- 博客(54)
- 收藏
- 关注
RSS订阅原创 基于c++的yolov5推理之后处理详解及代码（二）
yolov5后处理大致分为四步：confidence过滤，NMS，预测框校准，结果可视化。首先需要对yoloV5的输出解析，认识清楚之后才能进行下一步。
2024-08-15 00:12:14
932
原创 基于c++推理yolov5的代码（三）全部代码
坦白来说，这一块还没有完全搞明白，但这一份针对我的设备是ok的。也就是cpp_tensorrt_infer.cpp。主要包含了yoloTRT的类。
2024-08-15 00:04:42
249
原创 基于c++的yolov5推理之后处理详解及代码（二）
yolov5后处理大致分为四步：confidence过滤，NMS，预测框校准，结果可视化。首先需要对yoloV5的输出解析，认识清楚之后才能进行下一步。
2024-08-15 00:01:20
1181
原创 基于c++的yolov5推理之前处理详解及代码（一）
之前实现了基于win环境中的python的加速部署过程，现在将c++实现过程进行记录，这次记录会非常详细。总的来说只要整个过程的思路捋清楚，保证思路是正确的，做起工作来就比较有方向性，开始记录。
2024-08-14 23:57:30
1368
原创 windows平台使用tensorRT部署yolov5详细介绍，整个流程思路以及细节。
自己在网上摸索了很久的基于windows平台的tensorRT部署的问题，终于跑通了，我在找资料的过程中没有找到从思路和细节上都具备的文档，我个人觉得思路最重要，我是很多份拼凑出的思路，顺着思路（有时候会错）一点一点解决问题才得出的结果，所有我打算写这份文档，更加侧重整体逻辑思路，技术细节我理解只要解决思路正确，肯定很多人踩过坑，找一找肯定有的，当然我也会提到。
2024-01-31 16:10:48
2734
4
原创 解决Ubuntu20.04远程时必须连接显示器
此文档解决Ubuntu20.04远程使用时必须连接服务器的问题。通过使用虚拟服务器，让设备无显示器也可以远程。只需要新建一个文件，将命令粘贴进去即可。
2024-01-29 11:09:02
2687
3
原创 欧氏、曼哈顿、马氏距离
马氏距离（Mahalanobis Distance）、欧氏距离（Euclidean Distance）、曼哈顿距离（Manhattan Distance）是常用的距离度量方式，它们在数据分析、模式识别、聚类等领域中经常被使用。这些距离度量方式在数据分析、机器学习、模式识别等领域中有不同的应用场景，选择合适的距离度量方式取决于具体问题的性质。在实际应用中，根据具体问题和数据的性质选择适当的距离度量方式，以更准确地反映数据之间的距离关系。、**欧氏距离（Euclidean Distance）
2024-01-25 16:44:35
842
原创 git的使用思维导图
源文件在github主页：study_collection/cpp学习/git at main · stu-yzZ/study_collection (github.com)
2023-12-19 15:50:28
502
原创 通过头文件和makefile编译多个cpp文件
首先需要知道我们用到的三种文件：1、.cpp这是c++的源文件，源码。2、.h头文件，包含需要用到的所有cpp文件3、.o文件，生成的可执行文件。
2023-12-19 15:44:57
886
原创 Transformer中的多头注意力机制-为什么需要多头？
Transformer为什么使用多头注意力机制呢？多头可以学习到不同维度的特征和信息。为什么可以学习到不同维度的信息呢？答案是：多头注意力机制的组成是有单个的self attention，由于self attention通过产生QKV矩阵来学习数据特征，那每一个self attention最终会产生一个维度上的输出特征，所以当使用多头注意力机制的时候，模型就可以学习到多维度的特征信息，这使得模型可以从多个维度更好的理解数据。同时多头注意力机制还是并行计算的，这也符合现在硬件架构，提升计算效率。
2023-11-27 17:12:58
4241
2
原创 wsl和windows下编译C++以及函数重载和函数模板的问题记录
今晚发现了问题所在。每次新建工作区的时候会自动生成.vscode文件夹，里面是配置好的tasks和launch的json文件，所以每次使用官方文件配置的之后，那个工作区就可以正常使用了，但是如果在Ubuntu中新建文件夹的话，.vscdoe文件夹没有复制过来，或者说没有重新正确建立，所以每次都报错。同样不同类型的数据比较大小，函数名相同，但根据参数类型和参数个数总能匹配到相对于的函数上。同样的函数体，但是针对不同类型的参数，需要多次写这个非常相似的函数，这是非常繁琐的，而函数模型的出现就是解决这种问题。
2023-11-08 03:02:26
322
原创 半监督学习思路学习记录
3、训练结束的条件可以是将无标签数据作为网络的输入，得到输出的预测标签，在一定置信度之内的数据可以划分到有标签数据中，直到训练集中的数据都有了标签，此时可以认为分类器就是最终分类器。一、半监督学习思路semi-supervised learning（SSL）1、首先确定训练集中包含两种数据：labeled和unlabeled。2、我们最终目的是得到一个分类器，即网络模型。最终得到的网络模型即为最终的网络模型。
2023-06-21 16:03:35
135
原创 自监督学习初步认识
Self-Supervised Learning，又称为自监督学习，我们知道一般机器学习分为有监督学习，无监督学习和强化学习。而 Self-Supervised Learning 是无监督学习里面的一种，主要是希望能够学习到一种通用的特征表达用于下游任务 (Downstream Tasks)。自监督学习主要是利用辅助任务（pretext）从大规模的无标签数据中挖掘自身的标签信息，通过这种构造的标签信息对网络进行训练，从而可以学习到对下游任务有价值的表征。也就是说，
2023-06-21 15:58:36
581
原创 MedSegDiff： Medical Image Segmentation with Diffusion Probabilistic Model
简单不看版本：这是作者的第一版本文章，总的来说比较简单。总共提出两点改进：1、由于医学图像较为特殊，病变组织很难与背景相区别，尤其是低分辨率的图像。另外作者认为原图中有很多目标的信息，但是很难分割，而扩散模型中的任意t时刻的分割图中有较为增强的分割目标信息，但不准确。基于这两点，作者提出了将两者融合互补的ideal。作者提出了一个动态条件编码器dynamic condition encoding，在每一步的时候都将两幅feature map进行融合。首先假设扩散模型已经生成了一张t时刻的feature ma
2023-02-28 21:19:49
4642
15
原创 SegDiff: Image Segmentation with Diffusion Probabilistic Models 基于扩散模型的图像语义分割模型
扩散模型应用到语义分割的一篇文章，其中穿插了生成模型的简单介绍。
2023-02-27 13:53:16
6093
原创 单机多卡和单机单卡训练模型，权重文件中多了module
在自己电脑上（单卡）调试好模型，然后放到服务器（多卡）上跑，设置成了多卡训练，保存的模型字典中自动都增加了一个module，导致我在自己电脑上加载时候checkpoints不匹配。所以有了这份记录。
2023-02-27 13:42:32
782
转载 nn.DataParallel权重保存和读取，单卡单机权重保存和读取，二者之间的转换。
在自己电脑上（单卡）调试好模型，然后放到服务器（多卡）上跑，设置成了多卡训练，保存的模型字典中自动都增加了一个module，导致我在自己电脑上加载时候checkpoints不匹配。所以有了这份记录。
2022-09-30 21:44:30
1048
2
原创 VIT Adapter【Vision Transformer Adapter for Dense Predictions】论文笔记
cvpr2022收录文章。使用cnn提取空间先验特征，和transformers分支进行信息交融，成为新一代屠榜backbone，提升了下游任务的准确度。
2022-07-08 12:09:31
2934
转载 分割任务的Loss函数【转】
我来谈谈分割任务的Loss函数。首先想要解释一下，Loss函数的目的是为了评估网络输出和你想要的输出（Ground Truth，GT）的匹配程度。我们不应该把Loss函数限定在Cross-Entropy和他的一些改进上面，应该更发散思维，只要满足两点：（1）能够表示网络输出和待分割目标的相似 2）Loss的计算过程是可导的，可以进行误差反传...
2022-06-22 20:52:48
716
转载 TensorBoard功能详解及实例说明
TensorBoard 是 TensorFlow 中强大的可视化工具，支持标量、文本、图像、音频、视频和 Embedding 等多种数据可视化。在 PyTorch 中也可以使用 TensorBoard，具体是使用 TensorboardX 来调用 TensorBoard。除了安装 TensorboardX，还要安装 TensorFlow 和 TensorBoard，其中 TensorFlow 和 TensorBoard 需要一致。T...
2022-06-18 15:54:47
3267
转载 transforms的二十二个方法
本文对transforms.py中的各个预处理方法进行介绍和总结。主要从官方文档中总结而来，官方文档只是将方法陈列，没有归纳总结，顺序很乱，这里总结一共有四大类
2022-06-18 14:13:09
1414
原创 Dual-stream Network for Visual Recognition论文记录
cnn和transformers的结合作品，分析了两者差异，并将优势融合。
2022-06-15 00:55:19
1019
4
转载 神经网络训练时loss不下降的问题
如何解决神经网络训练时loss不下降的问题？当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降。...
2022-06-14 09:14:14
5664
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人