Sesen的木屋

原创 计算模型的参数量以及FLOPS

具体可以查看 https://github.com/Lyken17/pytorch-OpCounterTHOP： PyTorch-OpCounterpip install thoppip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.gitclass YourModule(nn.Module):...

原创 CenterNet：Object as points 环境搭建遇到的错误

1、环境cuda10.1 出现ImportError: /home/CenterNet/src/lib/models/networks/DCNv2/_ext/dcn_v2/_dcn_v2.so: undefined symbol: __cudaPopCallConfiguration 解决：改为cuda9.02、修改环境为cuda9.0，cudnn7.0，torch0.4...

原创 Python 添加根目录的三种方法

Python 添加根目录的三种方法1. 将"."添加至PYTHONPTAH环境变量 【推荐】在～/.zshrc中,export PYTHONPATH=${PYTHONPATH}:"."echo ${PYTHONPATH}import osprint(os.environ["PYTHONPATH"])2. sys.path.append或者insert，对访问到根目录的py文件，手动添加根目录import sys# 常用方式1sys.path.insert(0, '../') #

原创 记录常用的小工具

iterm2oh_my_zsh：zsh-autosuggestions ：shell补全路径git clone https://github.com/zsh-users/zsh-autosuggestions ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-autosuggestionsbrew install zsh-autosuggestionssource /usr/local/share/zsh-autosuggestions/zsh-

原创 ssh 隧道建立，tensorboard 远程运行，本地访问

ssh 隧道建立，tensorboard 远程运行，本地访问建立ssh隧道参考文档：https://www.zsythink.net/archives/2450写的很清楚。建立ssh隧道，并登陆远程服务器ssh -L 8008:127.0.0.1:8008 服务器用户名@服务器ip服务器运行tensorboard命令tensorboard --logdir tf_logs --port 8008port可以自己指定，与之前建立隧道的转发端口一致本地查看tensorboard曲线网址

原创 pytorch分布式训练 RuntimeError: all tensors must be on devices[0]

在pytorch分布式训练时，需要指定device_ids一般我们指定的方式为device_ids=range(cfg.gpus), gpus为我们使用的gpu数量model = MMDistributedDataParallel(model.cuda(), device_ids=[cfg.gpus])但是会出现：RuntimeError: all tensors must be on devices[0]有可能.

原创 bash运行.sh文件出现 command not found: XX某变量名

bash运行.sh文件出现 command not found: XX某变量名bash或zsh运行 temp.shtemp.sh#!/bin/bashexport CUDA_VISIBLE_DEVICES=1# compile psecd ./pse/python setup.py buildcd ..## run testtest_img_dir = "path/to/img/test" # 【注意这里test_img_dir后面的空格】test_single_img_path=

原创 gitlab github 中gitignore文件的用法

在使用Git的过程中，我们喜欢有的文件比如日志，临时文件，编译的中间文件等不要提交到代码仓库，这时就要设置相应的忽略规则，来忽略这些文件的提交。简单来说一个场景：在你使用git add .的时候，遇到了把你不想提交的文件也添加到了缓存中去的情况，比如项目的本地配置信息，如果你上传到Git中去其他人pull下来的时候就会和他本地的配置有冲突，所以这样的个性化配置文件我们一般不把它推送到git服务器中...

原创 python 源码-编译-安装

最近使用conda配置psenet所需的环境，opencv老是编译不对，生成的adaptor.so链接地址不对。重新编译安装opencv，conda安装下载很慢。终于下载编译opencv完毕，仍然出现错误：psenet/pse/adaptor.so: undefined symbol: _ZTVN2cv12_OutputArrayE解决思路：1、利用python源码，进行...

原创 gitlab 建立保护分支

原创 vim 常用命令

dd --删除当前行dw --删除一个单词ndd --删除n行数据[N]yy --复制一行或者N行yw --复制一个单词p --粘贴Ctrl + f --向上翻页Ctrl + b --向下翻页i --插入到光标前面I --插入到行的开始位置a --插入到光标的后面A --插入到行的最后位置o, O --新开一行Esc --关闭插入...

原创 不使用root权限，使用conda install进行gcc升级

代码需要gcc版本>=9.0，但是没有root权限。可以使用conda方法安装需要的gcc。去anaconda cloud上搜索gcc，选定自己需要的版本，按照里面的命令，进行安装。例如：...

原创 mac 如何下载github中的单个文件

一般在github或者gitlab中下载代码时，git clone或者download整个项目，当一个项目非常大，而我们又只需要其中一个文件时，应该如何操作呢。比如只需要pytorch/exmaple中的mnistmac在mac中，使用Chrom浏览器时，可以直接安装插件。在Chrome Store中有个扩展：Octo Mate下载链接：链接：https://chrome.g...

原创 COCO数据集--分割数据定义及标注信心

COCO数据集中图像都是一样的，标注信息annotations的不同，表示不同的任务。分为：instances——实例分割 person_keypoints——关键点分割 stuff——语义分割 captions——图片的配文，是一句话每个类别分别包含train，val。做实例分割任务时，使用instance_train201X.json文件作为标签信息。下面详细介绍。1、an...

原创 图像实例分割评价指标

图像分割可分为：语义分割，实例分割，全景分割1、语义分割（semantic segmentation）：标注方法通常是给每个像素加上标签；常用来识别天空、草地、道路等没有固定形状的不可数事物（stuff）。2、实例分割（instance segmentation）：标注方法通常是用包围盒（bbox？）或分割掩码标记目标物体；常用来识别人、动物或工具等可数的、独立的明显物体（things...

原创 python函数中的不定长参数

python自定义函数中有两中不定长参数，第一种是*name，第二种是**name。加了星号* 的参数会以元组(tuple)的形式导入，存放所有未命名的变量参数。加了两个星号** 的参数会以字典的形式导入。第一种形式的不定长参数，在传入额外的参数时可以不用指明参数名，直接传入参数值即可，第二种因为返回的是字典，所以传入时需要指定参数名。两个简单例子：*name 形式：>...

原创 win10+ VS2015 + opencv3.4 + libtorch C++平台部署pytorch训练模型（ResNet50为例）（二）

未完待续。

原创 win10+ VS2015 + opencv3.4 + libtorch C++平台部署pytorch训练模型（ResNet50为例）（一）

吐血整理默认已经安装pytorch1.0以上版本，如果没有安装，可以使用如下命令进行安装（CPU版本，若想安装GPU CUDA版本，可以去官网https://pytorch.org/get-started/locally/选择）：conda install pytorch torchvision cpuonly -c pytorch1、安装VS2015安装VS2015专业版，安装...

原创 Ubuntu16.04 配置gnome桌面 VNCserver xstartup文件

1、安装gnome桌面sudo apt-get install gnome-session-flashbacksudo apt install ubuntu-desktop gnome-panel gnome-settings-daemon metacity nautilus gnome-terminal -y2、安装vncserverapt-get install vn...

原创 tensorflow查看模型checkpoint保存节点

from tensorflow.python import pywrap_tensorflowimport oscheckpoint_path=os.path.join('model.ckpt-131805')reader=pywrap_tensorflow.NewCheckpointReader(checkpoint_path)var_to_shape_map=reader.get_...

原创 ubuntu系统查看cuda及cudnn版本号

1、查看 CUDA 版本：cat /usr/local/cuda/version.txt2、查看 CUDNN 版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

原创 ubuntu系统配置Anaconda环境变量

1、安装anaconda后，执行命令$ conda输出 conda：未找到命令2、在跟目录下，打开etc/profile,添加anaconda环境变量root@node01:/# vim etc/profile在最后一行添加anoconda3/bin：export PATH=/opt/software/anaconda3/bin:$PATH# anconda3安装路...

原创 ubuntu系统下加速安装pytorch

1、ubuntu系统下新建用户，注意区分useradd和adduser的区别$ adduser name# 提示输入UNIX密码-确认密码-详细信息电话等useradd命令添加用户后，需要使用passwd name命令，写入密码。相比之下，adduser交互性更强一些。2、在anaconda网站下载适配于自己系统的安装包，安装完毕后，python已安装。3、安装GPU版本的...

原创 由华为HR胡玲事件引发的对职场常见疾病的记录，提醒自己和家人、朋友、同事注意安全

更新：2019年11月4号1、急性重症肝炎并肝衰竭死亡、症状：前期 与感冒症状相似，脸色黄（黄疸）、嗜睡、乏力、食欲不佳；及时就诊，把情况向医生讲清楚，引起医生的重视； 后期 思维混乱、表达不清晰、面色萎黄周期：急性重症肝炎的病程通常就是1－2周2、心源性猝死症状：激烈运动、长期不休息导致的快速死亡。在肥胖、高血压人群中易高发。...

原创 文字识别/文本检测数据集

1、Chinese Text in Wild (CTW)32285张图像，1018402个中文字符(来自于腾讯街景);包含平面文本，凸起文本，城市文本，农村文本，低亮度文本，远处文本，部分遮挡文本。图像大小2048*2048，数据集大小为31GB。(8:1:1)比例训练集(25887张图像，812872个汉字)，测试集(3269张图像，103519个汉字)，验证集(3129张图像...

原创 OCR文字识别，即STR场景文本检测 网络模型发展概述

随着深度学习的发展，计算机视觉领域涌现出了很多端到端模型，图像、场景文字检测识别模型也在此基础上有个长远发展。1、基础网络框架 在CV领域，图像识别、检测的基础是特征提取，经典的图像分类模型包括VGGNet，ResNet、InceptionNet（GoogleNet）、DenseNet、Inside-Outside Net、Se-Net等，这些网络可以作为基础网络（通用网络模型），对输...

原创 OCR文字识别：深度学习算法识别步骤

之前没有接触过OCR文字识别，本文主要对使用深度学习算法完成文字识别的整体步骤进行一下梳理。一般来说，OCR文字识别是检测+识别，首先将可能在文字的区域检测出来，然后在进行识别。本质是识别图片中的文字，即在复杂的图片背景下对所需目标文字进行识别提取。1、文字识别基础步骤 ① detection：检测存在文字的区域，得到proposal。 ② recog...

原创 SAGAN：Self-Attention Generative Adversarial Networks论文解读

在上一篇博客中，SEnet关注于各通道间的依赖关系，通过增强和减弱某个通道特征的表达使得网络有“注意力”。而SAGAN将注意力机制应用在GAN生成项目中，主要是每个feature map 和它自身的转置相乘，让任意两个位置的像素直接发生关系，这样就可以学习到任意两个像素之间的依赖关系，从而得到全局特征。从单个特征出发，使得网络有“注意力”能力。1、GAN生成图片时存在的问题 ...

原创 SE net：Squeeze-and-Excitation Networks论文解读

近期对有关注意力机制的两篇文章进行了解读。分别是可以嵌入到很多网络结构中去的SE block的提出论文SENet，以及在GAN生成领域引入注意力机制的SAGAN。这两篇文章都是很经典的文章，这里将其详细整理一下。SE Net：Squeeze-and-Excitation Networks (CVPR2018) 这篇文章的主要贡献是对通道间的依赖关系、各通道特征的权重进行了学习和分配。...

原创 深度学习模型训练时的一些考虑

1、首先，判断当前训练集上的性能是否可以接受。若模型在当前训练集上的性能表现很差，采用的算法无法在训练集上学习出良好的模型，那么暂且没有必要收集更多的数据。通过尝试增加网络层数或者每层更多的隐藏单元，以增加模型的拟合能力。此外，也可以尝试调整学习率等超参数的措施来改进学习算法。2、如果复杂度高的模型和仔细调试的优化算法效果不佳，问题可能源自训练数据集的质量。训练数据中可能存在太多噪声，或者可能...

原创 TridentNet 论文解读：Scale-Aware Trident Networks for Object Detection

Scale-Aware Trident Networks for Object Detection（CVPR2019，中科院&图森未来）该论文[3]的主要思想是针对不同大小的物体，感受野应该是不同的。使用空洞卷积来创建 multi branch，然后再借鉴scale-aware的思路，构建trident network。即在相同分辨率大小的特征图上，设计不同的感受野。主要的结果图如...

原创 声明显卡数与实际显卡数不符：hik_saccade训练时未使用GPU，只占用显存

hik_saccade训练时未使用GPU，只占用显存。分析原因，代码中设置0,1,2,3四张显卡，而实际中只用了两张显卡，导致另外两张找不到

原创 pytorch训练过程中的chunk_size及num_workers

pytorch训练过程中的chunk_size及num_workers作用。Chunk_size：涉及到torch下的矩阵切片和划分,chunk_size有几个元素就占用几张显卡。num_workers：多进程提取数据，用于dataloaderDataLoader(dataset, batch_size=1, shuffle=False, sampler=None,num_work...

原创 论文解读：Consistent Optimization for Single-Shot Object Detection

Consistent Optimization for Single-Shot Object Detection（2019）值得一看待补充 该论文的提出主要是为了解决训练和测试不一致问题。现在主流的目标检测算法，一般会包含两个分支，一个分类一个坐标框回归，这两个分支在anchor-free和anchor-based方法中一般都是独立的。问题在于，在进行分类的时候，使用的是原始的anch...

原创 KL loss：Bounding Box Regression with Uncertainty for Accurate Object Detection解读

Bounding Box Regression with Uncertainty for Accurate Object Detection(CVPR2019, 旷视)该论文是旷视2019年提出的，主要是使目标边框更加清晰，提升定位精度，提出了一种新的边界框回归损失，同时完成边界框变换和定位差异。在目标检测数据集中，ground-truth边界框在一些情况下存在固有的不确定性。 如下图所示...

原创 HRNet（cvpr2019）：Deep High-Resolution Representation Learning for Human Pose Estimation （并行高分辨率保持）

Deep High-Resolution Representation Learning for Human Pose Estimation（CVPR2019）HRNet由微软亚洲研究院和中科大共同提出。定义了一个通用的计算机视觉网络框架 HRNet，在图像分类，语义分割，目标检测，人脸特征点检测等多个任务上的测试结果全面吊打当前网络框架，不仅精度提升了，网络参数量和计算量也降低了，并且给...

原创 论文解读DetNet: A Backbone network for Object Detection

DetNet: A Backbone network for Object Detection (ICCV 2018，旷视)该论文的出发点与M2Det相似，均是源自图像分类和物体检测任务之间的不同。具体来说，one-stage方法和two-stage方法都是直接将在ImageNet图像分类任务上预训练的模型进行finetune。但毕竟分类任务和检测任务不同，深层特征对分类任务有效，低层特征...

原创 M2Det论文解读：A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network

A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network（AAAI 2019）目前主流的目标检测算法均广泛使用特征金字塔结构来解决物体尺度变化带来的差异。这篇论文提出了多层次金字塔网络（MLFPN），解决之前特征金字塔设计的局限性:只是简单地根据内在多尺度构造金字塔结构，被设计用于识别任务。MLFP...

原创 RefineDet论文解读：Single-shot Refinement Neural Network for Object Detection

Single-shot Refinement Neural Network for Object Detection（CVPR 2018）该论文结合了one-stage和two-stage方法，具体来说是结合的Faster RCNN和SSD。前者首先提取候选区域，再进行目标的分类和回归，检测精度高于后者；后者的检测速度快，精度稍差，主要原因是因为正负样本比例严重失调。RefineDet结合...

原创 Anchor-free方法分类整理：阅读导航

可按照以下分类，查看相应的文章详情。2019.8.25更新：文章开源代码地址CornerNet [1] (2018) ：https://github.com/princeton-vl/CornerNetCornerNet-lite[2] (2019)：https://github.com/princeton-vl/CornerNet-LiteCenterNet [3] (2...