qq_27353621的博客

pix2pix（二）训练图像尺寸及分配显卡

pytorch深度学习一机多显卡训练设置，流程

深度学习——制作自己的VOC图像分割数据集

Python修改json中元素的值

MedCalc软件制作ROC曲线

Python绘制ROC曲线和PR曲线

查看pt文件内容

打开.ipynb

SCI论文写作

基于自学习的机器人决策系统

PNN神经网络

YOLOV5转EXE

Not All Points Are Equal Learning Highly Efficient Point-based Detectors for 3D LiDAR Point

替换魔性的backbone

注意力机制

YOLOV5-Shufflenetv2

YOLOv5添加注意力机制

Pointnet++改进

Pytorch学习

YOLOv5s-ShuffleNetV2

改进的pointnet++

labelImg是深度学习最常用的标注工具之一，下面讲解安装方法！一、下载windows免安装版本进入下载地址：https://github.com/tzutalin/labelImg/releases，选择windows_v1.8.1.zip，下载并解压，直接双击exe文件即可打开。二、源码安装1.、下载预编译二进制文件下载地址：https://github.com/tzutalin/labelImg/releases，选择windows下易于解压的zip文件。2、安装labelImg推荐在

PyTorch学习

PyTorch学习

MT-yolov6训练及测试

PointNet/Pointnet++训练及测试

Pointnet++学习

Pointnet C++部署

YOLOV5 C++ GPU部署

基于深度学习的物体检测概述

1数据集简介ShpaeNet是点云中一个比较常见的数据集，它能够完成部件分割任务，即部件知道这个点云数据大的分割，还要将它的小部件进行分割。它总共包括十六个大的类别，每个大的类别有可以分成若干个小类别（例如，飞机可以分成机翼，身体等小类别），总共有五十个小类别。下面可视化一下，经过采样和上色后它长什么样子：可以发现，它不仅将桌子和椅子进行了分割，还对它的桌子腿等小部件也分割为不同的颜色。2.数据集结构下载好数据集之后，数据集就是这样，其中，数字文件夹里面放的都是每个大类的点云数据。例如，第一个

Emerging 3D Applications3D应用很多，比如自动驾驶AR3D Representations三维数据的深度学习和二维有不一样的地方，最大的不一样就是由三维数据的复杂性带来的，不像图像可以很精准的表示为二维矩阵：RGB。三维数据有很多种的表达形式，不同的表达形式有不同的应用驱动。如下下边四种表达形式：第一种是点云，opint cloud，是一组点的集合，可以由深度传感器扫描得到的深度数据。第二种为Mesh，可以由三角面片组成，在计算机图形学中有很多应用，是一种适合做建模、

1、argparse 是python自带的命令行参数解析包，可以用来方便地读取命令行参数。2、import os 是导入标准库osos就是提供了一些方便使用操作系统相关功能的函数。3、import logging很多程序都有记录日志的需求，并且日志中包含的信息既有正常的程序访问日志，还可能有错误、警告等信息输出，python的logging模块提供了标准的日志接口，你可以通过它存储各种格式的日志，主要用于输出运行日志，可以设置输出日志的等级、日志保存路径、日志文件回滚等；为什么不用print打印输

近年来，弱监督目标检测在目标识别中占有重要地位。基于深度学习的弱监督检测器已经取得了许多有前景的结果。然而，与完全监督检测相比，以弱监督方式训练基于深层网络的检测器更具挑战性。这里，我们将弱监督检测表述为多实例学习问题，其中实例分类器(对象检测器)作为隐藏节点被放入网络。我们提出了一种新的在线实例分类器精炼（OICR）算法，将MIL和实例分类器精炼过程集成到一个单一的深度网络中，并且在只有图像级监督(即没有物体位置信息)的情况下端到端地训练网络。更准确地说，从弱监督中推断出的实例标签被传播到它们的空间重叠

批量处理txt文件import numpy as npf_path=r'C:\Users\Admin\Desktop\shapenetcore_partanno_segmentation_benchmark_v0_normal_new\00000001\10.txt'with open(f_path) as f: contents=f.read()'''print(contents)'''print(type(contents))a = contents.split()'''print

1、运行show3d_ball出错2、在运行PointNet的可视化程序时，作者只提供了linux平台下的动态链接库程序源码,自己的windows平台下无法调用。发现是动态链接库的文件格式不对，遂学习如何将.so文件转换成.dll文件（PS：前提是你有文件的.cpp源码）3、第一步新建C++动态链接库项目那现在我们的目的就很明显了，把cpp生成dll库，再用python调用这个库。在vs2019中，点击新建动态链接库（DLL）创建完成之后，得到这四个文件：pch.h 是写对外调用接口的地方，

论文地址：https://arxiv.org/pdf/1611.09224.pdf代码地址：https://github.com/martin-danelljan/ECOECO:（Efficient Convolution Operators for Tracking）是CVPR2017的一篇基于相关滤波的文章，本文主要对其matlab版本配置运行进行介绍，并简要分析其跟踪原理，分享自己的一些心得。运行软件：MATLAB 2016a以上版本Visual stdio 2015以上版本MinGW-

一、基本配置我们安装好PyCharm后，首先要进行一些小配置，比如主题，字体，字体颜色等。我们打开PyCharm后，点开file，找到Setting然后就会跳出Setting的窗口可以说PyCharm的各种配置都需要在这里配置，现在我们进入Editor来对字体以及IDE主题进行更改。Editor->General->Font是设置字体及大小的Color Scheme->Python选项后我们就可以设置Python的主题接着我们要去更换python解释器，刚下载的Py.

1.软件的安装    (1)下载后随便你解压到那个文件夹下(软件github地址)    github链接    (2)在终端中运行：curl https://install.meteor.com/ | shcd semantic-segmentation-editor-mastermeteor npm installmeteor npm start #安装好后，以后每次运行，只需执行该命令（必须移动到软件文件夹下）启动完成后你的终端会如下显示，最后一行是一个网址，用浏览器打开就能进入软件

ModelNet40 中加入自己的数据集ModelNet40 ：http://modelnet.cs.princeton.edu/#含有40个内别的CAD三维模型，是评价点云深度学习模型进行语意分割、实例分割和分类的标准数据集代码功能：对自己的点云目标进行标准化融合到ModleNet40中主要步骤：中心化：将点云中心移动到坐标原点；尺度缩放：将所有点的坐标的绝对值限制在1以内；采样：将点云采样到固定大小点数；输出保存文件的格式；#!/usr/bin/env python3# -*- co