navprogramer的博客

原创 使用tensorboard遇到:Output 0 of UnbindBackward is a view and is being modified inplace.....

使用tensorboad时遇到问题:RuntimeError: Output 0 of UnbindBackward is a view and is being modified inplace. This view is the output of a function that returns multiple views. Such functions do not allow the output views to be modified inplace. You should replace

原创 论文阅读: Deep Learning for Person Re-identification: A Survey and Outlook

(Re-ID) 旨在通过多个不重叠的摄像头检索感兴趣的人员。随着深度神经网络的进步和智能视频监控需求的增加，它在计算机视觉社区中获得了显着增加的兴趣。通过剖析开发人员 Re-ID 系统所涉及的组件，我们将其分为封闭世界和开放世界设置。广泛研究的封闭世界环境通常应用于各种以研究为导向的假设，并在许多数据集上使用深度学习技术取得了令人鼓舞的成功。我们首先从深度特征表示学习、深度度量学习和排名优化三个不

原创 Linux 查看当前路径下文件大小

因为电脑空间需要清理, 所以需要查找大的文件夹,删除没有用的文件:ubuntu命令行:sudo find . -type f -size +800M -print0 | xargs -0 du -h | sort -nr上面这行命令会查找大于 800M 的文件, 并且按照文件大小进行排序如果希望查看文件的创建日期等详细信息:find . -type f -size +800M -print0 | xargs -0 ls -lPS: 如果是在主文件夹的话, 最好加上 sudo 避免权限问题

原创 论文笔记: Black Re-ID 黑衣人重识别

Black Re-ID: A Head-shoulder Descriptor for the Challenging Problem of Person Re-Identification摘要       （Re-ID）旨在从多个摄像机捕获的一组图像中检索输入的人员图像。尽管最近的 Re-ID 方法取得了巨大的成功，但它们中的大多数都是根据服装的属性 （例如颜色、纹理） 来提取特征。   &

原创 解决复制PDF到翻译网站有换行导致翻译错误的问题

自己在CSDN逛了很久,看到各种插件和脚本.对于我这种连自己删除换行都觉得麻烦的人,当然觉得脚本也很麻烦 😟所以解决的办法就是: 将内容复制到网址输入栏, 然后再复制回来就可以了! 😆

原创 warmup

原创 读论文：Relation Preserving Triplet Mining for Stabilizing the Triplet Loss in Vehicle Reid

对三元组挖掘策略进行改进

原创 李沐--transformer要点记录

transformer纯attention， 并行化 ，克服了卷积难以对长的序列进行建模的缺点使用 multi-head attention 的原因是 模拟卷积神经网络的多通道机制transformer 使用了 auto-regressive (自回归机制)，过去时刻的输出会作为当前时刻的输入，这一点在解码器部分有所体现，因为在做预测的时候是看不到当前时刻之后的输出的在自注意力机制里面，每一次都是能够看到完整的输入，因此通过使用带掩码的注意力机制对解码器进行训练，使得在预测..

原创 笔记：李沐《动手学深度学习》 -- 梯度计算

导数是切线的斜率将导数拓展到向量就是梯度 梯度指向值变化最大的方向 与等高线正交因为定义x是有梯度的张量， y作为x的函数 可以计算关于x的梯度 x = torch.arange(4.0)x.requires_grad_(True)x.grady = torch.dot(x,x)通过反向传播自动计算y关于x每个分量的梯度y.backward() # 通过反向传播自动计算y关于x每个分量的梯度x.gradx.grad == 2*x# 默认情况下pytorch会累...

原创 笔记：李沐《动手学深度学习》 -- 数据处理、数据计算

a.numel() 元素的个数a[::3,::2] 每三行 每两列选一个数据 # 跟李沐学AI 数据操作数据处理import torcha = torch.arange(12)a.numel()a[::3,::2]对张量进行拼接b = torch.tensor([[1.0,2,3,9],[1.0,2,3,9],[1.0,2,3,9]])torch.cat((a,b),dim = 0) # 表示在第一个维度 也就是行 torch.cat((a,b),dim = 1)...

原创 获取CNN模型的计算力（flops）参数量（parameters)

今日输出： 获取CNN模型的计算力（flops）参数量（parameters)使用工具： pytorch 的 torchstat 包from torchstat import statimport torchvision.models as modelsmodel = models.alexnet()stat(model,(3,244,244)输出结果alexnet:shufflenet虽然shufflenet的网络stage比较多，但是参数量和计算量还是非常小的model = m

原创 今日输出: 使用opencv进行背景提取,并进行帧差分析

使用opencv-python进行背景提取1. 读取视频文件video_path = '自己的视频路径,avi格式'capture = cv2.VideoCapture(video_path)2. 构造形态学使用的 kernel ,构造高斯混合模型se = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))model = cv2.createBackgroundSubtractorMOG2() # history=500, var..

原创 今日输出：使用 python opencv 裁减任意区域内不规则面积

输入：视频流输出：裁减之后（每帧）的视频流import cv2import numpy as npvideo_path = '自己的视频所在路径'capture = cv2.VideoCapture(video_path)while True: ret, im0 = capture.read() # 根据读取视频流帧的长宽生成全部为0的mask mask = np.zeros(im0.shape[:2], np.uint8) # 因为思路是根据mask进行