GG的博客

如果有想从事工业领域的视觉方向的话，个人建议还是主要以3D方向的研究为主，不是说不能搞深度学习，主要是这个技术在工业方向上比较鸡肋，就业大家可想而知，卷的不行。当然不是说2D完全不行了，只是说这么贵的情况下客户愿不愿意买单，而且一些做的好的2D相关也是能弥补3D的水平，而且会更便宜。3D方向这个赛道，感觉是一个能颠覆行业的技术，现阶段的3D的主要是以高精度检测、高精度的缺陷检测为主等等。以后可能会慢慢的更新一些3D方面的学习资料，以及自己工作的心得啥的。以Keyence的3D相机的参数来看，还是很能打的。

【代码】DRSN代码调试未成功。

List是C#中常见的可伸缩数组组件，因为是可伸缩的，常常被用来代替数组，不需要手动分配数组大小。

（1）准确匹配蓝框中四个圆柱，并按从左到右显示编号（2）将得到的圆柱结果连点拟合成线L1（3）准确抓取三条小线段，拟合直线L2

Cognex Visionpro-9.5 software handbook translate

机器视觉中相机选型的相关的内容，慢慢更新

文件配置训练的过程可以看【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集_小鸠控的博客-CSDN博客_faster rcnn训练coco数据集开始这篇文章主要是记录我第一次使用mmdetection工具包里面的cascade-rcnn训练自己模型的经过训练环境本次是使用的系统是linux的ubuntu20.04cuda=10.2cudnn=7.6.5anaconda=3（用于创建虚拟环境，后续的训练、测试模型也在这个虚拟环境中）(以上软件安装可以参

import osimport randomtrainval_percent = 0.85train_percent = 0.7xmlfilepath = 'D:\Project\Bi-Ye\data-xml\VOC2007\Annotations'txtsavepath = 'ImageSets\Main'print(txtsavepath)total_xml = os.listdir(xmlfilepath)num = len(total_xml)list = range(num.

import osimport os.pathimport xml.dom.minidompath = r'D:\Project\Bi-Ye\data-xml\Monochamus-alternatus'files = os.listdir(path) # 得到文件夹下所有文件名称s = []count = 0for xmlFile in files: # 遍历文件夹 if not os.path.isdir(xmlFile): # 判断是否是文件夹,不是文件夹才打开 .

import osdata_dir = ['xx','xxx', 'xxxx']for data_num, data in enumerate(data_dir): path_dir = './' + data + '/' file_list = [os.path.join(path_dir, _) for _ in os.listdir(path_dir) if _.endswith(".txt")]; output_path = './output/' + data.

import xml.etree.ElementTree as ETimport osimport shutilimport randomdef convert_annotation(cls, cls_id, image_id): in_root = root_path + '/%s.xml' %(image_id) out_root = root_path + './../convert/%s/%s.txt' % (cls, image_id) in_file = op.

DeepSORT算法通过结合目标框的马氏距离(Mahalanobis distance)和特征余弦距离（Cosine similarity）两个度量来整合运动信息和外观信息。外观信息是指使用了一个简单的CNN网络去提取被检测物体的外观特征。运动信息是指卡尔曼（kalman）滤波预测的结果。Deepsort的算法流程是：（1）获取视频的初始帧（2）使用卡尔曼（kalman）滤波器进行目标运动状态的预测，得到估计目标的两种状态。DeepSORT中的滤波算法使用的状态是一个8个...

1. albumentations 数据增强工具文档：albumentations — albumentations 1.1.0 documentationhttps://albumentations.readthedocs.io/en/latest/github：https://github.com/albumentations-team/albumentationshttps://github.com/albumentations-team/albumentation...

废话不多说直接上手打开网站：nullhttps://cn.overleaf.com/直接创建项目、插入代码（修改成你自己的想要的代码即可）\documentclass[11pt]{article}\usepackage{CJK}\usepackage[top=2cm, bottom=2cm, left=2cm, right=2cm]{geometry}\usepackage{algorithm}\usepackage{algorithmicx}\usepackage{algpse

Figure 1 shows the proposed process FairMOT Mixed ModelFigure 2 FairMOT Mixed Model

import torchimport osfrom PIL import Imageimport pandas as pd# Model#model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # or yolov5m, yolov5l, yolov5x, etc. 'ultralytics/yolov5', 'custom',model = torch.hub.load( 'ultralytics/yolov5','custom'.

import cv2 # OpenCVimport tkinter.filedialog # Python文件对话框filename = tkinter.filedialog.askopenfilename() # 弹出对话框选择需要裁剪的视频文件cap = cv2.VideoCapture(filename) # 打开视频文件frames = cap.get(cv2.CAP_PROP_FRAME_COUNT) # 获得视频文件的帧数fps = cap.get(cv2.CAP_PRO.

python 读取指定文件夹下的所有图片再输出指定内容到TXT文件中

IMX219 摄像头，800 兆像素和 83 FOV。兼容 Jetson nano 开发套件 (B01)规格：8 百万像素 传感器：索尼IMX219 分辨率：3280 × 2464（每台相机） 镜头规格： CMOS尺寸：1/4英寸 焦距：2.6mm 视角：83/73/50度（对角线/水平/垂直） 失真：<1% 基线长度：60mm ICM20948： 加速度计： 分辨率：16 位 测量范围（可配置）：±2、±4、±8、±16g 工作电流：6...

（1）Fairmot检测可以选择两个网络，一个是HRNet网络，一个是yolov5s网络。代码文件夹：D:\Project\fish_data\code\FairMOT-master\src\lib\models
etworks\config（2）models文件夹（乱记）文件夹：D:\Project\fish_data\code\FairMOT-master\src\lib\models1.common ->常见的（还没看是什么内容）2.data_parallel -&g.