个参数都是一维数组，则返回两个向量的内积结果。如果两个参数其中有个数，那么就代表这个数和一个矩阵相乘。
2023-08-09 20:10:18
158
原创 部署yolo时常用的Linux指令
通过执行这个命令，你可以在计算机上的终端或命令提示符中进入 Android 设备的 shell 环境，可以在设备上执行各种命令和操作。是一个用于将文件从计算机（主机）传输到连接的 Android 设备上的命令。命令，会列出当前用户下正在运行的所有进程的相关信息，如进程 ID（PID）、进程状态、CPU 使用率、内存占用等。命令用于查找正在运行的进程，它会返回与指定名称匹配的进程 ID（PID）。命令后，如果有匹配的进程正在运行，它会输出该进程的 PID。是要将文件推送到的设备上的目标路径。
2023-08-04 13:09:41
133
1
原创 RK3588上部署yoloV5
电脑win10 装的 vmware 16pro 操作系统ubuntu20.04开发板 rk3588 一根 usb-typeC的数据线 用来PC与开发板通信在ROCKCHIP芯片上的EVB板子上使用RKNN-Toolkit2 和 RKNPU工具 将onnx模型转化为rknn模型 并进行板端推理。
2023-08-04 13:06:14
1674
6
原创 ubuntu 下载python包的问题
用pip下载：这条命令使用了Python 3.6版本的解释器，并通过-m pip选项来调用Python的pip模块，然后使用pip来安装包。这种方式确保了使用指定版本的Python进行安装。：这条命令直接使用系统默认的pip3工具来安装包。pip3通常与系统默认的Python解释器关联，并且会安装包到该Python版本的site-packages目录下。所以，区别主要在于使用的Python解释器和关联的pip版本。你可以根据需要选择使用特定的Python版本来安装包。
2023-08-02 17:20:04
293
原创 Ubuntu 安装python包文件权限问题
我当时是在/home/env/python_env 安装虚拟环境,创建文件夹时发现权限不够。我发现这个文件是挂载到 /dev/sda3中。
2023-07-28 11:47:41
561
原创 RK3588上部署yolov5遇到的问题
scp （本机文件路径）（用户名）@(这里是虚拟机的ip地址):（拷贝到虚拟机的地址）在rk3588板子上使用RKNN-Toolkit2 和 RKNPU2 工具转换。查看 ubuntu 22.04 的 网络信息 ifconfig 得到 IP地址。有必要的话更改home权限 ，可以让其余用户有写权限。需要注意的是：回车之后会让你输入你的虚拟机的密码。向tmp文件夹里传输数据 不需要更改权限。打开win的管理员命令窗口，输入如下命令。出现权限问题 按照上述解决方法尝试解决。代表其余用户具有写读执行的权限。
2023-07-28 11:33:59
607
原创 Linux ubuntu 22.04 断网问题
当你执行此命令时，它会向 DHCP 服务器发送一个请求，以获取 IP 地址和其他相关网络配置信息。如果网络是通过 DHCP 服务器进行配置的，那么你的网络接口。的详细信息，包括接口的 IP 地址、子网掩码、广播地址以及其他网络配置参数。当你执行此命令时，它将关闭系统上的所有网络连接。这意味着你的系统将无法连接到任何网络，无法访问互联网或其他网络资源。当你执行此命令时，它将打开系统上的网络连接，使你的系统能够连接到网络和访问互联网。将会自动获取到一个可用的 IP 地址和其他必要的网络配置。
2023-07-27 12:19:50
1543
原创 linux下创建python虚拟环境相关指令
它可以在一个目录中创建一个新的Python环境，该环境具有自己的Python解释器和安装的包。通过激活虚拟环境，您可以在该环境中运行和安装软件包，而不会影响到系统中的其他Python项目。Virtualenv和Virtualenvwrapper是Python开发中常用的工具，用于创建和管理虚拟环境。虚拟环境是一种隔离的Python环境，可以用于在单个系统中同时运行不同版本的Python和项目依赖。虚拟环境安装好之后，您可以使用pip安装项目所需的包，并在该虚拟环境中运行Python脚本。
2023-07-26 18:40:34
320
1
原创 conda 常用cmd指令集
查看当前环境的 python包。查看conda当前的下载源。删除conda环境的镜像源。查看pycharm的镜像源。删除py37虚拟环境。创建py37虚拟环境。
2023-07-25 13:11:16
303
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人