tumi678的博客

原创 docker部署 standard_init_linux.go:228: exec user process caused: no such file or directory

使用cmder或git bash工具用vim打开启动脚本entrypoint.sh，设置文件编码格式set ff=unix。原文链接：https://blog.csdn.net/Numb_ZL/article/details/124566468。但是由于启动脚本entrypoint.sh实在Windows环境下编写的，文件编码方式不是unix，所以无法执行。在Dockerfile中使用了启动脚本entrypoint.sh。重新构建docker镜像。使用新镜像重新启动容器。

原创 仿射变换利用M对特征点对应坐标点计算

【代码】仿射变换利用M对特征点对应坐标点计算。

原创 ocr 文本行检测，文本检测数据集下载链接网址

pan_pp.pytorch/README.md at master · whai362/pan_pp.pytorch · GitHub CTW1500[dataset] https://1drv.ms/u/s!Aplwt7jiPGKilH4XzZPoKrO7Aulk Total-Text[image][gt] https://drive.google.com/file/d/1bC68CzsSVTusZVvOkk7imSZSbgD1MqK2/view?usp=sharin...

原创 labelme标注数据某个标签类别切图

import globimport jsonimport osimport cv2from IOU import CaculateIOU# json_list=glob.glob(r'D:\Personal\Desktop\res\*.json')def cut_img(json_path,img_name,img_dir): json_result = json.load(open(json_path, 'r', encoding='utf-8')) annotation.

原创 高阶函数map/reduce 处理函数和list

python的内建函数map()、reduce()1. Map的用法我们先看map。map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。现在，我们用Python代码实现：>>> def f(x):... return x * x...>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])>>> l

原创 python 如何定义常量 const 值不会被改变

原创 转换成结构化json

import osimport jsonimport codecsif __name__=="__main__": test_file = "json_file" test_file_list = os.listdir(test_file) json_save_path="after_json_file" for json_file in test_file_list: json_name=json_file.split(".")[0] .

原创 keras框架 打印出当前模型每一层size

1.打印出当前模型每一层函数basemodel = Model(inputs=input, outputs=y_pred) basemodel.summary()

原创 服务器查看GPU卡使用情况的命令

nvidia-smips -ef | grep python 可以看谁在用卡

原创 大文件清理 C盘被占满清理pycharm清理内存content.dat.storageData

可以用360软件管家，删除content.dat.storageDatanvidia tx2上容量有限，如果装有pycharm或clion，记得定时删除content.dat.storageData文件，一般位于home下隐藏文件.pycharm或.clion，cache目录下。删除也没用，下一次打开clion，还是会生成同样大的content.dat.storageData缓存文件。解决办法：打开clion安装目录的bin文件夹下idea.properties文件，将文件以下两行内容取消注释，并更

原创 psenet自己的阅读笔记-SCUT-CTW1500数据弯曲下载链接以及文本标注格式理解

下载链接：The SCUT-CTW1500 dataset can be downloaded through the following link:(https://pan.baidu.com/s/1eSvpq7o PASSWORD: fatf)or (https://1drv.ms/u/s!Aplwt7jiPGKilH4XzZPoKrO7Aulk) (OneDrive)unzi...

转载 TensorFlow计算loss值大小，tf.nn.softmax_cross_entropy_with_logits的用法

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name，与方法有关...

转载 ECCV 2018论文解读及资源集锦（8月20日更新）

本文为极市平台原创收集，转载请附原文链接：https://blog.csdn.net/Extremevision/article/details/81875068之前我们整理了CVPR 2018 论文解读集锦和历年VALSE 视觉资源汇总（两篇都仍在更新中），目前计算机视觉三大顶级会议之一的ECCV，European Conference on Computer Vision(欧洲计算机视觉...

转载 图像腐蚀与膨胀

转自：https://blog.csdn.net/hjxu2016/article/details/778377651、图像的腐蚀：就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然是白色）。这是怎么做到的呢？卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素就保持原来的像素值，否则就变为零。  这回产生什么影响呢？根据卷积核的大小靠近前景的所有像素都会被腐...

转载 深度学习算法的点云分割-Pointnet++（一）

pointnet++为pointnet的升级版

转载 Python语法总结（八）：json

转自：https://www.cnblogs.com/GyForever1004/p/8544093.htmlJSON(JavaScript Object Notation) 是一种轻量级的数据交换格式，简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。 易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。JSON 函数简介使用 JSON 函数需要导入 json 库：i...

转载 Python语法总结（六）：Scipy.misc

转自：https://blog.csdn.net/q583501947/article/details/76735870

转载 Python语法总结（七）：importlib

转自：https://blog.csdn.net/defending/article/details/78095402?locationNum=1&fps=1 importlib包的目的是双重的。一个是在Python源代码中提供import语句（以及扩展名为__import__()函数）的实现。这...

转载 python语法总结（五）：argparse

转自：https://blog.csdn.net/guoyajie1990/article/details/76739977一、argparse模块python标准库模块argparse用于解析命令行参数，编写用户友好的命令行界面，该模块还会自动生成帮助信息，并在所给参数无效时报错。 首先看一个例子：#arg_parse.py#coding:utf-8import argparsepars...

转载 python语法总结（四）：socket

Python 提供了两个基本的 socket 模块。   第一个是 Socket，它提供了标准的 BSD Sockets API。   第二个是 SocketServer， 它提供了服务器中心类，可以简化网络服务器的开发。下面讲的是Socket模块功能 1、Socket 类型套接字格式：socket(family,type[,protocal]) 使用给定的地址族、套接字类型、协议编号（默认为0）...

转载 python语法总结（三）：Numpy

转载自：https://blog.csdn.net/cxmscb/article/details/54583415一、numpy概述numpy（Numerical Python）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。二、创建ndarray数组ndarray：N维数...

转载 python语法总结（二）：sys模块

转自：https://blog.csdn.net/weixin_39523998/article/details/77934530sys模块功能多，我们这里介绍一些比较实用的功能，相信你会喜欢的，和我一起走进python的模块吧！sys模块的常见函数列表sys.argv: 实现从程序外部向程序传递参数。sys.exit([arg]): 程序中间的退出，arg=0为正常退出。sys.getdefau...

转载 python语法总结（一）os模块

转自：https://www.cnblogs.com/yufeihlf/p/6179547.html在自动化测试中，经常需要查找操作文件，比如说查找配置文件（从而读取配置文件的信息），查找测试报告（从而发送测试报告邮件），经常要对大量文件和大量路径进行操作，这就依赖于os模块，所以今天整理下比较常用的几个方法。网上这方面资料也很多，每次整理，只是对自己所学的知识进行梳理，从而加深对某个模块的使用。...

转载 深度学习算法的点云分割-PointNet（五）

转自:https://blog.csdn.net/u012986684/article/details/78261165大家好,今天给大家介绍下cvpr2017 一篇文章Pointnet 语义分割,该网络基于tensorflow 写的,非常轻巧方便,但是文章和代码有一定出入,在训练过程中出现过拟合现象,大概训练了10个小时多.1    需要准备的东东(1) Ubuntu 16.04  GTX106...

转载 深度学习算法的点云分割-PointNet（四）

转载自：https://blog.csdn.net/qq_33278989/article/details/80410381今天要聊的论文是斯坦福大学Charles等人在CVPR2017上发表的论文，提出了一种直接处理点云的深度学习网络——PointNet。这篇论文具有里程碑意义，标志着点云处理进入一个新的阶段。为什么会给这么高的评价呢？因为在PointNet之前，点云没办法直接处理，因为点云是三...

转载 深度学习算法的点云分割-PointNet（三）

转自：https://blog.csdn.net/qq_15332903/article/details/80224387目前二维深度学习取得了很大的进步并且应用范围越来越广，随着三维设备的发展，三维深度学习得到了很大的关注。最近接触了三维深度学习方面的研究，从pointnet入手，对此有了一点点了解希望记录下来并分享，若有误希望指正~持续更新以下所有的解读基于点云分类。一、三维深度学习简介二、点...

转载 转载：基于深度学习的图像语义分割技术概述之5.1度量标准

论文出处：https://blog.csdn.net/u014593748/article/details/71698246本文为论文阅读笔记，不当之处，敬请指正。 A Review on Deep Learning Techniques Applied to Semantic Segmentation:原文链接5.1度量标准为何需要语义分割系统的评价标准？为了衡量分割系统的作用及贡献，其性能...

转载 深度学习算法的点云分割-PointNet（一）

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation（点云分割）

转载 3D POINT CLOUD CLASSIFICATION USING DEEP LEARNING – RECENT WORKS September 20, 2017点云分割综述的翻译

转载自：https://blog.csdn.net/u013019296/article/details/79652035在过去的这些年里，对二维图像已经有了大量深入的研究，并且有着长足的发展。它在分类任务上取得了极好的结果主要得益于一下两个关键因素： **1.卷积神经网络。 2.数据 - 大量图像数据可用。**但是对于3D点云，数据正在迅速增长。大有从2D向3D发展的趋势，比如在opencv中就...

转载 Tensorflow-Summary用法

在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tensorboard显示。tf.summary有诸多函数：1、tf.summary.scalar用来显示标量信息，其格式为：tf.summary.scalar(tags, values, collections=None, name=None)例如：tf.summary.scalar('mean', m...

转载 YOLO_v1 的 TensorFlow 源码分析

本文是对上一篇文章的继续补充，在这里首先说明，这个 TensorFlow 版本的源码 来自于 hizhangp/yolo_tensorflow，经过部分细节的调整运行在我的设备上，我使用的环境是Win10+GPU+OpenCV 3.3 + Python3.6 +TensorFlow1.4 和 Ubuntu16.04 + GPU+OpenCV 3.3 + Python3.6 + TensorFlow...

转载 tensorflow笔记 ：常用函数说明

1.矩阵操作1.1矩阵生成这部分主要将如何生成矩阵，包括全０矩阵，全１矩阵，随机数矩阵，常数矩阵等tf.ones | tf.zerostf.ones(shape,type=tf.float32,name=None) tf.zeros([2, 3], int32) 用法类似，都是产生尺寸为shape的张量(tensor)sess = tf.InteractiveSession()x = tf.on...

翻译 Densely Connected Convolutional Networks翻译

Abstract：最近的成果显示，如果神经网络各层到输入和输出层采用更短的连接，那么网络可以设计的更深、更准确且训练起来更有效率。本文根据这个现象，提出了Dense Convolutional Network (DenseNet)，它以前馈的方式将每个层都连接到其他每一层。然而传统L层卷积网络有L连接，而DenseNet的任一层不仅与相邻层有连接，而且与它的随后的所有层都有直接连接，所以该网络有L(

转载 将数据集做成VOC2007格式用于Faster-RCNN训练

0.文件夹名首先，确定你的数据集所放的文件夹名字，例如我的叫logos。（或者和voc2007一样的名字：VOC2007）1.图片命名虽然说图片名对训练没什么影响，但建议还是按VOC2007那样，如“000005.jpg”这种形式。至于图片格式，代码里是写的jpg。批量修改图片名字为VOC2007格式可以参考以下Matlab代码：[plain] 

原创 SSD代码部分笔记附加keras版本代码

代码ssd_training.py使用tensorflow进行写写出来是MultiboxLoss类,在以下代码中导入该模块：SSD_training.ipynb 功能：计算loss值代码ssd_utils.py使用tensorflow和numpy进行写写出来的是BBoxUtility，定义了box框, 在以下代码中导入该模块：SSD_training.ipynb   S

转载 全卷积网络

全卷积网络卷积神经网络（CNN）自2012年以来，在图像分类和图像检测等方面取得了巨大的成就和广泛的应用。CNN的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征：较浅的卷积层感知域较小，学习到一些局部区域的特征；较深的卷积层具有较大的感知域，能够学习到更加抽象一些的特征。这些抽象特征对物体的大小、位置和方向等敏感性更低，从而有助于识别性能的提高。这些抽象的特征对分

原创 SSD图像识别代码学习笔记

看代码之前先简述一下SSD的做法：图片被送进网络之后先生成一系列feature map，传统一点的框架会在feature map（或者原图）上进行region proposal提取出可能有物体的部分然后进行分类，这一步可能非常费时，所以SSD就放弃了region proposal，而选择直接生成一系列defaul box（或者叫prior box），然后将这些default box回归

原创 VGG16预训练学习笔记

1. 迁移学习2. 预训练模型3. 使用预训练模型4. 运用预训练模型 ? 提取特征(extractfeatures) ? 优化模型(finetune the model)5. 优化模型的方式6. 在数字识别中使用预训练模型 ? 只针对输出密集层(outputdense layer)的重新训练 ? 冻结初始几层网络的权重因子1什么是迁移学习？我们知道，神

原创 Ubuntu14.04+GPU＋keras机器学习环境配置

1.首先安装Ubuntu14.04，这是Ubuntu系列最稳定的版本。安装驱动，有条件使用GPU的，采用GPU加速。2.安装GPU驱动过程：ctrl+Alt+F1输入账号密码sudo stop lightdmsudo susudo apt-get --purge remove nvidia-*./NVIDIA（tab一下）......--no-opengl-files