- 博客(50)
- 收藏
- 关注
RSS订阅原创 UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xa8 in position
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa8 in position，这是因为读取文件，并解析内容，但是有些文件的格式不是utf-8，导致读取失败，无法继续。可以在open()函数中加上 encoding= u'utf-8',errors='ignore'两个参数。
2023-04-13 16:20:42
1852
转载 python 调用 Intel realsense D415i摄像头
1、搭建python3开发环境（wind10 ）安装Intel.RealSense.SDK.exe后，在安装目录…/Intel RealSense SDK 2.0/bin/x64目录下有两个.pyd文件，根据文件名可以知道，其中一个对应python2.7版本，另一个对应python3.6。将python3.6对应的.pyd文件复制到python环境的site-packages目录下，我的目录是…/Anaconda3/envs/ycc01/Lib/site-packages。即可完成环境搭建。这里用p
2022-03-04 15:32:41
1238
转载 Visual Studio “当前不会命中断点.还没有为该文档加载任何符号“的解决方法
在使用vs的过程中,有些工程可以编译通过正常运行,但是在下断点调试时会显示"当前不会命中断点.还没有为该文档家在任何符号". 如下图1 图1这并不是vs的bug,而是在设置选项中没有在对应的位置设置调试信息.可以按照下列方法打开断点:1.右键项目->属性->配置属性->C/C++->常规->调试信息格式,这里设置为2.项目->属性->配置属性...
2022-02-21 15:29:46
9009
1
转载 解决c++: internal compiler error: 已杀死 (program cc1plus)
安装opencv时报以上错误原因：发现是自己的交换空间不足一、问题：1. virtual memory exhausted: Cannot allocate memory2. c++: internal compiler ereor: killed(program cciplus)二、解决方法：出现这两个问题的原因都是因为编译时内存不足，临时使用交换分区来解决：# 1. 创建分区sudo dd if=/dev/zero of=/swapfile bs=1M count=2048
2022-02-18 17:04:59
8102
3
转载 解决VMWARE ubuntu虚拟机无法联网问题
VMWARE ubuntu18.04虚拟机突然无法联网了，右上角也没有网络的小图标了，尝试了各种方法，终于成功了，感谢解决VMware虚拟机Ubuntu 18.04无法上网问题 - 王会喜 - 博客园 (cnblogs.com)1. 虚拟机设置的配置如下：2. 停止network-manager服务sudo service network-manager stop3. 备份一下文件sudo cp /var/lib/NetworkManager/NetworkMana...
2022-02-18 15:43:39
4695
11
原创 makefile模板
CC = g++ -w -gCFLAGS = -std=c++11 -fpermissiveCOBJ = -o mainCINCLUDE = -I./include \ CLIB = ./lib/opencv_lib/libopencv_calib3d.so.2.4.13\ ./lib/opencv_lib/libopencv_core.so.2.4.13\ ./lib/opencv_li...
2021-12-15 16:14:24
2852
转载 比yolo快的目标检测方法nanodet
目标检测模型NanoDet（超轻量，速度很快）介绍和PyTorch版本实践_黎国溥-CSDN博客_nanodet
2021-12-15 14:44:52
174
转载 bundlefusion 跑自己的离线数据
SLAM之BundleFusion测试自制Rosbag数据集的可行方案_Zebiao Wu Blog-CSDN博客#defineM_SENSOR_DATA_VERSION 4下面，将彩色图和深度图的压缩类型进行初始化，初始化制定类型。m_colorCompressionType=TYPE_JPEG;//TYPE_PNG;m_depthCompressionType=TYPE_ZLIB_USHORT;制作.sens数据集跑通bundlefusion - 程序员大本营...
2021-12-08 19:03:29
579
转载 矩阵的奇异值分解过程
在icp配准时用到了奇异值分解，这篇文章写的很好，记录一下：奇异值分解的揭秘（一）：矩阵的奇异值分解过程 - 知乎SVD奇异值分解的数学涵义及其应用实例 - 知乎
2021-12-08 18:48:14
152
转载 pytorch 加载预训练模型
1、 预训练模型网络结构 = 你要加载模型的网络结构那么直接 套用path="你的 .pt文件路径"model = "你的网络"checkpoint = torch.load(path, map_location=device)model.load_state_dict(checkpoint)2、 预训练模型网络结构 与你的网络结构不一致当你直接套用上面公式，会出现类似unexpected key module.xxx.weight问题这种情况下，需要具体分析一下网络信息，再决定如何加
2021-12-06 17:37:41
6383
1
转载 finetune冻结层操作 + 学习率超参数设置
冻结训练的作用：当我们已有部分预训练权重，这部分预训练权重所应用的那部分网络是通用的，如骨干网络，那么我们可以先冻结这部分权重的训练，将更多的资源放在训练后面部分的网络参数，这样使得时间和资源利用都能得到很大改善。然后后面的网络参数训练一段时间之后再解冻这些被冻结的部分，这时再全部一起训练。1、冻结层不参与训练方法：######### 模型定义 #########class MyModel(nn.Module): def __init__(self, feat_dim): # input...
2021-12-06 17:31:53
1798
转载 yolov5优化实例（反光衣识别）
转自：反光衣识别算法冠军方案总结（附源码）｜极市打榜 - 知乎3.数据分析本次比赛一共包括四类类别：reflective_vest（反光衣），no_reflective_vest（未穿或不规范穿反光衣）、person_reflective_vest（穿反光衣的行人）、person_no_reflective_vest（未穿或不规范穿反光衣的行人）。打榜者对图像中反光衣穿着情况的进行目标检测，给出目标框和对应的类别信息，且预警情况只有no_reflective_vest（未穿或不规范穿反光衣）这一情况
2021-12-06 11:45:43
3336
1
转载 图像分类训练技巧之数据增强篇
转自：https://zhuanlan.zhihu.com/p/430563265一个模型的性能除了和网络结构本身有关，还非常依赖具体的训练策略，比如优化器，数据增强以及正则化策略等（当然也很训练数据强相关，训练数据量往往决定模型性能的上线）。近年来，图像分类模型在ImageNet数据集的top1 acc已经由原来的56.5（AlexNet，2012）提升至90.88（CoAtNet，2021，用了额外的数据集JFT-3B），这进步除了主要归功于模型，算力和数据的提升，也与训练策略的提升紧密相关。最近刚
2021-12-06 11:31:14
3036
1
原创 opencv模板匹配
在图像中找固定形状或颜色的区域，可用opencv模板匹配法,详见：opencv之模板匹配_阳春布德泽，万物生光辉的博客-CSDN博客_opencv 模板匹配OpenCV探索之路（九）：模板匹配 - Madcola - 博客园
2021-12-02 19:11:58
123
原创 yolov5系列速度测试
图像输入大小为640*640，测试环境不一样，结果会有出入，仅供参考： cpu gpu size yolov5_s 0.225s 0.012s 95.2M yolov5_m 0.366s 0.016s 43.3M yolov5_l 0.553s 0.018s 14.8M yolov5_n 0.136s 0.010s 4M yolov5_n6.0 0.143s 0.012s 6.
2021-12-02 18:59:49
7372
6
转载 BundleFusion
一、配置1.先安装VS2013，先安装VS，先安装VS（安装CUDA会配置VS文件，反向的话VS中找不到文件）VS安装参考：https://blog.csdn.net/m0_37477061/article/details/834477732.安装CUDA,我们选择的版本为10.12.1 CUDA下载路径：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_v
2021-11-26 14:39:19
496
1
转载 pytorch 解决gpu训练只占一块卡
本文主要解决pytorch在进行模型训练时出现GPU的0卡占用显存比其他卡要多的问题。出现0卡显存更高的原因：网络在反向传播的时候，计算loss的梯度默认都在0卡上计算。因此会比其他显卡多用一些显存，具体多用多少，主要还要看网络的结构。因此，为了防止训练由于 out of memory 而中断。比较笨的办法是减少batch_size那么没有更优雅的方法呢？答案是肯定的。那就是借用下transformer-xl中用到的 BalancedDataParallel类。代码如下（代码出处）：import
2021-08-02 16:19:29
3949
转载 3D点云配准历史
先上一张基于自己理解绘制的点云配准的发展脉络图Figure 1, 从图中我们可以先直观的感受一下点云配准的发展: 前期以传统方法为主, 2018年及之后基于深度学习的配准方法居上。但是需要注意两点: (1) Figure 1中列出了方法并不全面，仅选取了部分代表性的点云配准方法; (2) Figure 1中记录的同一年内的配准方法的提出顺序可能有错误。现在谈一下我对点云配准学习的认识。我感觉可以基于以下5个方面(不是严格的递进顺序)实现点云配准的学习和进阶。ICP算法。ICP算法应该是点云配准领
2021-07-22 11:49:23
627
转载 综述|2021最新关于点云配准的全面介绍
标题：A comprehensive survey on point cloud registration作者：Xiaoshui Huang[1], Guofeng Mei[2], Jian Zhang[2], Rana Abbas[1]编译：点云PCL来源：arXiv 2021摘要点云配准是点云之间的变换估计问题，从优化的角度来看，它经历了很长的发展历史。最近，深度学习的成功极大地提高了配准的鲁棒性和效率。本综述试图对基于优化的学习方法与深度学习方法进行全面的回顾，并建立两者之间的联系
2021-07-05 17:39:59
3762
1
转载 用自己的数据在paddleocr上训练
https://blog.csdn.net/Guoqi1911/article/details/110679335
2021-06-28 18:33:53
371
转载 车架号校验位规则
http://www.voidcn.com/article/p-kpbzvkjb-cb.html第一：计算方法理论、算法是如何理解的，如下：VIN码各位数字的“对应值”： 0 1 2 3 4 5 6 7 8 9 ...
2021-06-23 12:07:08
3410
原创 拖动鼠标画框
Matlab:I=imread('pic.jpg');figure(1); imshow(I); title('Input Image');text(6,6,'Left click to get points, right click to get end point','FontSize',[12],'Color', 'r');[m,xi,yi]=roipoly;min_xi=min(xi);max_xi=max(xi);min_yi=min(yi);max_yi=max(yi);r
2021-05-27 16:03:54
104
原创 matlab计算图像的亮度和对比度
数字图像的亮度与对比度亮度：设uint8型的灰度图像的二维矩阵为A，设置常整数-255<=c<=255，则A+c就表示亮度的调整。若A+c超过255则自动设置为255，反之若A+c小于0则自动设置为0对比度：设uint8型的灰度图像的矩阵为A,设置正常数c>0与0~255之间的整数k，表示以k为灰度中心，将对比放大/缩小 c倍。通常，因对比度常定义为最大最小灰度比值，故假设 k=0，注意：结果仍会自动转化为 uint8型的数据。 Mat...
2021-05-26 10:27:38
5402
1
转载 用yolov5训练自己的数据集并用TensorRT加速
前言本文主要介绍目标检测YOLOV5算法来训练自己的数据集，并且使用TensorRT来对训练好的模型进行加速推理。环境配置ubuntu 18.04 64bit nvidia gtx 2080Ti cuda 11.0 torch 1.7 pip install requirements.txt （手动狗头）我用的是nvidia官方的docker镜像，下载下来直接就可以用。不想装环境的戳这里训练COCO我们下载的预训练模型就是使用COCO数据集训练出来的模型。下载COCO，运行下面
2021-05-26 10:06:24
1198
8
转载 4种YOLO目标检测的C++和Python两种版本实现
2020年，新出了几个新版本的YOLO目标检测，在微信朋友圈里转发的最多的有YOLOv4，Yolo-Fastest，YOLObile以及百度提出的PP-YOLO。在此之前，我已经在github发布过YOLOv4，Yolo-Fastest，YOLObile这三种YOLO基于OpenCV做目标检测的程序，但是这些程序是用Python编写的。接下来，我就使用C++编写一套基于OpenCV的YOLO目标检测，这个程序里包含了经典的YOLOv3，YOLOv4，Yolo-Fastest和YOLObile这4种YOLO目
2021-05-26 10:02:52
374
转载 RepVGG backbone
前 言：repVGG绝对可以算得上2020年在backbone方面有很大影响力的工作，其核心思想是：通过结构重参数化思想，让训练网络的多路结构(多分支模型训练时的优势——性能高)转换为推理网络的单路结构(模型推理时的好处——速度快、省内存）)，结构中均为3x3的卷积核，同时，计算库（如CuDNN,Intel MKL）和硬件针对3x3卷积有深度的优化，最终可以使网络有着高效的推理速率(其实TensorRT在构建engine阶段，对模型进行重构，底层也是应用了卷积合并，多分支融合思想，来使得模型最终有着高性
2021-05-26 09:56:34
522
转载 推荐几篇新出的 CVPR 2021开源论文，含图像分割、域适应、图像检索、视线估计等
CVPR 2021 论文：https://github.com/52CV/CVPR-2021-Papers本文分享几篇近期值得关注的 CVPR 2021 的开源论文，包括图像到图像翻译、全景分割、语义分割、域适应、图像检索、无监督学习，以及一篇关于首次对从人们相互注视的图像/视频中学习弱监督的三维视线范式（LAEO）的研究。相信其中有些工作肯定会让你大开眼界。 01 High-Resolution Photorealistic Image Translation...
2021-05-26 09:51:21
536
原创 训练网络时的调参技巧
寻找合适的学习率(learning rate)学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。比如下图利用fastai中的lr_find()函数寻找合适的学习率，根据下方的学习率-损失曲线得到此时合适的学习率为1e-2。推荐一篇fastai首席设计师「Sylvain Gugger」的一篇博客：How Do..
2021-05-26 09:48:40
169
转载 分割网络-ExtremeC3Net（轻量级）
《ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networks using Advanced C3-modules》时间：20190812作者团队：首尔大学&Clova AI1. 摘要人像分割任务作为许多任务的一个中间阶段，对实时性要求极高，并且当前缺乏大规模的人像分割数据集，为此论文提出ExtremeC3Net模型和用于进行数据扩充的简单方法。ExtremeC3Net基于改进的C3模块，能够实现精度较高速度极快的人像
2021-05-24 18:05:06
1066
转载 AttaNet-快又好的分割网络
语义分割，attanet，AAAI2021Code：https://github.com/songqi-github/AttaNet论文：https://arxiv.org/abs/2103.05930简介AttaNet主要由两个模块组成:条状注意力模块(SAM)和注意力融合模块(AFM)。对低精度分割任务图像的观察得出，垂直条带面积明显大于水平条带面积，SAM利用条带化操作，在保留大部分上下文信息的同时，大幅降低了垂直方向全局上下文编码的复杂性，与非极大值方法相比。AFM采用跨层次聚合策略限制计
2021-05-21 17:28:33
1263
Chain-of-thought prompting elicits reasoning in large language
2023-08-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人