柯影的博客

原创 利用docker技术基于paddle镜像的二次开发

说到docker想必大家一定不陌生，docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何Linux 机器上，也可以实现虚拟化。docker就像船搬运货物时，需要先拆了再装上。假如能把一切的东西都放到一个集装箱里，就只用搬运箱子不用搬运货物，大幅度的省时省力。关于dokcer有什么优势了？（以下只是一部分）1.高效利用系统资源d...

原创 spark mllib库 进行电影聚类分析（Scala语言）

实验镜像：下载链接：https://pan.baidu.com/s/15Fc1L3iJEcbXo7SVW9mTfg提取密码：iaom用户名：c205，密码：一个空格root密码:一个空格Spark 机器学习库简介Spark 机器学习库提供了常用机器学习算法的实现，包括聚类，分类，回归，协同过滤，维度缩减等。使用 Spark 机器学习库来做机器学习工作，可以说是非常的简单，通...

原创 C++使用Sanp7 实现西门子s7通信

使用Snap7库可以实现与西门子S7系列PLC的通信。以下是一个基本的C++示例，演示如何使用Snap7库来连接西门子S7 PLC并读取和写入数据。

原创 使用opencv在图像上画带刻度线的对角线，以图像中心点为0点

使用OpenCV在图像上绘制带刻度线的对角线，可以通过以下步骤实现。我们将首先找到图像的中心点，然后绘制对角线线，并在这些线的适当位置绘制刻度线。

原创 使用opencv在图像上画带刻度线的十字线，以图像中心点为0点

使用OpenCV在图像上绘制带刻度线的十字线，可以通过以下步骤实现。我们将首先找到图像的中心点，然后绘制水平和垂直线，并在这些线的适当位置绘制刻度线。

原创 Qt:QtFileDialog打开文件选择对话框选择文件

类来打开文件选择对话框，让用户选择文件。以下是一个简单的示例，演示如何使用。打开文件选择对话框并获取用户选择的文件路径。在Qt中，你可以使用。

原创 使用C++版本的opencv dnn 部署onnx模型

使用OpenCV的DNN模块在C++中部署ONNX模型涉及几个步骤，包括加载模型、预处理输入数据、进行推理以及处理输出。构建了yolo类，方便调用

原创 QT部署程序的三种方式

在使用Qt开发应用程序后，部署是一个关键步骤。

原创 opencv C++生成随机颜色

使用C++的opencv生成随机颜色的代码。

原创 C++ opencv 图像处理常用的SDK接口函数

【代码】C++ opencv 图像处理常用的SDK接口函数。

原创 ubuntu18 编译ROS代码 报“cxx_attribute_deprecated”is not know to CXX compiler

1：先检查一下 编写的CMakeList.txt的文件中，所包含、链接的文件和库是否都存在且引用正确（仔细的查看了一下，都是正确的）2：查看一下cmake的版本，可能是cnake版本过低造成的（升级cmake版本后，居然成功了）查看安装后的cmake版本（显示3.25.2）安装最新版本的cmake（使用ppa安装）然后使用apt 安装cmake。（显示的为3.10.2）居然奇迹的编译过了~然后在编译ROS代码。

原创 ROS下载Gazebo模型到本地

创建gazebo目录。进入models目录。

原创 ubuntu 下载地址（国内镜像源比较快）

官方下载地址中科大源南京大学上海交通大学清华大学阿里云开源镜像站浙江大学不知名镜像网站各个版本下载网址：

原创 图像多目标跟踪

目标跟踪所要做的是根据传感器量测序列确定真实目标的数量以及每个目标的对应状态（位置、速度、航向等）多目标跟踪常用的两个算法为：卡尔曼滤波和匈牙利匹配两个算法匈牙利匹配算法用于匹配前后帧目标，因为目标检测器的不稳定（垃圾）往往容易丢失目标或目标框的位置偏移，影像匈牙利匹配的结果。卡尔曼滤波可以基于t时刻的历史状态信息（目标框的位置x,y,w,h）预计t+1时刻的状态信息，出现丢失目标的时候，比匹配丢失前一帧目标位置，目标的运动轨迹要平滑的多，也不会存在匹配不到目标的情况。

原创 目标识别模型两种部署形态图

在日常工业、车载等需求环境下，需要在嵌入式移动端的软件系统中调用该模型文件进行推断测试，软件系统追求性能经常使用C/C++进行编码实现，而目标检测模型训练经常使用python的pytorch、TensorFlow框架，我们需要在嵌入式软件系统中使用该模型，需要用C /C++编写一条模型部署工具链。三、下面介绍两种部署形式：①在纯CPU下面调用该模型（可以在自己win、Linux电脑上玩一下），②在nvidia NX/TX2 下面部署该模型（需要提前买一块）。

原创 多目标关联（分配）最近邻法

最近邻数据关联：适用于两帧图片的中多目标位置关联，目标轨迹与新目标之间的关联、固定位置下的动目标跟踪关联等问题

原创 强化学习QLearning 进行迷宫游戏和代码

(temporal-difference learning, TD learning)：指从采样得到的不完整的状态序列学习，该方法通过合理的 bootstrapping，先估计某状态在该状态序列(episode)完整后可能得到的 return，并在此基础上利用累进更新平均值的方法得到该状态的价值，再通过不断的采样来持续更新这个价值。（1）环境的状态s，状态是对环境的描述，正如机器人在迷宫中的位置，也就是t时刻环境的状态st，体现为环境状态集中的某一个状态，在智能体做出动作后，状态会发生变化；

原创 win10+vs2019 读取las格式点云

【代码】win10+vs2019 读取las格式点云。

原创 用flask部署yolov3服务并进行识别

上图说明flask server 端已经正常运行了，下面进行测试端的代码编写。flask 服务器端代码flask_server.py。

原创 深度学习目标检测数据处理流程

原创 对darknet框架训练出的模型进行加密，并使用opencv dnn调用加密模型demo-python

为了防止深度学习出来的模型被其他人随便使用部署，研究了一下使用darknet 训练出来的yolov4模型进行加密，然后在线解密后，使用opencv的dnn模块读取模型进行在线推断，为有相关工作的开发者提供一个思路。

原创 图片加密和解密demo-python

【代码】图片加密和解密demo-python。

原创 Ubuntu18.04安装ROS Melodic

下面开始安装ROS，推荐安装桌面完整版，这样就可以将ROS、rqt、rviz、机器人通用库、2D/3D仿真器、导航、2D/3D感知等功能一次性安装完成。至于如何通过ROS源代码学习ROS的更多实现细节，可以在Ubuntu 18.04 LTS下通过安装oepngrok进行浏览，笔者打算在下一篇文章中介绍。开始使用ROS之前，还需要安装rosdep，rosdep是ROS一些核心组件的运行基础，会在编译ROS源码时检查和安装程序包依赖。加快ROS的安装速度，使用提国内的安装源，添加国内的安装源示例代码如下。

原创 ubuntu 操作系统常用的软件清单

(C、python、C++、中文)ubuntu(操作系统)Xmind(思维导图)Shutter(截屏)18.04STL以上。10.X和9.2版本。MELD(对比软件)

原创 COCO数据集格式介绍

接着我们来看images这一项，这是个列表，列表中的每个元素是如下格式的对象，它指的其实就是一张图片的信息，包括图片的license、文件名、链接地址、宽高、捕获日期、网络链接、图片id这些信息，其中filename、height、width和id是必须的，所以在构建自己的数据集时保证有这四项就行了。首先，和VOC不同的是，COCO整个训练集的标注都在一个文件内，json文件可以理解为键值对的格式，所以这边看最外层可以发现，整个标注其实由下面5个部分组成，每个部分又是新的键值对。是分割级别标注，根据。

原创 VOC数据格式介绍

所以，如果要制作xml标注的自定义VOC格式的数据集，只需要构建三个文件夹，分别是JPEGImages用于存放所有原始图像、Annotations存放所有的和原始图像名称一一对应的xml标注文件和ImageSets/Main，其中存放train.txt、val.txt和test.txt等用来进行数据集划分，这些txt文件可以手动划分好，也可以使用代码随机划分，需要注意的是txt文件内容一行为一个不加拓展名的文件名即可。目录下放的是所有的图片，这里只是叫这个名字，可以是非JPG格式的图片，而。

原创 VS2019+cmake编译opencv4.4.0

1）打开CMake，设置好OpenCV本体源码所在路径，以及存放生成的工程的目标路径。

原创 虚拟机知识点

虚拟机知识点

原创 ubuntu16.04 常用软件配置命令小结

离线下载deb包sudo apt-get -y install 《包名》sudo apt-get -d install《包名》下载deb包的地址为 /var/cache/apt/archives/1、安装搜狗拼音输入法sudo apt install fcitxsudo dpkg -i sogoupinyin_2.4.0.3469_amd64.debsudo apt --fix-broken installreboot2、安装其他软件：sudo apt-get install ...

原创 NANO开发套件SD卡烧录介绍

NANO开发套件SD卡烧录介绍 ① microSD卡插槽用于主存储② 40针扩展接头③ 微型USB端口，用于5V电源输入或用于数据④ 千兆以太网端口⑤ USB 3.0端口（x4）⑥ HDMI输出端口⑦ DisplayPort连接器⑧ DC Barrel插孔，用于5V电源输入⑨ M...

原创 MP4视频转jpg图片

import cv2vc = cv2.VideoCapture("C:\\Users\\keying\\Desktop\\*.MP4")c = 1if vc.isOpened(): rval, frame = vc.read()else: rval = Falsewhile rval: rval, frame = vc.read() cv2.imwrite('C:\\Users\\keying\\Desktop\\img\\2\\' + str(c) + '.jp...

原创 Matlab工具箱标定

相机标定步骤：1、打印一张棋盘格，把它贴在一个平面上，作为标定物。2、通过调整标定物或摄像机的方向，为标定物拍摄一些不同方向的照片。3、从照片中提取棋盘格角点。4、估算理想无畸变的情况下，五个内参和六个外参。5、应用最小二乘法估算实际存在径向畸变下的畸变系数matlab标定（1）打开matlab，在app中找到 camera Calibrator,（2）加入标定板拍摄图片(3)输入棋盘格每格的尺寸大小,（本机使用A4纸打印的，是25mm）(4)显示已检测出的棋盘格

原创 conda /pip install 报了一堆错

(xml) C:\Users\keying\Desktop\yolov5-master\yolov5-master>conda install torchCollecting package metadata (current_repodata.json): failed# >>>>>>>>>>>>>>>>>>>>>> ERROR REPORT <<&l

原创 Ubuntu18.04下安装anaconda3

一.anaconda的下载Ubuntu18.04的python版本是3.6.7，所以考虑安装anaconda的3.6版本现在anaconda官网（https://www.anaconda.com/distribution/）的版本是3.7，没有以前的版本 使用清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载Anaconda3-5.2.0-Linux-x86_64.sh，就是Ubuntu18.04的python3.6.8对应的a

原创 Ubuntu18.04安装ROS Melodic

1.设置安装源为了安装ROS Melodic，首先需要在Ubuntu 18.04 LTS上添加安装源到source.list，方法如下sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'加快ROS的安装速度，使用提国内的安装源，添加国内的安装源示例代码如下中国科学技术大学：sudo sh

原创 win install opencv

1，首先下载安装板与安装所需要的dll文件。下载链接：链接: https://pan.baidu.com/s/1wgwdpSdhggA6e5gIh00cOA提取码: 4j7k下载后我们解压这个文件：OpenCV+dll，会出现两个文件四个文件2，我们在D盘新建一个名字为opencv3.4的文件夹，将那个opencv-3.4.1_vc15.exe文件拷贝进去，然后双击这个exe文件，进行解压安装等待解压解压完成后出现一个opencv的文件夹，这个就是我们需要的库文件

原创 2.4BN与神经网络调优

2.4.1神经网络调优我们经常会涉及到参数的调优，也称之为超参数调优。目前我们从第二部分中讲过的超参数有算法层面： 学习率α β1,β2,ϵ:Adam优化算法的超参数，常设为0.9、0.999、 λ：正则化网络参数， 网络层面： hiddenunits：各隐藏层神经元个数 layers：神经网络层数 2.4.1.1调参技巧对于调参，通常采用跟机器学习中网格搜索...

原创 2.3深度学习正则化

2.3.1偏差与方差2.3.1.1数据集划分首先我们对机器学习当中涉及到的数据集划分进行一个简单的复习训练集（trainset）：用训练集对算法或模型进行训练过程； 验证集（developmentset）：利用验证集（又称为简单交叉验证集，hold-outcrossvalidationset）进行交叉验证，选择出最好的模型； 测试集（testset）：最后利用测试集对模型进行测试，...

原创 2.2梯度下降算法改进

深度学习难以在大数据领域发挥最大效果的一个原因是，在巨大的数据集基础上进行训练速度很慢。而优化算法能够帮助我们快速训练模型，提高计算效率。接下来我么就去看有哪些方法能够解决我们刚才遇到的问题或者类似的问题2.2.1优化遇到的问题梯度消失 局部最优2.2.1.1梯度消失在梯度函数上出现的以指数级递增或者递减的情况分别称为梯度爆炸或者梯度消失。假设对于目标输出有：对于的值大于1...

原创 案例：Mnist手写数字识别神经网络实现

2.1.3.1数据集介绍文件说明：train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes) train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes) t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes) t10k...