逍遥阁

Tensorflow中训练Batchnorm层，训练时和推理时是不一样的，保存权重时要处理一下1，训练import tensorflow as tfimport osfrom tensorflow.examples.tutorials.mnist import input_datatf.logging.set_verbosity(tf.logging.INFO)if __name__ == '__main__': mnist = input_data.read_data_set

一，环境安装1. Create a conda virtual environment and then activate it.```shell scriptconda create -n nanodet python=3.8 -yconda activate nanodet```2. Install pytorch```shell scriptconda install pytorch torchvision cudatoolkit=11.0 -c pytorch```..

（一）SVN服务器搭建和使用Subversion是优秀的版本控制工具,其具体的的优点和详细介绍,这里就不再多说.首先来下载和搭建SVN服务器.现在Subversion已经迁移到apache网站上了,下载地址:http://subversion.apache.org/packages.html这是二进制文件包的下载地址,你可在左侧的导航栏找到源代码,文档的下载地址.windows操作系统下面的二进制文件包一共有5种,如图:个人认为最好用VisualSVN server 服务端.

滑动窗口与anchors生成是目标检测中常用的方法，下面使用python实现一下，做个笔记1，滑动窗口import cv2import numpy as npdef sliding_window(image, stepSize, windowSize): # slide a window across the image for y in range(0, image.shape[0], stepSize): for x in range(0, image.

Conda安装本地packageAnaconda安装目录结构今天使用Anaconda的过程中遇到一个问题，github上的一个项目需要一个旧版本的python的库在官方镜像中已经没有了，在清华源也找不到。(找不到的包大家可以先在下面两个网站里查找：Tsinghua Open Source Mirror​mirrors.tuna.tsinghua.edu.cnPackage repository for anaconda​anaconda.org找到之后就直接down下来了，下..

Ubuntu 18.04安装CUDA和cuDNN操作系统环境：Ubuntu 18.04 LTS1、安装N卡驱动首先我们需要添加源，sudo add-apt-repository ppa:graphics-drivers/ppasudo apt update然后检查可以安装的驱动版本，ubuntu-drivers devices选择最合适的版本安装即可，sudo apt install nvidia-driver-XXX最后，重启Ubuntu系统，输入nvid.

基于 MediaPipe 的手语接口现对开发者开放原创TensorFlowTensorFlow昨天收录于话题#MediaPipe4个客座博文，发布人：SignAll|MediaPipe 团队请注意，以下内容中体现的信息、用途及应用完全是 SignAll 客座作者的观点。SignAll SDK：使用 MediaPipe 的手语接口现对开发者开放当 Google发布第一个基于MediaPipe的设备端手部追踪技术时，它便成为...

人脸识别算法移植到K210硬件平台下载：Keras_insightface工程Git clone https://github.com/leondgarse/Keras_insightface 下载需要h5模型

ncc转换出错：NOT supported ONNX opcode: BatchNormalizationonnx模型优化——进行BN和卷积层的融合一、准备工作安装ONNXYou can then install ONNX from PyPi (Note: Set environment variableONNX_ML=1for onnx-ml):pip install onnxYou can also build and install ONNX locally ...

NVIDIA RTX A6000深度学习训练基准2021年1月4日在本文中，我们对RTX A6000的PyTorch和TensorFlow培训性能进行了基准测试。我们将其与Tesla A100，V100，RTX 2080 Ti，RTX 3090，RTX 3080，RTX 2080 Ti，Titan RTX，RTX 6000，RTX 8000，RTX 6000等进行了比较。RTX A6000亮点记忆体：48 GB GDDR6 PyTorch convnet ...

TensorFlow的RTX 2080 Ti深度学习基准-2020年在本文中，Lambda讨论了RTX 2080 Ti与其他GPU相比的深度学习性能。我们使用RTX 2080 Ti来训练ResNet-50，ResNet-152，Inception v3，Inception v4，VGG-16，AlexNet和SSD300。我们在训练每个网络时测量每秒处理的图像数。一些注意事项：我们使用TensorFlow 1.12 / CUDA 10.0.130 / cuDNN 7.4.1 单GP...

TensorFlow GPU基准测试 - 2080 Ti vs V100 vs 1080 Ti vs Titan VThe 2080 Ti GPUs pictured in aLambda Quad 2080 Ti deep learning workstation.这里对以下的目前五款最新最强的显卡进行对比：RTX 2080 Ti RTX 2080 GTX 1080 Ti Titan V Tesla V100基本结果分析截至2018年10月8日，NVIDIA RTX 2080.

1、安装依赖项sudo apt-get update sudo apt-get install git build-essential linux-libc-devsudo apt-get install cmake cmake-guisudo apt-get install libusb-1.0-0-dev libusb-dev libudev-devsudo apt-get install mpi-default-dev openmpi-bin openmpi-common sudo

为Ubuntu系统开启SSH服务，实现局域网内远程连接前期准备为主机安装好Ubuntu系统开启SSH服务在Ubuntu的命令行中，输入sudo apt-get install openssh-server此处可能会报错： 可能会找不到包，这个时候请换成国内源。 换源连接 可能会有依赖问题 执行代码sudo apt-get install openssh-client=1:6.6p1-2ubuntu1 这是因为自带的openssh-clien与所要安...

人脸检测使用avx,avx2指令加速实验算法使用CNN人脸检测方法，这里的人脸检测使用整形量化模型，使用avx加速比较明显，从20ms加速到3ms，avx512应该会更快一些，实验电脑不支持1，首先看一下非加速情况，电脑cpu:i76800k直接编辑CMakeLists.txtcmake_minimum_required(VERSION 2.6)project(test)SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++14 -O2 -D

嵌入式端人脸检测本文只要包括两个部分，一个是使用传统DLIB人脸检测；第二个是使用CNN的人脸检测，分别移植到嵌入式上运行一，使用DLIB人脸检测1，下载dlib源码进入目录，新建build目录2，使用CMAKE-GUI配置交叉编译工具3，生成静态库后，编写CMakeLists.txt文件#包含头文件INCLUDE_DIRECTORIES(/home/feng/work/dlib-19.20) #dlib根目录地址LINK_DIRECTORIES(/home/feng

编译嵌入式静态库本项目是利用insightface训练一个人脸识别模型，然后使用NPU 加速在嵌入式RV1109板子上运行。本此记录如何使用交叉编译工具编译一个动态库提供给软件调用。人脸识别算法依赖了DLIB，opencv库，编译过程需要链接这两个库的动态库。DLIB编译时直接生成了静态库，这样链接编译的可执行文件运行完全没有问题。但是编译成静态库时调用就会出问题，链接不到。所以舍弃dlib静态库，直接使用源码1，直接联合dlib源码编译找到/work/dlib-19.20/dlib/all

一，系统问题MBR传统bios+双硬盘（SSD固态硬盘+机械硬盘）第一种只能重装WIN10系统才能较好解决问题：MBR这种已经很老了，可能装系统时会装不上，不是MBR传统bios装不上，而是可能会遇到各种问题导致装不上，可以试一试，如果实在装不上，就像是我自己的电脑（神舟Z7M），当时我想的是既然MBR传统bios如此low,不如高级一点的的UEFI，那我的电脑明明配置挺好的，为何不用UEFI呢，所以解决方法就是给电脑先重装系统，装成UEFI的系统，然后用下面UEFI的方法装双系统。所以，出现这

此篇很长，然而看完此篇，安装双系统的坑才刚刚开始。。。。以下各种情况的安装方式汇总自博客：https://www.cnblogs.com/masbay/p/10745170.html看完应该可以解决最基本的问题，然而我装的两台电脑均不在此列，下篇汇总其他各种安装问题。一、先搞清楚自己电脑的类型：A MBR传统bios+单硬盘B MBR传统bios+双硬盘（SSD固态硬盘+机械硬盘）C UEFI新式bios+单硬盘D UEFI新式bios+双硬盘（SSD固态硬盘+...

前言原文地址：https://blog.csdn.net/weixin_39510813/article/details/78387334?fps=1&locationNum=7一般我们在安装虚拟机时都会选择默认的20G磁盘空间，但是一旦需要搭建一两个交叉编译环境后，20G的空间就无法满足了，我就是出现了这样的情况，所以也在这里建议大家，如果需要在虚拟机上搭建比较复杂的环境的话，一般给虚拟机50G的内存空间较合适。这里是我的Ubuntu系统下现在的空间大小：一旦达到97%左右，系

YOLOv5进行目标检测的"落地化"应用：安全帽佩戴检测该项目使用了YOLOv5s、YOLOv5m、YOLOv5l来训练安全帽佩戴检测数据集，代码和权重均已开源！安全帽佩戴检测数据集也是开源的（共含7581 张图像）！项目链接：https://github.com/PeterH0323/Smart_Construction数据集链接：https://github.com/njvisionpower/Safety-Helmet-Wearing-DatasetSmart_Construc

【python】Py程序发布——python环境移植，以及生成EXE程序（无环境依赖）一，python环境移植1.新建site-packages目录，进入到site-packages目录下；2.在site-packages目录下执行pip freeze >requirements.txt；3.查看requirements.txt，可以看到当前机器的python所有依赖包已生成列表4.在当前目录下执行pip download -rrequirements.txt,可以看到pip开始下

yolov3-tiny基于darknet2ncnn在安卓实现1、构建ncnn以及编译darknet2ncnn 参考：https://github.com/xiangweizeng/darknet2ncnngit clone https://gitee.com/damone/darknet2ncnn.gitcd darknet2ncnngit submodule initgit ...

https://blog.csdn.net/github_36326955/article/details/79910448keras在使用GPU的时候有个特点，就是默认全部占满显存。 这样如果有多个模型都需要使用GPU跑的话，那么限制是很大的，而且对于GPU也是一种浪费。因此在使用keras时需要有意识的设置运行时使用那块显卡，需要使用多少容量。这方面的设置一般有三种情况：1. 指定...

Android Bitmap 相关操作常见的几个操作：缩放，裁剪，旋转，偏移很多操作需要 Matrix 来支持；Matrix 通过矩阵来处理位图，计算出各个像素点的位置，从而把bitmap显示出来。matrix里有一个3x3的矩阵，用于图像处理：MSCALE_X MSKEW_X MTRANS_XMSKEW_Y MSCALE_Y MTRANS_YMPERSP_0...

Tensorflow同时加载使用多个模型在Tensorflow中，所有操作对象都包装到相应的Session中的，所以想要使用不同的模型就需要将这些模型加载到不同的Session中并在使用的时候申明是哪个Session，从而避免由于Session和想使用的模型不匹配导致的错误。而使用多个graph，就需要为每个graph使用不同的Session，但是每个graph也可以在多个Session中使用...

keras学习：实现f1_score(多分类、二分类)本文链接：https://blog.csdn.net/linxid/article/details/82861957首先容易谷歌到的两种方法:1.构造metrics这种方法适用于二分类，在模型训练的时候可以作为metrics使用。使用的是固定阈值0.5。from keras import backend as Kdef...

TF标准模型TensorFlow Mobile for Android本文链接：https://blog.csdn.net/leifengpeng/article/details/78754405在推出Tensorflow（一下简称TF）时同时推出了TensorFlow Mobile（手机版和标准电脑版有区别，一下简称TFM）对于移动设备上使用深度学习网络还是有相对的限制，主要是计算性能无...

“模块计算机类型“x64”与目标计算机类型“X86”冲突解决方案最近在编译一款开源软件的时候，遇到了“模块计算机类型“x64”与目标计算机类型“X86”冲突的问题，网上查了好多资料，都是配置“链接器-》高级-》目标计算机”和选择X64平台编译器，可是怎么试都不行，最后发现是“命令行”里依然是“X86”的问题，下面给出详细的解决步骤：1、“链接器-》高级-》目标计算机”设置为"Machine...

深度学习人体姿态估计算法综述https://www.infoq.cn/article/6Btg0-1crfmb7svRGa6H人体骨架是以图形形式对一个人的方位所进行的描述。本质上，骨架是一组坐标点，可以连接起来以描述该人的位姿。骨架中的每一个坐标点称为一个“部分（part）”（或关节、关键点）。两个部分之间的有效连接称为一个“对（pair）“（或肢体）。注意，不是所有的部分之间的两两连接...

Tensorflow编译android平台的so库和jar包原文链接：https://blog.csdn.net/zhangpengzp/article/details/86220384tensorflow自己编译so库和android jar包，遇到了一些困难，这里简单叙述下注意的问题和基本流程。环境：ubuntu16.04tensorflow1.5 下载地址：https://g...

图像分割常用的损失函数转自：https://blog.csdn.net/Biyoner/article/details/84728417本文主要介绍医学图像中常用的损失函数，包括cross entropy, generalized dice coefiicients, focal loss等。 一、cross entropy交叉熵 图像分割中最常用的损失...

转自：https://www.cnblogs.com/CSLaker/p/9277431.html一、介绍在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练图片未出现的类别（例如牛），这个模型便无法将牛识别出来，而ZSL就是为了解决这种问题。在ZSL中，...

Network In Network论文Network In Network(Min Lin, ICLR2014).传统CNN使用的线性滤波器是一种广义线性模型(Generalized linear model,GLM)。所以用CNN进行特征提取时，其实就隐含地假设了特征是线性可分的，可实际问题往往是难以线性可分的。CNN中通过堆加卷积过滤器来产生更高层的特征表示,作者想到了除了像之前一样...

opencv实战从0到N （18）opencv_contrib模块编译 与 surf匹配测试同步知乎：中庸opencv_contrib模块编译1，首先opencv官网github下载opencv3.3.1 和 opencv_contrib3.3.1的源码，将它们放在同一目录下（不放也行，哈哈）2，使用CMake选择原opencv源文件目录，选择build目录，选择配置，可能会有相关...

opencv实战从0到N （17）- 选择性搜索（selective search）同步知乎：中庸选择性搜索（selective search）在目标检测时，为了定位到目标的具体位置，通常会把图像分成许多子块（sub-regions / patches），然后把子块作为输入，送到目标识别的模型中。分子块的最直接方法叫滑动窗口法（sliding window approach）。滑动窗口...

opencv实战从0到N （16）- 分水岭算法分割（抠图）同步知乎：中庸1，概述：分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔...

opencv实战从0到N （15）- grabcut分割（抠图）同步知乎：中庸1.概述：GrabCut是一种基于图切割的图像分割方法。从围绕要分割的对象的用户指定的边界框开始，算法使用高斯混合模型估计目标对象和背景的颜色分布。这用于在像素标签上构建马尔可夫随机场，其具有优选具有相同标签的连接区域的能量函数，并且运行基于图切割的优化以推断它们的值。由于这个估计可能比边界框中的原始...

opencv实战从0到N （14）- 凸包算法 convexity defects同步个人知乎：中庸1，凸包算法(convex hull)凸包算法：其实很简单，就是用一个的凸多边形围住所有的点。就好像桌面上有许多图钉，用一根紧绷的橡皮筋将它们全部围起来一样。算法详细步骤：1. 找到所有点中纵坐标y最小的电，也就是这些点中最下面的点，记为p0。2. 然后计算其余点与该点的连线...

opencv实战从0到N （13）—— svm分类器训练同步个人知乎：中庸svm 分类器训练1，结合hog特征的svm分类器训练可以很好的对人体进行检测。HOG是一种梯度直方图特征，通过对图像分割成小的连通域区域，再对连通域区求梯度方向特征，由此特征构建的直方图来描述一副图像的特征。具体来说就是将梯度方向（0->360°）划分为9个区间，将图像化为16x16的若干个blo...

opencv实战从0到N （12）—— Lab颜色空间与显著性分析1，Lab空间：Lab色彩模型是由亮度(L)和有关色彩的a, b三个要素组成。L表示亮度(Luminosity)，a表示从洋红色至绿色的范围，b表示从黄色至蓝色的范围。L的值域由0到100，L=50时，就相当于50%的黑;a和b的值域都是由+127至-128，其中+127 a就是红色，渐渐过渡到-128 a的时候就变成绿...

opencv实战从0到N （11）—— 阈值化分割阈值化操作在图像处理中是一种常用的算法，opencv也有很多种不同的算法接口可以使用。1、直接阈值化——cv::threshold()阈值化操作的基本思想是，给定原图像和一个阈值，图像中每个元素与阈值之间的大小比较做出相应的二值操作。opencv3中支持这一操作的接口是cv::threshold()，具体调用方法如下：d...

头文件：#include<io.h>1，获取该目录下的文件名，可以是文件，也可是文件夹void getnames(std::string path, std::vector<std::string>& names){ //文件句柄 //long hFile = 0; //win7 intptr_t hFile = 0; //win10 ...

循环神经网络RNN3.1 RNN与LSTM介绍：循环神经网络中的神经单元类似于模拟数字电路技术中的门电路，具有很多控制门来控制输入输出。RNN结构:LSTM结构:相比与传统的神经网络，RNN在上一层输入的基础上加入了一个x（该时刻）的输入，但是并不能解决长时间依赖。LSTM设计加入了忘记门，输入门，输出门，除了此时的输出还有一个该时刻的转态值，并独立传出到下一层。...

卷积神经网络CNN2.1使用函数介绍：（1）tf.truncated_normal(shape, mean, stddev):shape表示生成张量的维度，mean是均值，stddev是标准差。这个函数产生正太分布，均值和标准差自己设定。这是一个截断的产生正太分布的函数，就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般的正太分布的产生随机数据比起来，这个函数产...

Tensorflow 回归与分类1.1 Tensorflow是什么？Tensorflow是谷歌公司推出的开源深度学习框架，利用它我们可以快速搭建深度学习模型。1.2 Tensorflow是什么样的框架？Tensorflow跟很多机器学习库类似，采用了“流图”方式，这样做的好处可以减小计算开销。一般情况下，python的数值计算库会将矩阵乘法之类的复杂计算传送到外部外部语言计算（更高...

opencv实战从0到N （10）—— adboost训练分类器Adboost级联分类器1，Adboost级联分类器可以用来训练一个目标检测器，级联分类器包括多个强分类器，每个强分类器又包含多个弱分类器，通过将非目标样本一层层的排除，保证了目标检测的准确性。2，如何利用Adboost训练目标检测器？opencv提供了训练的工具opencv_traincascade.exe。通过收集...

opencv实战从0到N （9）—— 霍夫变换，直线与圆检测霍夫线变换，圆变换1，霍夫线变换是检测直线的一种方法，主要方法是判断多个点通过了同一条直线，首先使用极坐标表述一个点可能通过的所有直线，则极坐标方程就是一条正弦曲线，通过比较多个点的正弦曲线知否交汇在同一点，即可判断它们是否通过同一条直线。2，霍夫圆变换同霍夫线变换类似，在极坐标中使用圆心和坐标来表述一个圆，得到描述...

opencv实战从0到N （8）—— 积分图求解求积分图及任意区域像素和1，积分图就是图像上一点（x,y）的左上面积之和，利用积分图可以对图像中的任意矩形区域，利用其四个点的积分值的加减运算即可求出此区域的像素之和，对于图像需要求和的特征可以加快运算速度，只需计算一次积分图，后续即可使用查询（结合加减运算）的方式获得特征值。2，函数：integral(image, imageI...

opencv实战从0到N （7）—— 模板匹配，形状匹配模板匹配，形状匹配1，区域像素值匹配利用模板图像像卷积一样遍历整幅图像，以某种比对方式(距离差之和，相关度等)计算相似度，在结果图像上寻找最大或最小值（方法不同有些值越大越相似，有些相反）作为匹配结果。函数：matchTemplate(src, templ, result, match_method)Mat Temp...

opencv实战从0到N （6）—— 直方图与均衡化直方图及均衡化1，直方图是求像素在各个数值上的统计数值，如0-255的图像，其灰度直方图即它各个数值出现次数的统计结果，可以用直方图的形式显示。函数：calcHist( &rgb[0], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumu...

opencv实战从0到N （5）—— 图像变换（仿射，透视）仿射变换与透视变换1，仿射变换其实是两个矩阵的乘法运算后再加上一个向量矩阵，它将一个矩阵向量映射到另一个向量空间，正如在二维空间中的条直线，通过线性运算可以将其旋转（线性变换）和平移，也可以看作是坐标轴的改变（空间变换）。在opencv中首先需要得到一个映射矩阵，利用映射矩阵将原图进行变换。常使用的函数有：（1）， g...

opencv实战从0到N （4）—— 图像加框，画图形及文字给图像附加额外边框或掩膜，画图形及文字1，附加额外边框（常在卷积中使用）函数：copyMakeBorder( src, dst, top, bottom, left, right, borderType, value );参数:src: 原图像dst: 目标图像top, bottom, left, rig...

opencv实战从0到N （3）—— 图像运算，像素操作与对比度变换1，OpenCV 中提供了如下的一些函数，用来进行图像的加减乘除。void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask=noArray(), int dtype=-1);void subtract(InputArray ...

GAN, pix2pix, CycleGAN和pix2pixHD转载： blog.csdn.net/gdymind https://blog.csdn.net/gdymind/article/details/82696481本文翻译、总结自朱俊彦的线上报告，主要讲了如何用机器学习生成图片。来源：Games2018 Webinar 64期 ：Siggraph 2018优秀博士论...

边缘检测1，Sobel 算子是一个离散微分算子 (discrete differentiation operator)。 它用来计算图像灰度函数的近似梯度。Sobel 算子结合了高斯平滑和微分求导。图像在边缘变化明显，所以用一阶微分求极值就可以得到边缘。2，Laplacian算子使用二阶导数可以用来 检测边缘 。图像在边缘时，一阶导数是极值，而二阶导数过零点。因为图像是 “2...

Mat结构及操作 接触opencv很久，感觉学习的不够系统，所以将之前的零碎的笔记整理一下。 opencv是一个开源计算机视觉库，其核心为图像处理。Mat则是一个基础的图像容器，作为一个c++的对象类，我们在使用是不需要担心的内存管理情况，它由由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可...

转自：https://www.cnblogs.com/vitoyeah/p/10273299.html概述TFLite主要含有如下内容：（1）TFLite提供一系列针对移动平台的核心算子，包括量化和浮点运算。另外，TFLite也支持在模型中使用自定义算子。（2）TFLite基于FlatBuffers定义了一种新的模型文件格式。FlatBuffers类似于protocol buffe...

用python转换tflite模型并在PC上调用版权声明：本文为博主原创文章，转载请标明原始博文地址： https://blog.csdn.net/yuanlulu/article/details/85731488概述想玩玩tflite，无奈对android开发环境不熟。经过搜索找到了在PC上python下调用tflite模型的方法。环境python3.6 tf-nightl...

第一章：环境搭建与开发相关(已完结 10/10)https://blog.csdn.net/coder_pig/article/details/50000773Android基础入门教程——1.1 背景相关与系统架构分析 Android基础入门教程——1.2 开发环境搭建 Android基础入门教程——1.2.1 使用Eclipse + ADT + SDK开发Android AP...

深度学习模型移植的移动端框架转载： https://blog.csdn.net/weixin_41770169/article/details/85625443截止2018年，主流移动端框架总结：腾讯：ncnn与featurecnn对比，前者开源早，代码、文档完善；后者测试速度略微快一点小米MACE：刚开源，可能会碰到很多问题百度MDL：速度比ncnn慢安卓 cp...

转自：https://blog.csdn.net/pwtd_huran/article/details/80724730#coding=utf-8import xml.dom.minidomimport xml.etree.cElementTree as ET from lxml import etree, objectifyimport cv2import osdef tra...

转自：https://www.cnblogs.com/fpzs/p/9513932.html1. 简介:/*******************************************************************　　本项目是使用单目摄像头实现距离的测量，首先单目摄像头与kinect等深度摄像头最大的区别是无法有效获取深度信息，那就首先从这方面入手，尝试...

【dlib代码解读】人脸关键点检测器的训练转载：https://blog.csdn.net/elaine_bao/article/details/530545331. 源代码先给出测试的结果，关键点并不是特别准，原因是训练样本数据量太少。以下给出完整的人脸关键点检测器训练代码。详细的代码解读请看第二部分。/* faceLandmarksTrain.cppfunction...

利用Qt开发跨平台APP（iOS）本文将手把手教你如何使用Qt编译出iOS应用程序。Qt是一个优秀的跨平台开发工具。我们利用Qt可以很方便地将一次编写的应用，多次编译到不同平台上，如Windows、Linux、MAC、Android、iOS、Windows Phone等。开发者只需掌握Qt的C++编程与界面制作方法，即可制作出包括手机APP在内的跨平台应用。需要注意的是，Qt对A...

利用Qt开发跨平台APP（Android）本文将手把手教你如何在Windows环境下，使用Qt编译出安卓应用程序。Qt是一个优秀的跨平台开发工具。我们利用Qt可以很方便地将一次编写的应用，多次编译到不同平台上，如Windows、Linux、MAC、Android、iOS、Windows Phone等。开发者只需掌握Qt的C++编程与界面制作方法，即可制作出包括手机APP在内的跨平台应...

【OpenCV】 Python视频的读取及保存转载: https://blog.csdn.net/wsp_1138886114/article/details/84798977运行环境Anaconda=5.3 | python=3.7一、从摄像头中获取视频创建一个VideoCapture对象。它的参数可以是设备索引或视频文件的名称（下面会讲到）。设备索引只是指定哪台摄像机的号码。...

pycharm格式化代码 常用快捷键ctrl+alt+L一 常用快捷键编辑类：Ctrl + D 复制选定的区域或行Ctrl + Y 删除选定的行Ctrl + Alt + L 代码格式化Ctrl + Alt + O 优化导入（去掉用不到的包导入）Ctrl + 鼠标 简介/进入代码定义 Ctrl +...

Python 爬虫系列教程一爬取批量百度图片https://blog.csdn.net/qq_40774175/article/details/81273198很久之前就学习了Python的爬虫了，也用来做过一些项目（主要是一些课程项目），但时间比较紧，一直没有空把它写下来，这个暑假，我可能会逐渐更新Python爬虫的相关知识。项目1：实现批量爬取百度图片先简单的介绍下这个项目。当...

Python中类的定义与使用转自：https://www.cnblogs.com/chenxiaoyong/p/6279874.html目标：　　1.类的定义　　2.父类，子类定义，以及子类调用父类　　3.类的组合使用　　4.内置功能1.类的定义代码如下：#!/usr/bin/env python#coding:utf8class Hot...

Keras读取保存的模型时, 产生错误[ValueError: Unknown activation function:relu6]https://www.cnblogs.com/ZhengPeng7/p/8530065.htmlSolution:from keras.utils.generic_utils import CustomObjectScopewith CustomO...

ELU激活函数 融合了sigmoid和ReLU，左侧具有软饱和性，右侧无饱和性。 右侧线性部分使得ELU能够缓解梯度消失，而左侧软饱能够让ELU对输入变化或噪声更鲁棒。 ELU的输出均值接近于零，所以收敛速度更快。 在 ImageNet上，不加 Batch Normalization 30 层以上的 ReLU 网络会无法收敛，PReLU网络在MSRA的Fan...

轻量化网络：MobileNet-V2转载:https://blog.csdn.net/u011995719/article/details/79135818MobileNetV2:《Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentat...

目标函数objectives目标函数，或称损失函数，是编译一个模型必须的两个参数之一：model.compile(loss='mean_squared_error', optimizer='sgd')可以通过传递预定义目标函数名字指定目标函数，也可以传递一个Theano/TensroFlow的符号函数作为目标函数，该函数对每个数据点应该只返回一个标量值，并以下列两个参数为参数：...

Dice-loss使用深度学习做医学图像分割时，经常会用dice系数作为损失函数。loss function之用Dice-coefficient loss function or cross-entropyhttps://blog.csdn.net/u014264373/article/details/82950922dice系数作为损失函数的网络模型如何加载（ValueError: ...

c++截屏，并保存。下面的程序有很清楚的注释。#define _AFXDLL//为了方便是用mfc类#include<afxwin.h>#include<opencv\cv.h>#include<opencv\highgui.h>#include<stdio.h>#include <stdio.h> LPVOID ...

Windows下C++ 模拟键盘输入，鼠标点击，鼠标移动，获取句柄在Windows下完成这些功能需要用到VC模拟键盘输入：VOID keybd_event（BYTE bVk，BYTE bScan，DWORD dwFlags，DWORD dwExtralnfo）； //包含windows.h鼠标按键事件：备注：模拟鼠标单击mouse_event(...

opencv报错—error C2872: ACCESS_MASK: 不明确的符号https://blog.csdn.net/weixin_39437164/article/details/81508709平时自己的程序在小组的QT项目里边调试，懒人我突然想把自己那段移出来单独调试优化，毕竟每次把工程代码搬来搬去，万一哪天失手了，不知从何处补救。在清除掉一些不必要的接口函数还有不必要的...

转自：https://www.cnblogs.com/king-lps/p/9366874.html1. 为什么介绍此文？　　Triplet net 改进工作之一，主要思想是在大数据集（人脸识别）上的困难样本挖掘。人脸识别工作对于图像对匹配而言很有借鉴意义，共性是特征的提取和样本数据的挖掘。　　Tripnet net源于文章Deep metric learning using trip...

转自：https://www.cnblogs.com/king-lps/p/9497836.html1. 总述Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重，也可理解为一种困难样本挖掘。2. 损失函数形式Focal loss是在交叉熵损失函数基础上进行的修改，首先回顾二分类交叉上损失：...

深度学习: RPN (区域候选网络)转载出处 https://blog.csdn.net/JNingWei/article/details/78847696OverviewRPN的本质是 “ 基于滑窗的无类别obejct检测器 ” :RPN所在的位置：Note：只有在train时，cls+reg才能得到强监督信息(来源于ground truth)。即ground tru...

HOG特征提取算法的实现过程：大概过程：HOG特征提取方法就是将一个image（你要检测的目标或者扫描窗口）：1）灰度化（将图像看做一个x,y,z（灰度）的三维图像）；2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；3）计算图像每个像素的梯度（包括大小和方向）；主要是为了...

C3D-network论文笔记 前几天一直在看Faster-Rcnn源码和YOLOv3（C语言）源码，感觉时间浪费了不少，但是一个都没有看懂，总结出一句话就是：这TM写的是个啥？我为啥一个都看不懂，原理理解是一回事，看懂代码是一回事，至于自己上手敲更是另外一回事了，后来想想，我没看懂也是有道理的，因为我没有花那么多的时间去看，只看了两三天，有些代码真的不懂，也没有去深究，所有以至于...

目标检测经典论文：ThunderNet: Towards Real-time Generic Object Detection（arxiv2019）版权声明：本文为博主原创文章，欢迎转载，转载请注明出处。 https://blog.csdn.net/shanglianlm/article/details/88932983ThunderNet：第一个实现了在ARM平台上的实时检测器和最快的...

http://vis-www.cs.umass.edu/lfw/results.html

LFW介绍转载出处 https://blog.csdn.net/jobbofhe/article/details/79416661LFW概述1. 人脸检测测试数据库：fddb：http://vis-www.cs.umass.edu/fddb/2. 人脸识别测试数据库：lfw：http://vis-www.cs.umass.edu/lfw/#views3. LFW（人脸比...

keras.layers.add()和keras.layer.conatenate()在网络结构的设计上，经常说DenseNet和Inception中更多采用的是concatenate操作，而ResNet更多采用的add操作，那么这两个操作有什么异同呢？add对张量执行求和运算concatenate对张量进行串联运算在深度神经网络中，经常会遇到需要把张量结合在一起的情况，比如In...

http://www.cnblogs.com/pinard/p/6437495.html

转载请注明出处:http://www.cnblogs.com/gufeiyang 首先考虑这么一个问题。操场东边有100个男生，他们的身高符合高斯分布。操场西边有100个女生，她们的身高也符合高斯分布。 如果告诉了男生的身高，我们很容易用极大似然估计求出正态分布的参数。 同理，给出了女生的身高，我们也很容易得到高斯分布的参数。 接下来事情发生了， 男生跑入女生队伍中， 然后统计了2...

compareHist 基于直方图的图片相似度计算函数#include <opencv2/opencv.hpp> #include <stdio.h> #include <stdlib.h> #include <iostream> using namespace cv; using namespace std; ...

转自：https://www.cnblogs.com/daihengchen/p/5492729.html 双目测距属于立体视觉这一块，我觉得应该有很多人踩过这个坑了，但网上的资料依旧是云里雾里的，要么是理论讲一大堆，最后发现还不知道怎么做，要么就是直接代码一贴，让你懵逼。 所以今天我想做的，是尽量给大家一个明确的阐述，并且能够上手做出来。一、 标定 首先我们要对摄像头做标...

Ctrl+K,­­­­­­­­­­­­­­­­­­­­­­­­ Ctrl+D格式化全部代码Ctrl+K, Ctrl+F格式化选中的代码CTRL + SHIFT + B生成解决方案CTRL + O 打开文件CTRL + SHIFT + O打开项目CTRL + SHIFT + C显示类视图窗口CTRL + SHIFT + W在浏览器中查看CTRL+\,CTRL+M显示团队资源管...

图像gamma校正转自：https://www.cnblogs.com/qiqibaby/p/5325193.html1 gamma校正背景　　在电视和图形监视器中，显像管发生的电子束及其生成的图像亮度并不是随显像管的输入电压线性变化，电子流与输入电压相比是按照指数曲线变化的，输入电压的指数要大于电子束的指数。这说明暗区的信号要比实际情况更暗，而亮区要比实际情况更高。所以，要重现摄像机...

凸包算法(convex hull)凸包算法：其实很简单，就是用一个的凸多边形围住所有的点。就好像桌面上有许多图钉，用一根紧绷的橡皮筋将它们全部围起来一样。算法详细步骤：1. 找到所有点中纵坐标y最小的电，也就是这些点中最下面的点，记为p0。2. 然后计算其余点与该点的连线与x轴之间夹角的余弦值，将这些点按其对于最低点的余弦值从大到小排序，排序好的点记为p1, p2, p3, ......

meanshift聚类算法跟踪原理https://blog.csdn.net/qq_28942201/article/details/79376506这几天学习《学习openCV》中的第十章运动跟踪，里面讲到了meanshift算法，根据书上所讲实在难以理解，meanshift在运动跟踪这个过程中到底起到什么作用，于是经过几天不断地看相关资料和别人的博客文章，慢慢思路清晰了，也终于知道了m...

分水岭分割算法分水岭算法的概念及原理： 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每...

HOG特征详解：Histograms of Oriented Gradients for Human Detection参考论文《Histograms of Oriented Gradients for Human Detection》花了一天多的时间，整理了一下HOG特征。接下来就HOG特征进行一些解释：HOG含义 HOG具体计算 HOG源码一、HOG含义在参考论文中，作者...

SVM算法原理及实现转自：https://blog.csdn.net/d__760/article/details/80387432 Svm（support Vector Mac）又称为支持向量机，是一种二分类的模型。当然如果进行修改之后也是可以用于多类别问题的分类。支持向量机可以分为线性核非线性两大类。其主要思想为找到空间中的一个更够将所有数据样本划开的超平面，并且使得本本集中...