Liaojiajia-Blog

Unknown-Aware Object Detection: Learning What You Don’t Know from Videos in the Wild1. Motivation2. Overview of the object detection framework2.1 Spatial-Temporal Unknown Distillation2.1.1 Spatial unknown distillation2.1.2 Temporal unknown distillation2.1.

【自用】pip和conda换源pip 换源-i https://pypi.tuna.tsinghua.edu.cn/simplepip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxxxx（包的名字）conda 换源（Linux）vi ~/.condarcchannels: - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ - https://mirrors.

json格式数据划分训练集、验证集split_train_val.py执行python split_train_val.py --img_path xxx --json_file *.json --output xxx即可。#!/usr/bin/env python# -*- coding:utf-8 -*-# 将一个文件夹下图片按比例分在两个文件夹下import osimport randomfrom shutil import copy2import jsonimport argpa

import jsonimport argparse# json中bbox的格式是top_x, top_y, w, h # 转成Yolo的格式是cen_x, cen_y, w, h的相对位置def convert(img_size, box): dw = 1. / (img_size[0]) dh = 1. / (img_size[1]) x = box[0] + box[2] / 2.0 y = box[1] + box[3] / 2.0 w = b

Pytorch模型转onnx源代码：https://github.com/hpc203/yolact-opencv-dnn-cpp-python （yolact转onnx）遇到的报错：cv2.error: OpenCV(3.4.2)C:\projects\opencv-python\opencv\modules\dnn\src\dnn.cpp:3044: error:(-2:Unspecified error) Cannot determine an origin framework of file

HTML + CSS 写一个登陆界面1. index.html2. style.css3. iconfont.css4. 界面效果1. index.html<!-- * @Author: your name * @Date: 2021-03-04 16:27:09 * @LastEditTime: 2021-03-04 16:37:03 * @LastEditors: Please set LastEditors * @Description: In User Settings Edit

二叉树——前序、中序、后序、层序（递归&非递归）二叉树——前序遍历（中——左——右）递归非递归二叉树——中序遍历（左——中——右）递归非递归二叉树——后序遍历（左——右——中）递归非递归二叉树——层序遍历递归非递归二叉树——前序遍历（中——左——右）递归# Definition for a binary tree node.# class TreeNode:# def __init__(self, val=0, left=None, right=None):# s

剑指offer刷题

【画框脚本】YOLO和COCO格式画框1. yolo格式画框2. COCO格式画框1. yolo格式画框import cv2import osimport colorsysimport randomfrom tqdm import tqdmdef get_n_hls_colors(num): hls_colors = [] i = 0 step = 360.0 / num while i < 360: h = i s = 90 + random.rand

【转换格式脚本】1. yolo2coco.py2. visdrone2coco.py3. 把yolov5 detect的输出转成coco4. visdrone-MOT转coco1. yolo2coco.pyimport impimport jsonimport cv2import osbnd_id_start = 0times = 0json_dict = { "images" : [], "type" : "instances", "ann

剑指offer刷题11. 两数之和 II - 输入有序数组题目要求解题思路代码12.两数之和 III - 数据结构设计题目要求解题思路代码13.两数之和 IV - 输入 BST题目要求解题思路代码14.三数之和题目要求解题思路代码11. 两数之和 II - 输入有序数组题目要求给定一个已按照 升序排列 的整数数组 numbers ，请你从数组中找出两个数满足相加之和等于目标数 target 。函数应该以长度为 2 的整数数组的形式返回这两个数的下标值。numbers 的下标 从 1 开始计数 ，所

clusterclus_output：聚类后二值图片img：原始图片output：根据目标坐标和有无目标——》二值图片txt：原始标注txt_del：删掉有无目标的标注# -*- coding: UTF-8 -*-# 聚类代码import cv2import osimport sysfrom sklearn import clusterimport numpy as npimport matplotlib.pyplot as pltdef dot_Visualizatio

用YOLOV5训练widerface数据集一、下载yolov5代码二、下载widerface数据集三、把widerface数据集转成yolo格式四、修改配置文件五、训练数据六、踩坑记录一、下载yolov5代码源代码链接：https://github.com/ultralytics/yolov5训练自己数据集：https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data注意： 若出现fatal: unable to access ‘https

论文链接：https://arxiv.org/abs/2011.09094开源代码：https://github.com/dddzg/up-detrPPT参考链接：https://www.bilibili.com/video/BV1o54y187vG?p=4&t=93

用Python对视频进行帧切割和帧合并一、视频帧切割二、视频帧合并一、视频帧切割cut.pyimport cv2import numpy as np def video2frame(videos_path,frames_save_path,time_interval): ''' :param videos_path: 视频的存放路径 :param frames_save_path: 视频切分成帧之后图片的保存路径 :param time_interval: 保存间隔 :

Ubuntu服务器文件上传项目到github一、注册github账户二、创建github repository(仓库)三、为github账户设置SSH key四、在gitHub网站设置SSH key五、测试是否生效六、上传项目到github1. 检查ubuntu中是否安装git2. 添加要上传的文件3. 查看git状态4. 推送git文件(从缓存区修改到本地仓库中)5.添加文件到远程库6. 删除缓存区里的文件一、注册github账户GitHub官网网址：https://github.com/具体的操作

剑指offer刷题1. 二维数组中的查找题目要求代码1. 二维数组中的查找题目要求在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。代码# -*- coding:utf-8 -*-class Solution: # array 二维列表 def Find(self, target, array): # write code

widerface数据处理一、原始数据格式转为VOC格式二、VOC格式转为COCO格式第一步：转成COCO格式第二步：从原来打乱的XML标注文件中提取出train和val三、VOC格式转成YOLO格式第一步：转成YOLO需要的txt后缀文件第二步：根据/data/data/UAV2017/ImageSets/Layout里面的trainval.txt和test.txt挑选出训练集和测试集四、在转换过程中查看框是否正确1. 查看VOC是否转换正确（文件命名为：xml_draw.py）2. 查看COCO是否转换

1. 斐波那契数列function Fibonacci(n){ // write code here if (n<=1) { return n; } let pre1 = 0; let pre2 = 1; let temp; for (let i = 2; i < n; i++){ temp = pre2; pre2 = pre1 + pre2; pre1 = temp;

2021 CVPR 2D目标检测1. You Only Look One-level Featurepaper: https://arxiv.org/abs/2103.09460code: https://github.com/megvii-model/YOLOF描述：在单阶段目标检测方面一次突破性的创新，它针对单阶段目标检测中的FPN(特征金字塔)进行了深入的分析并得出：FPN最重要的成分是分而治之的处理思路缓解了优化难问题。针对FPN的多尺度特征、分而治之思想分别提出了Dilated编码器提升特