- 博客(35)
- 收藏
- 关注
RSS订阅原创 探索发现：自绘DETR结构图
一、 前言最近在看transformer相关的模型，其中vit还好，结构简单，decode与位置编码都没有。看到DETR才觉得比较“齐全”，该有的都有了。怕以后忘记，画个图，帮助记忆，顺便抛砖引玉，如有错误欢迎各位大佬指正。二、 结构图根据官方代码画的，最好是结合代码观看，再结合下面这张图看就更加好理解了。上图是每个encode、deconde模块内部的情况。...
2022-03-19 10:26:28
1296
1
原创 探索发现：记一次深度图像处理的经历
一、 前言2021年底，领导给了个tof模块，要求基于此开发一个演示程序，实现3D人脸识别的功能。当时听他说出3D人脸识别就有点头疼，第一是想自己之前没接触这样的项目；第二是在想3D人脸数据相比于2D人脸数据，恐怕没后者那么多。基于快速开发出产品以及自身能力的想法，向领导建议使用2D+技术路线，即采用rgb图做人脸识别，采用深度图做真假脸识别，领导同意了。rgb图用到的就是些网上开源、成熟的模型，如retinaface、mobileface，这部分不是今天的主题，也没什么好说的，网上博客大把。主要说说深
2022-03-09 14:22:51
4548
原创 探索发现：shufflenet 中 shuffle 操作板端部署的可行性
一、前言之前使用shufflenet-nanodet时，思考过它里面的shuffle op的部署，因为很多开发板不支持5 维 tensor，所以python中的shuffle方式，是没法继续使用的，所以就要用其他的思路来做。去年事情多，一直没有空把这个心得记录下来，现在有空了，特此记录，方便自己并抛砖引玉，如有错误，还请指出，谢谢！二、试验（一）思路shufflenet的代码来自nanodet，至于它是否与原版一致，我没去比较。上文说过的，python的shuffle方式没法用，乍一看可能觉得没法
2022-03-07 15:34:06
1802
4
原创 海思开发：Nanodet ： onnx -＞ caffe -＞ nnie
一、前言应网友所托，帮忙转换 nanodet 模型（注：原版 nanodet 上采样是线性插值法，海思中不支持，换成反卷积了），花了一天多时间思考与尝试，终于搞定它，过程如下。二、主要过程仔细想了下，其实 nanodet 并没有什么生僻的 op，全部是很普通的、常见的那种，但是它们的组合方式以及数据的shape太令人难受了，下面我截图展示一下。1. split 不支持这里说一下，onnx 的 split 在 caffe 里面是 slice，slice 相关博客。相关代码如下：# onnx2ca
2021-03-02 20:45:29
3309
16
原创 菜鸟落泪：Failed to export an ONNX attribute ‘onnx::Gather‘ 报错
一、前言最近在转 mobilenet v3 （pytorch -> onnx）的时候，遇见报错：RuntimeError: Failed to export an ONNX attribute 'onnx::Gather', since it's not constant, please try to make things (e.g., kernel size) static if possible网上搜了一下，发现要么很麻烦，要么不适用，看报错内容，大致就是说，有个op的属性值不是常量。
2021-01-28 14:32:05
4682
7
原创 海思开发：海思上对 relu6、hswish、h-sigmoid 移植的探索
一、前言最近在搞 mobilenet v3，v3有两个非线性函数：hswish 和 h-sigmoid，二者都用到了relu6,之前都是把它们替换，因为海思没有现成的relu6。当时就在想，能否利用现有op，组合成想要的relu6出来了？ 这个想法在脑子里徘徊几天了，今天试着给它变现，结果如下。
2021-01-23 15:58:05
5331
20
原创 海思开发：relu、relu6 在量化前后的精度变化及原因思考
一、前言以前部署 HopeNet 的时候，发现了relu6与relu的差异。具体就是 relu 模型量化后精度下降 14%，relu6 模型量化后精度下降 2.5%。这两个模型除了 backbone、激活函数不一样，其他都一样。所以 relu6 可以减少量化精度损失？因为上面两个模型backbone不一样，所以考虑再进行一个条件更严格的对比实验。二、实验特意选了 MobileNet v2，它的激活函数刚好是 relu6，数据集类别数是 2，数据集大小为正负类各 500个。我们训练两款模型 Mobile
2021-01-22 11:14:52
7490
原创 探索发现：DRM + OpenGLES + GBM + EGL简单介绍
一、认识它们见：4个库总介绍： https://www.cnblogs.com/lenomirei/p/11379535.html ；OpenGLES + EGL： https://blog.csdn.net/qiuyun0214/article/details/54614997 ；GBM : https://www.sevirt.com/index.php?controller=po...
2020-12-30 14:16:34
5702
原创 探索发现：tensorflow转onnx时，输入无符号shape的情况解决。
一、前言如标题，有几次朋友遇到这种情况，所以我想看看能不能直接更改 onnx 模型的 input shape 来解决这种问题。这种情况目前全发生在 tensorflow -> onnx 过程中，pytorch 由于有 onnx 的导出官方 api, 所以没有此烦心事。二、代码先看看未修改前输入的无符号shape：很明显，本该是1的地方出现了几个乱七八糟的符号。但是怎么做呢？参考这个，在最下面处有解决方法。from onnx.tools import update_model_dimsi
2020-12-28 20:44:55
1450
1
原创 菜鸟落泪：win10 离线安装 pytorch 及其所需依赖包
如题，亲测成功，所需依赖包为：certifi 2020.11.8cffi 1.14.4dataclasses 0.8future 0.18.0icc-rt 2019.0intel-openmp 2021.1.1mkl 2019.0mkl-fft 1.0.6mkl-ran
2020-12-21 20:34:25
1991
2
原创 海思开发：yolo v5的 focus层 移植到海思上的方法
一、前言经网友提醒，yolo v2的 passthrough 层与 v5 的 focus 层很像，因为海思是支持 passthrough 层的，鉴于此，花了点时间了解了一下，提出一些浅见，抛砖引玉。二、区别上文我说的是，二者很像，说明它们还是有区别的，现在说说区别。1. passthrough 层出于严谨，结合海思文档图片与 passthrough 源码来一起理解，先看看 passthrough 源码：// 它的源码是 c++ 的，不是 python 格式int reorg_cpu(THFlo
2020-12-15 11:39:15
7608
40
原创 海思开发：mobilefacenet 模型： pytorch -＞ onnx -＞ caffe -＞ nnie
一、前言最近有空，把之前的项目梳理记录一下，惠已惠人。二、详情人脸模型是在 pytorch 下训练的，工程文件用的是这个：MobileFaceNet_Tutorial_Pytorch训练完成之后，先转为onnx模型并做简化，代码如下：def export_onnx(): import onnx parser = argparse.ArgumentParser() #parser.add_argument('--weights', type=str, default=r'F:
2020-12-03 12:00:56
5170
11
原创 海思开发：yolo v5s ：pytorch-＞onnx-＞caffe-＞nnie
一、前言主要是遇见几个问题，赶紧记录一下，免得后面兄弟们吃同样的亏。二、过程1. 报错：Reshape dimention number shall be 2 or 4仔细看了一下，和我 reshape 处理的数据维度有关，而转换代码里 reshape 最高支持维度数是 4。而我的数据shape 是 (1, 3, H, W, class_num + 5)，这是个五维数组。本来就想在后面加个条件 : len(shape) == 5，又怕出现新的错误，上网找了篇其他的转换代码，点进去看了下，发现
2020-11-28 20:05:51
16689
134
原创 海思开发：python下转换图片为bgr_planner格式
前言模型转换后，性能多多少少都有点损失，为了评估肯定需要在海思上跑个数据集，但是海思的图片输入格式是bgr_planner格式，所以需要对图片做个格式转换。对于大神来说，直接全用c/c++完成，但本菜逼只能选择这种two-stage方式了。代码废话不多说，代码都是经过试验，确定能跑的通的。为了放心，特意还做了个试验，同一张图片用python转为bgr_planner格式，和用c++转为bgr_planner格式，再先后喂入人脸识别模型，最后的输出特征值差了0.05左右。import cv2impo
2020-10-16 15:35:46
1238
原创 海思开发：基于 SSD行人检测模型 3516D V300 部署
一、前言最近项目因一些原因停止，空下来的我给自己找点事做，所以就把眼光瞄上了行人检测，该模型是我一个目标检测群群主发的，他在知乎和git都有账号，不过我忘了。。。不说其他了，开始吧。二、模型的选择与转换模型是一切的基础，之所以选定这个模型也是因为它的op海思都支持，没什么很新的op，使得转换模型成为可能。模型平面图就不看了，太大了，我等下提供gitee仓库的地址，有需要自己下去看吧。1.模型转换原模型是pytorch版本，所以先要转化成onnx，再转化成caffe，最后转化成nnie-wk格式，在
2020-07-03 11:39:44
3224
5
原创 海思开发：海思api保存 yvu420sp 为 bmp图片文件
一、前言最近在植入模型时，遇到了模型精度不准的问题，为了定位精度下降的原因，采取一个个节点排除的方法。首先就是确保输入图片无误。所以就有了这篇文章，记录一下经验，欢迎来往各位不吝指教。二、代码屁话不多说，直接上代码，一些基础的知识，比如海思api的介绍，bmp的介绍等等，自己去学习吧，此文不做展开了。参考博文，可以先看看他们的：海思 api 例子：https://blog.csdn.net/mhsszm/article/details/104946840 ；bmp 代码 ：https://blo
2020-05-11 19:42:17
2288
4
原创 VMware 报错提示：客户机操作系统已禁用 CPU，请关闭或重置虚拟机。
VMware 报错提示：客户机操作系统已禁用 CPU，请关闭或重置虚拟机。报错如标题，虚拟机用的好好的突然出现这个毛病，试了下其他的虚拟机账户，发现都没问题，网上搜也没个靠谱的结果，最后自己瞎搞搞定了。下面进入正题：虚拟机表现为不会正常开机，会出现下面一个类似的菜单页面：第一个页面大致如下，忘记拍照，网上找的内容，仅做参考：Ubuntu*Advanced options for Ubu...
2020-04-14 20:56:53
10567
原创 探索发现：opencv, Image 模块在单通道与三通道互相转换上的疑问与解答
opencv, Image 模块在单通道与三通道互相转换上的疑问与解答一、前言最近项目处理图片比较多，有时忘记改默认值，使得API将灰度图读成了三通道图，事后虽然改了过来，但很好奇二者后期转化的结果与原始读入的区别。本着动手多折腾的想法，抽个时间好好试验了一下，结果如下。二、试验1.opencv 模块凡事先上代码，再谈结果，代码如下：src_1 = cv2.imread(r"F:\de...
2020-01-15 20:56:32
11131
3
原创 目标检测算法复习：SPP-Net算法
一、SPP-Net算法出现的原因SPP-Net算法的前面一个算法 R-CNN算法，它虽然是个开创性的目标检测算法。但是它的缺点十分明显：① CNN网络后面接的FC层需要固定的输入大小，限制网络的输入大小 ；② 候选区域会塞给CNN网络用于提取特征向量的，这会有大量的重复计算，造成的计算冗余。基于感受野的特征坐标映射1.看其他人博客的时候，他们只是给出下面公式，而公式怎么来的，他们也不清楚...
2019-11-27 20:35:00
1234
原创 目标检测算法复习：R-CNN算法
#一，前言讲的很详细了： https://blog.csdn.net/WoPawn/article/details/52133338 ；这篇是论文翻译： https://blog.csdn.net/v1_vivian/article/details/78599229 。
2019-10-23 21:08:06
278
原创 探索发现：V4L2框架参考博客
一、内容如题，具体链接如下：https://www.cnblogs.com/silence-hust/p/4464291.html ；（主要看它就好）https://www.cnblogs.com/surpassal/archive/2012/12/19/zed_webcam_lab1.html#!comments ；（这个也是主要参考资料）https://blog.csdn.net...
2019-09-29 11:37:19
508
原创 SVM + LR: 样本数、特征数与模型的选择。
一、前言复习吴恩达的教学视频时，聆听了大神对SVM的看法，有些触动就写了这篇，当做记笔记了，不当之处还请各位雅正，谢谢。二、正文吴恩达提到不同样本数、特征数下的模型选择问题，总结有以下几点，我顺便把我的理解写在下面，没有严格数学推导，只是个人一些口语化的叙述见解。首先定义样本特征数为 n,训练样本数为 m。1.当 n 很大，m相对于n较小时。（如 n =10000，m = 10-10...
2019-09-17 21:49:35
8598
2
原创 菜鸟落泪：python 3.6环境 face_recognition 库 与 dlib 库的安装问题。
一、背景环境：win7 + amd64 + anaconda 1.7.2要装 face_recognition，要先装dlib。说起这个 dlib ，我真是一肚子的火，搞了我好久，一度非常绝望，后来还是坚持下来，终于攻克了它！二、走过的坑先说说 dlib 安装，这个库的安装网上教程太多，又杂又复杂，特别是还要装 VS2017 之类的。以前装其他库的时候，说是要装 VS2017 ，不过到后来...
2019-08-02 15:28:06
829
5
原创 np.multiply.reduce 函数的用法
看 YOLO V3 看到这个函数，去搜又没人写过，英文文档看起来头晕脑胀，自己就随便实验了一下，也不难。先定义 a ：import numpy as npa = np.arange(1,9).reshape(2,2,2)print(a)[[[1 2] [3 4]] [[5 6] [7 8]]]然后挨个来实验：np.multiply.reduce(a,axis = 0)...
2019-07-27 18:59:47
2532
1
原创 菜鸟落泪：debian 9 安装 python 库记录
（1） numpy scipy 库1.背景嵌入式开发最后需要给开发板配置python 及其各种库，且开发板里有系统自带的 python 2.7 版本，而开发手册建议 python 版本 3.5+，为了避免后续屁事不断的麻烦，决定采用虚拟环境。爬坑过程如下：2.过程2.1 安装 虚拟环境 及 python 3+，命令如下：sudo apt install virtualenvsudo a...
2019-07-25 15:51:18
2387
3
原创 菜鸟落泪：安装 python lmdb 踩的坑。
Ubuntu 系统 venv虚拟环境下安装 lmdb （python 3.6）踩的坑由于种种原因，需要在venv 环境下安装 python 3.6版本的 lmdb 库，本来系统自带的 python 是2.7版本的，所以我电脑里有两个版本的 python （2.7 和 3.6）,这是背景。一开始进入venv 虚拟环境：source venv/bin/activate然后命令行状态变为：(...
2019-07-22 11:38:44
5205
原创 菜鸟落泪：配置python 环境时，遇到关于 lmdb 模块的问题。
工作需要，下载 rknn-toolkit 开发套件时，需要事先进行python 环境配置，然后就遇到这个问题，卡了我好久。。。。。（还是自己菜，唉。）BUG具体如下：**这是开始的命令，它就是BUG的潘多拉魔盒：(venv) shopping1@ubuntu:~/rk3399pro_linux/external/rknn-toolkit/packages$ pip install -r ./...
2019-07-20 16:53:09
3085
1
原创 菜鸟落泪：Win7 anaconda 下安装 easydict 模块
Win7 anaconda 下安装 easydict 模块一 问题跑 YOLO_V3 时，报错：没有 easydict 这个模块，鼓捣半下午，发现两种解决思路，具体如下。二 解决方法方法有两种，第一种是我一开始上网搜到的结果，方法链接如下：https://blog.csdn.net/yunshuizhisi/article/details/79382956注：上面方法的 python ...
2019-07-14 21:00:28
1607
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人