python
文章平均质量分 92
fengguiyu99
这个作者很懒,什么都没留下…
展开
-
uinx/linux笔记(一)
计算机用操作系统管理所有的资源,操作系统也是程序,与普通程序一样,也运行在内存中,但它也是一个特殊的程序,内存会单独分出一部分空间来容纳操作系统,称为系统空间,其他用来容纳应用程序的叫做用户空间。操作系统也被称为内核,程序要访问设备,得到数据等都要通过内核才能进行操作。...原创 2022-07-19 22:31:19 · 504 阅读 · 0 评论 -
基于单应矩阵的图像拼接
首先我们看看这个方法的图像拼接的效果:依次这是我们的左图和右图,和最后拼接的效果图: 看了图片如果感兴趣的话,就可以接着往下看了。 Homography单应矩阵通常描述处于共同平面上的一些点在两种图像之间的变换关系,来以此描述了两个平面之间的映射关系。用公式表示的话就是: x` = H*x x为一张图像上的特征点位置,H为两种图像的单应矩阵,x`是同一个特征点在另一张图像上的位置。同一平面被两个处于不同位置的相机观测,或者同一个相机观测到的两个相同的,但位置不原创 2022-06-28 22:10:34 · 3622 阅读 · 0 评论 -
DETR训练实践以及自动预标注脚本、测试可视化脚本
目录自动预标注脚本 测试可视化脚本DETR训练自己的数据集总所周知,标注是一个体力活,而我又是一个懒人,所以我就自己写了个脚本。。。并不要求高精度,只是想体验用DETR训练自己的数据集又不想标注的人可以借鉴或使用。输入方式可以调用摄像头或者读取视频、图片三种方式来获取输入,我加了print提示,可以直接运行查看哈。输入0,1,2来选择功能分为3种,查看原图,检测可视化,图像标注,由于这次我是用我的人脸做了一个数据集,所以取名face detection。 如果选择image label,接下来是选择数据集类原创 2022-06-24 00:05:01 · 3253 阅读 · 30 评论 -
基于dlib检测和随机森林分类的驾驶员危险驾驶(人脸)检测
通过人脸识别,获取驾驶员前脸,当没有识别到前脸时,认为驾驶员没有观察前方车况,识别到前脸后,再识别出人脸的特征标识点,包括左、右眼睛,嘴巴等轮廓标识点,利用眼睛的轮廓标识点判断当前驾驶员眼睛的闭合度,连续低于设定的阈值认为当前处于闭眼状态,利用嘴巴的轮廓标识点判断当前驾驶员嘴巴的打开程度,连续高于某个阈值认为是处于打哈欠状态。基于前面获得的各种状态数据输入分类模型来获得当前是否危险驾驶和危险驾驶的严重性。.........原创 2022-06-15 21:17:49 · 912 阅读 · 0 评论 -
DETR源码笔记(二)
在DETR源码笔记(一)中,阅读到了main()函数的第二部分构建模型部分model, criterion, postprocessors = build_model(args)#构建model model.to(device) model_without_ddp = model if args.distributed: model = torch.nn.parallel.DistributedDataParallel(model, device_ids=[.原创 2022-06-07 00:58:39 · 5266 阅读 · 16 评论 -
Transformer理解
Attention注意力机制:Attention起源于NLP中的seq2seq模型,通常是RNN结构,对于这种结构,每一层传给下一层的向量长度是固定的,所以,当句子很长时,很难表达全部的信息,一开始的信息在后面就会容易丢掉。例如一个句子,“我喜欢吃苹果因为。。。(省略N个字)”,作为RNN的输入,希望输出回答“谁喜欢吃苹果”,当输入全部处理后,这时模型就可能已经丢掉了“我”这个信息了。这时,Attention机制的出现就很及时了,它会让我们选择性的关注一些区域,这样有限的向量常度,能让我们传递更值得原创 2022-05-25 23:15:39 · 1393 阅读 · 0 评论 -
DETR源码笔记(一)
源码获取:https://gitee.com/fgy120/DETR首先对DETR做个简单介绍上图即为DETR的流程pipeline,相比以前的RCNN系列、YOLO系列等,最特别的在于加入了Transformer。直接看源码,从train.py的main函数开始。if __name__ == '__main__': parser = argparse.ArgumentParser('DETR training and evaluation script', parents..原创 2022-05-18 00:27:33 · 8175 阅读 · 11 评论 -
argparse解析器
argparse是一个Python模块,用来解析命令行参数,主要有三个步骤:1、创建 ArgumentParser() 对象2、调用 add_argument() 方法添加参数3、使用 parse_args() 解析添加的参数一、创建解析器代码示例:parser = argparse.ArgumentParser('DETR training and evaluation script', parents=[get_args_parser()])def get_args_parse原创 2022-05-12 22:39:35 · 2461 阅读 · 0 评论