tensorRT简明使用 tensorrt主要用于优化模型推理速度，是硬件相关的。首先保存模型的.pth权重文件，然后将其转化为.wts文件。之后编写c++程序对.wts进行编译，生成.engine文件，通过.engine来进行tensorrt的推理。或者将网络结构保存为onnx格式，然后利用ONNX-TensorRT工具将onnx转换为tensorrt模型即可。...
NVIDIA-SMI has failed问题解决 NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
endnote文献管理 简易参考文献管理教程，解决参考文献格式，以及其序号顺序的问题。文献下载地址：Web of Science谷歌学术-谷粉学术直接搜索论文名称，导出endnote格式：文献导入选择刚刚下载的endnote格式文件，导入即可:文献管理新建组：将刚刚导入的文献拖到对应组，方便后续管理：双击导入的文献可进行笔记备注，如果下载了对应的pdf也可以链接起来：文献引用在word页面，需要引用的地方进行鼠标点击，使得...
YOLOv3-quadrangle代码调试记录 代码来源：https://github.com/JKBox/YOLOv3-quadrangle主要使用于四边形文本检测。代码阅读代码结构如下：1.配置文件 cfg/共2个文件，yolov3.cfg定义了darknet+yolo_head的整个结构，ICDAR2015.data说明了训练路径、参数等信息。2.模型结构构建 models.py主要看YOLOLayer和Darknet类，对应yolov3.cfg来进行网络结构的搭建，网络结构图如下，讲解可见[1]：...
【目标检测】“复制-粘贴”数据增强实现 前言本文来源论文《Simple Copy-Paste is a Strong Data Augmentation Methodfor Instance Segmentation》（CVPR2020），对其数据增强方式进行实现。论文地址：https://arxiv.org/abs/2012.07177解读：https://mp.weixin.qq.com/s/nKC3bEe3m1eqPDI0LpVTIA主要思想：本文参考该数据增强的语义分割实现[1]，相应修改为对应目标检测的实现，坐
【论文阅读】ABCNet（CVPR2020） 论文题目：ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network论文地址：https://arxiv.org/abs/2105.03620代码地址：https://github.com/aim-uofa/AdelaiDethttps://github.com/Yuliang-Liu/bezier_curve_text_spotting文章贡献：首次采用参数化贝塞尔曲线自适应拟合多方向或弯曲文本
【论文阅读】DBNet（AAAI2020） 论文题目：Real-time Scene Text Detection with Differentiable Binarization论文地址：https://arxiv.org/abs/1911.08947代码地址：https://github.com/MhLiao/DB文章贡献：1. 提出了用于文字检测的可微二值化网络DBNet，可检测水平文本、多方向文本、弯曲文本，比之前的先进方法拥有更快的速度，同时拥有可观的性能。2. DBNet使用轻量级骨干时也能拥有不错的效果，且在推理
【论文阅读】PSENet（CVPR2019） 论文题目：Shape Robust Text Detection with Progressive Scale Expansion Network论文地址：https://arxiv.org/abs/1903.12473代码地址：https://github.com/whai362/PSENet文章贡献：提出了逐级尺寸扩张网络（Progressive Scale Expansion Network，PSENet），它是一种基于分割的文本检测方法，能够精确定位任意形状的文本实例，且对相邻的
【论文阅读】Consistent Instance False Positive Improves Fairness in Face Recognition（CVPR2021） 论文题目：Context-aware Cross-level Fusion Network for Camouflflaged Object Detection论文地址：https://arxiv.org/pdf/2105.12555.pdf代码地址：https://github.com/thograce/C2FNet————————————————版权声明：本文为CSDN博主「络小绎」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://
【论文阅读】Context-aware Cross-level Fusion Network for Camouflaged Object Detection(IJCAI2021) 论文题目：Context-aware Cross-level Fusion Network for Camouflflaged Object Detection 论文地址：
【论文阅读】Explicit Pseudo-pixel Supervision(EPS，CVPR2021) 论文题目：Railroad is not a Train: Saliency as Pseudo-pixel Supervision for Weakly Supervised Semantic Segmentation
【论文阅读】Activate or Not: Learning Customized Activation（CVPR2021） 论文题目：Activate or Not: Learning Customized Activation论文地址：https://arxiv.org/pdf/2009.04759.pdf代码地址：https://github.com/nmaac/acon文章贡献：1. 提出了一个新颖的角度来理解：Swish可以解释为ReLU的一种平滑近似；2.基于这个发现，论文进一步分析ReLU的一般形式Maxout系列激活函数，从而得到Swish的一般形式、简单且有效的ACON激活函数；3..
【论文阅读】RepVGG: Making VGG-style ConvNets Great Again（CVPR2021） 论文题目：RepVGG: Making VGG-style ConvNets Great Again论文地址：https://arxiv.org/abs/2101.03697代码地址：https://github.com/DingXiaoH/RepVGG文章贡献：1. 提出RepVGG网络，实现精度与速度的权衡；2. 提出structural re-parameterization ，将多分支的训练模型解耦成普通结构用于推理；3.展示了RepVGG在图像分类和语义分割方面的...
可视化训练过程（visdom/tensorboard） 针对pytorch框架。服务器端[1]1. 安装visdompip install visdom2. 在代码中使用# 创建实例viz = Visdom()# 创建窗口viz.line([0.], [0], win='loss', opts=dict(title='loss', legend=['train_loss', 'val_loss']))其中，实例只用创建一个。窗口可创建多个，win表示窗口名，用来区分后续数据应该在哪个窗口监控；title表示该窗口展示.
【论文阅读】SPNet(CVPR2020) 论文题目：Strip Pooling: Rethinking Spatial Pooling for Scene Parsing论文地址：https://arxiv.org/abs/2003.13328v1代码地址：https://github.com/Andrew-Qibin/SPNet文章贡献：1.提出了strip pooling，它继承了全局平均池化的优点，可以收集长期的依赖关系，同时关注局部细节；2. 基于strip pooling设计了SPM（Strip Pooling..
关注
