OngoingDC-CSDN博客

def non_max_suppression(prediction, conf_thres=0.25, iou_thres=0.45, classes=None, agnostic=False, multi_label=False, labels=()): """Runs Non-Maximum Suppression (NMS) on inference results Returns: list of detectio

2021-11-08 21:18:26 3718 2

原创 PyCharm无法正常输入中文

ubuntu 18.04 中 PyCharm 当全拼输入2~3个汉字时，会被强行打断，然后就无法继续输入(也无法切换中英文)，并且汉字下会有下划线。点击菜单 “Help | Edit Custom VM options…”添加 -Drecreate.x11.input.method=true 到最后一行重启编辑器...

2021-11-05 15:42:42 1706 8

原创 A single-shot multi-level feature reused neural network for object detection（阅读笔记）

概述本文提出一种新颖的轻量化框架——多级特征重用检测器（multi-level feature reused detector——MFRDet）。该框架的检测精度优于两阶段系列框架。该框架可以向单阶段系列框架一样保持相当高的效率，但是不用使用非常深的卷积神经网络。该框架适用于深层和浅层特征图中的信息重用，在不影响检测器速度的前提下，提高了检测精度。背景知识In pursuit of higher precision, there are usually two strategies: On

2021-10-08 19:58:11 516 1

原创单例设计模式

什么是 Singleton？Singleton：在 Java 中即指单例设计模式，它是软件开发中最常用的设计模式之一单：唯一例：实例单例设计模式，即某个类在整个系统中只能有一个实例对象可被获取和使用的代码模式。例如：代表 JVM 运行环境的 Runtime 类要点某个类只能有一个实例实现方式：构造器私有化必须自行创建这个实例实现方式：含有一个该类的静态变量来保存这个唯一的实例必须自行向整个系统提供这个实例实现方法：对外提供获取该实例对象的方式直接暴露用静态变量的 get

2021-08-13 21:02:24 96

转载 Java——位运算实现加减乘除

转载于：https://www.cnblogs.com/zsh-blogs/p/10382219.html位运算参考博客：https://blog.csdn.net/xiaochunyong/article/details/77487131 加法a+b举例实现：13+9=2213+9不考虑进位，结果为1213+9只考虑进位，结果为1012+10和刚好是2213二进制为1101，9二进制为1001不考虑进位结果为0100，算式为a^b只考虑进位结果为10010，算式为(a&.

2021-05-08 10:40:18 402

原创 c#——Word表格中插入头像

1. 前言对于使用C#在Word中插入表格并编辑内容这类需求，我使用的Microsoft.Office.Interop.Word现在有一个需求是在word中插入一个表格，表格中有头像，然后在头像这个位置插入人员的头像信息。我没有选择使用工具类动态生成表格，而是实现新建一个word模板，然后在其中填充内容，因为我的模板是固定的，无需动态生成。模板如下图，红色实线表示头像需要插入的位置。2. 方法首先编辑模板，在头像位置插入一个矩形调整矩形样式、填充和边框到你觉得合适为止。我的调整

2021-04-18 17:34:03 881

原创 Java——线程

1. 线程概述进程：进程就是在操作系统中运行的程序线程：线程就是进程的一个执行单元, 或者一条执行路径主线程： JVM启动主线程，主线程运行main方法用户线程：用户开启新的线程，也称子线程守护线程：守护线程是为其他线程提供服务的线程,也叫后台线程. JVM中垃圾回收器就是一个守护线程。守护线程不能单独运行, 当JVM中只有守护线程时, JVM会退出。启动迅雷应用程序，就是打开一个进程，在该软件中可以同时下载多部电影，每部电影的下载就是一个线程。对于Java程序来说，当在DOS命令

2021-04-11 10:39:39 215

原创 java——集合

MapJava11中文版API参考——Map介绍Map和Collection没有继承关系Map集合以key和value的方式存储数据：键值对key和value都是引用类型的数据key不可以重复，通过指定的key就可以取出对应的value常用方法V put(K key, V value)：向Map集合中添加键值对package com.collection;import java.util.HashMap;import java.util.Map;public class

2021-03-30 19:19:05 99

原创 c#中Access数据库的字符串日期大小比较

在Access数据库中，将时间存储为字符串类型，如何比较大小？示例：sql1 = string.Format("select * from 备份表 where 一卡通=\"{0}\" and 任现职时间<=#{1}#", textBox1.Text, dateTimePicker1.Text);重点：任现职时间<=#{1}#...

2021-03-29 11:23:17 678

原创 Visio2019中插入公式、乱码

首先打开Word输入想要插入的公式，如图复制Word中的公式，打开Visio，右键，选择性粘贴，图片（增强型图元文件），如图此时发现粘贴的公式为乱码，如图选中刚刚粘贴的公式，剪切，再次选择性粘贴，选择Microsoft Visio绘图，如图大功告成...

2021-03-15 21:37:24 5403 7

原创 Java——static关键字

参考Java中的static关键字解析1 static关键字static方法就是没有this的方法。在static方法内部不能调用非静态方法，在非静态方法中可以调用static方法。而且可以在没有创建任何对象的前提下，仅仅通过类本身来调用static方法。这说明了：被static关键字修饰的方法或者变量不需要依赖于对象来进行访问，只要类被加载了，就可以通过类名去进行访问。static可以用来修饰类的成员方法、类的成员变量，另外可以编写static代码块来优化程序性能。1.1 static方法

2021-02-09 21:24:21 147

原创吴恩达——神经网络和深度学习——笔记

1 神经网络基础1.1 二分分类logistic回归是一个用于二分分类的算法在二分分类问题中，目标是训练出一个分类器识别图片中的猫，输出1表示是猫，输出0表示不是猫。计算机保存一张图片，要保存三个独立矩阵，分别对应图中的红绿蓝三个颜色通道。假设图片是64x64像素的，就有3个64x64的矩阵，分别对应图中红绿蓝三个像素的亮度。要将这些像素亮度值放入一个特征向量中，就要把这些像素值提取出来，放入一个特征向量x，如上图表示的那样。将所有像素放在一列中，所以他的维度就是64x64x3。用n或者

2021-01-13 15:14:06 297

原创 Java构造方法

1 什么是构造方法？构造方法又被称为构造函数/构造器/Constructor构造方法语法结构：【修饰符列表】构造方法名(形式参数列表){ 构造方法体;}普通方法语法结构：【修饰符列表】返回值类型方法名(形式参数列表){ 方法体;}构造方法的方法名必须和类名保持一致当一个类中没有定义任何构造方法的话，系统默认给该类提供一个无参数的构造方法，这个构造方法被称为缺省构造器。建议开发中手动的为当前类提供无参数构造方法，因为无参数构造方法太常用了pulic cla

2021-01-06 11:06:47 182

原创 JVM内存分析

以下内容来源博客：一文搞懂JVM内存结构1 运行时数据区Java 虚拟机在执行 Java 程序的过程中会把它管理的内存划分为若干个不同的数据区域。每个区域都有各自的作用。分析 JVM 内存结构，主要就是分析 JVM 运行时数据存储区域。JVM 的运行时数据区主要包括：堆栈方法区程序计数器而 JVM 的优化问题主要在线程共享的数据区中：堆方法区1.1 程序计数器程序计数器（Program Counter Register）是一块较小的内存空间，可以看作是当前线程所执行字.

2020-12-30 18:28:07 1125

原创 Java基本数据类型

整数型字面值初始时会被当作int类型，占用四个字节。例子分析：int i = 123123这个整数型字面值是int类型i变量声明的时候也是int类型int类型的123赋值给int类型的变量i，之间不存在类型转换long j = 456456这个整数型字面值初始时会被当做int类型，占用4个字节j变量声明的时候是long类型，占用8个字节int类型的字面值456赋值给long类型的变量j，之间存在类型转换int是小容量，long是大容量，小容量可以自动转换成大容量，称之为自动类型

2020-12-08 20:23:25 151

转载原码，补码和反码

1、机器数与真值在学习原码，反码和补码之前，需要先了解机器数和真值的概念。1.1、机器数一个数在计算机中的二进制表示形式，叫做这个数的机器数机器数是有符号的，在计算机用机器数的最高位存放符号，正数为0，负数为1例子：十进制中的数3 ，计算机字长为8位，转换成二进制就是00000011。如果是 -3 ，就是 10000011 。这里的 00000011 和 10000011 就是机器数。1.2、真值真值是机器数的真值机器数第一位是符号位，因此机器数的形式值就不等于真值

2020-12-07 18:51:06 445

原创改进 YOLO V3 的集中器故障识别(阅读笔记)

1、背景待识别目标大小差异较大个别目标非常相似,因此要求算法能够准确定位各种不同尺度目标的位置,同时区分相似目标的类型。2、YOLOv3存在的问题YOLOv3 的 anchor 是基于 K-Means 对数据集聚类得到,存在以下两个问题:大部分的 anchor 都分布在背景区域,这些 anchor 对检测没有任何作用;个别检测目标宽高比极大,而个别目标宽高比又非常小 ,预先定义好的 anchor 无法满足这些宽高比差异较大的情况。3、改进3.1、改进1：基于优化的 anchor

2020-12-06 19:37:47 295

原创显著性背景感知的多尺度红外行人检测方法（阅读笔记）

1、本文总览该文提出一种具备背景感知能力的多尺度红外行人检测方法,在提高小目标检测性能的同时,减少冗余计算。首先,构建了4尺度的特征金字塔网络分别独立预测目标,补充高分辨率细节特征。其次,在特征金字塔结构的横向连接中融入注意力模块,产生显著性特征,抑制不相关区域的特征响应、突出图像局部目标特征。最后,在显著性系数的基础上构建了锚框掩膜生成子网络,约束锚框位置,排除平坦背景,提高处理效率。实验结果表明：显著性生成子网络仅增加5.94%的处理时间,具备轻量特性;超大视场(U-FOV)红外行人

2020-12-06 19:37:28 753

翻译 Aggregated Residual Transformations for Deep Neural Networks【ResNeXt翻译】

论文链接代码链接（Pytorch）介绍图1图1图1本文提出一种简单的体系结构，这个结构采用VGG和ResNet使用的层堆叠策略，同时以一种简单、可扩展的方式利用拆分-转换-合并的策略。我们网络中的一个模块执行一组转换，每个转换都在低维嵌入中进行，其输出通过求和进行聚合。我们追求该想法的简单实现——要聚合的转换都是相同的拓扑（如图1右边所示）。这种设计允许我们扩展到任何大量的转换，而不需要专门去设计。在这种简化的情况下，我们的模型还有另外两种等效形式(图3)。图3(b)中的重构看起来类似于In.

2020-11-26 13:15:27 389

原创 pip换源

操作系统：win101、常用源下面是一些国内常用镜像：阿里云 http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban) http://pypi.douban.com/simple/清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/si.

2020-11-17 11:09:35 160

原创 MySQL 8+ 忘记密码

在MySQL安装目录下，打开my.ini文件，在[mysqld]下添加两行

2020-11-14 15:59:51 119

原创 PyTorch-YOLOv3(eriklindernoren)训练教程

笔记教程，方便自己回忆系统：Ubuntu 18.041、准备工作1.1、克隆项目为了防止文件夹混乱，自己在主目录下cd ~创建一个文件夹mkdir YOLOv3，专门用于存放关于YOLOv3的一些工作。进入YOLOv3cd YOLOv3克隆git clone https://github.com/eriklindernoren/PyTorch-YOLOv31.2、安装模块创建虚拟环境conda create -n yolov3-pytorch python=3.6，之前安装的虚拟.

2020-11-12 12:32:38 4054 27

原创 yolov3-pytorch(ultralytics)训练数据

笔记教程，方便自己回忆系统：Ubuntu 18.041、准备工作1.1、克隆项目为了防止文件夹混乱，自己在主目录下cd ~创建一个文件夹mkdir YOLOv3，专门用于存放关于YOLOv3的一些工作。进入YOLOv3cd YOLOv3克隆git clone git@github.com:ultralytics/yolov3.git1.2、安装模块创建虚拟环境conda create -n yolov3-pytorch python=3.8，python版本最好3.8或者以上激.

2020-11-12 12:32:03 3648 5

原创 Django项目在服务器上的部署教程——CentOS7

服务器：CentOS 7数据库：MySQL 8.0项目框架：Django 2.2 + Vue + ElementUI注明：这是我在校期间做的学校的一个项目，部署到服务器是学校分配的CentOS 7,使用堡垒机登录，纯命令行操作，所以这里没有图形界面操作，做这篇教程是方便自己回忆，不一定适用于所有开发者。文件上传后台管理代码在本地将代码文件打包成zip格式或者其他格式到压缩包，并上传服务器到/data/wwwroot/目录下zip -r B.zip B # 压缩命令解压，使用命令.

2020-10-29 20:21:30 1417 2

翻译 EfficientDet:可扩展的高效目标检测

文章目录1、摘要2、介绍3、相关工作4、BiFPN1、摘要本文主要研究如何提高模型的效率，并提出了EfficientDet新的目标检测器。首先，我们提出了一种 weighted bi-directional feature pyramid network (加权双向特征金字塔网络——BiFPN)，它可以方便、快速地进行多尺度特征融合；其次，我们提出了一种 compound scaling method（复合缩放方法），可以同时对所有主干、特征网络和盒/类预测网络的分辨率、深度和宽度进行统一缩放。其

2020-10-15 16:09:43 859

原创 Ubuntu18.04——深度学习环境配置

操作系统：Ubuntu18.04显卡：RTX2070注：本教程仅仅是我做笔记方便回忆，不一定适用于所有人cuda安装run方式安装打开网站，链接，获取包。禁用 nouveau终端中运行： lsmod | grep nouveau，如果有输出则代表nouveau正在加载。因为我早就安装了NVIDIA的显卡驱动，禁用了nouveau，所以没有输出。cuda的卸载之前安装的cuda11.1不能使用Pytorch，于是想卸载当前版本的cuda，网上的教程都是执行cuda目录下的脚本，但.

2020-10-13 18:20:41 440

原创 Linux虚拟环境操作

操作系统：Ubuntu18.041、安装虚拟环境下载相关模块sudo apt install virtualenv # 安装virtualsudo apt install virtualenvwrapper # 安装virtual扩展包获取virtualenvwrapper.sh路径whereis virtualenvwrapper.sh 创建目录来存放虚拟环境mkdir $HOME/.virtualenvs打开~/.bashrc文件sudo gedit ~/.

2020-10-12 20:34:24 740

翻译 YOLO v4学习笔记

文章目录1、概述2、Bag of freebies1、概述论文链接点我有一些可以提高卷积神经网络准确率的特征仅适用于某一类模型、某些问题或者小规模的数据集；然而某些特征（比如批归一化和残差链接）适用于大多数模型、任务或是数据集。我们假设这些通用的特征包括：加权残差连接（Weighted−Residual−ConnectionsWeighted-Residual-ConnectionsWeighted−Residual−Connections）(WRCWRCWRC)跨阶段部分连接(Cross−S

2020-09-27 21:34:00 681

原创 yolo v3学习笔记

目录1、基本网络2、YOLO V3网络结构参考1、基本网络YOLO V3采用了名为Darknet-53的网络结构(如上图)，之所以是53，是因为含有53个卷积层，最后的Connected是全连接层也是卷积层。按照下图计算层数：(2+1∗2+1+2∗2+1+8∗2+1+8∗2+1+4∗2+1)=53(2+1*2+1+2*2+1+8*2+1+8*2+1+4*2+1)=53(2+1∗2+1+2∗2+1+8∗2+1+8∗2+1+4∗2+1)=53。每个卷积层后面都会跟一个BN层和一个LeakyReLU层。卷

2020-09-23 16:24:57 410

原创目标检测知识总结

卷积神经网络中的特征图（feature map）在每个卷积层，数据都是以三维形式存在的。你可以把它看成多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层中每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map。　　feature map（下图红线标出）即：该层卷积核的个数，有多少个卷积

2020-09-23 10:04:26 988 1

qq_32244493的博客

原创 Typora使用

原创 YOLOv5——NMS