迷若烟雨的专栏

已经有很多的博文讲解了yolov5的原理以及如何用标注的数据，比如深入浅出Yolo系列之Yolov5核心基础知识完整讲解 标注数据是一项费时费力的工作，如果能用生成的数据来快速验证一些实验，岂不美哉这里以检测圆为例，详细介绍每个步骤首先是训练数据的生成和可视化import osimport cv2import mathimport randomimport numpy as npfrom tqdm import tqdmdef generate(): img = n.

算法工程师是一个在客观环境限制和明确的业务目标指引下，利用自己的算法和工程技术能力解决问题的职业。

虚拟试穿技术使得用户可以试穿多种时尚物品并且提供了了方便的在线购物体验.然而，之前的工作主要集中在衣服上，很少有人做鞋子的，这也在一个很重要的品类，因此我们提出了名为ARShoe的手机端实时虚拟试鞋系统.其改造了多分枝网络来识别姿态和分割，实现了产生真实感体验的遮挡效果。为了达到平滑和稳定的效果，本文还开发了一个稳定策略.为了训练和评估，我们构建了首个大规模脚部评估数据集并且进行了标注，实际测试表明本文方法的有效性.............

mmpose是商汤开源的一款基于 PyTorch 的姿态分析的开源工具箱，是OpenMMLab项目的成员之一。主分支代码目前支持PyTorch 1.5 以上的版本 ，目前官方已有中文教程

中Tensor和Variable有什么区别？DataSet要实现哪几个函数？怎么获取网络的计算量和模型大小？有哪几种模型加载和保存方式？有哪些提高pytorch 训练速度的trick?预处理加速PyTorch源码解读之。

FLOPS：全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。FLOPs：s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。对于普通卷积层来说：FLOPs=2HW(CinK^2+1)Cout

北京2018积分落户名单已经公示出来了,地址在北京人力和社会保障局官网,共有6019人获得，恭喜他们，最低分为90.75分。Update:2019 年的也出来了，详情请见https://blog.csdn.net/minstyrain/article/details/102642906.网站每页只能显示100页的内容，浏览起来很不方便，这里提供完整的excel表格形式的数据，详见百度网盘(...

Paddle官方有一个口罩检测的示例，但是其是两阶段的，首先要检测出人脸，再将裁剪下来的人脸进行二分类.facemask曾基于YOLO V2实现过单阶段口罩检测，但是速度在移动端不是很快，仅能用于服务端部署，且由于样本缺乏，实测精度也不是很高.FaceMaskDetection 实测速度非常快，在CPU上就能实时，而且开源了网络结构，还能进一步压缩耗时，其提供了caffe、pytorch、tensorflow、onnx和mxnet等近乎全平台的支持，美中不足的是唯独缺了paddle

目前已有很多介绍tensorflow使用多GPU的文章，但大多凌乱不堪，更有相互借鉴之嫌。笔者钻研数日，总算理清里面的脉络，特成此文以飨读者。

VoTT是微软发布的用于图像目标检测的标注工具，它是基于javascript开发的，因此可以跨Windows和Linux平台运行，并且支持从图片和视频读取。此外，其还提供了基于CNTK训练的faster-rcnn模型进行自动标注然后人工矫正的方式，这样大大减轻了标注所需的工作量。其分为V1和V2两个版本，目前V1仅用于BUG修复，不再添加新功能支持，因此建议大家直接用V2.它的特性如下:1...

github地址:https://github.com/imistyrain/MRLabeler一、 关于MRLabelerMRLabeler是一款用来标注VOC、YOLO格式图片数据的标注工具，代码全部由C++组成，仅依赖OpenCV,且2.*和3.*系列均支持。Change log:1.4 添加tooltip，更改添加标注框为按shift键以提升标注速度1.3 添加由V...

人工智能的发展过程中，数据、算力、算法缺一不可。目前，深度学习是AI的主流算法，训练数据在深度学习训练中起到重要作用。很多情况下，“大量数据+普通模型”比“小量数据+高级模型”的准确度要高。

mmdetection是商汤开源的用于深度学习目标检测的库, 相比于早先开源的Detectron,maskrcnn-benchmark和SimpleDet具有以下特性:模块化设计，将检测或者分割任务分解成几个模块，通过模块的组合即可完成相应的任务开箱即用，实现了多种目标检测和分割算法，易于配置和使用高效 所有对包围框和掩码的操作都可以在GPU上完成领先性,获得过2018年COCO检测比赛的冠军，并且还在不断进化

labelme是使用python写的基于QT的跨平台图像标注工具，可用来标注分类、检测、分割等常见的视觉任务，支持VOC格式和COCO等的导出，代码简单易读，是非常利用上手的良心工具.

姿态估计是行为分析重要的一环，随着深度学习技术的发展，性能得到快速的提升

​​​​​​​树莓派（Raspberry Pi，下面简称RPi）是一系列由英国树莓派基金会（Raspberry Pi Foundation）开发的仅信用卡大小的微型计算机，其初衷是在学校以及发展中国家推广基础计算机科学