weixin_41153216的博客

文章目录Step 1: 搭建虚拟机（刷机过程中的HOST）Step 2: 下载SDK ManagerStep 3: 配置开发环境Step 4: 对应软件下载和安装Step 5: 烧录Step 6: 安装系统需要环境Step 7: Xavier上查看L4T版本博客中每个字都是自己码的，图也是自己实操，转载或使用请征得同意。谢谢。   由于项目需求，需要将Xavier的L4T版本刷成32.3.1，因此要对Xavier进行刷机，刷成Jetpack 4.3。主要参考链接：Xavier刷机教程Step 1: 搭

文章目录1 Introduction2 Methods2.1 Adder Networks2.2 梯度回传2.3 自适应的学习率缩放14.3 Experiments14.4 Q & AAdderNet是北大和华为诺亚方舟实验室共同完成的一篇文章，被CVPR2020收录为Oral representation.1 Introduction  深度神经网络中会使用大量的浮点数乘法运算，这些运算可以在GPU上进行提速并在多个计算机视觉领域取得了进步。但是GPU的高功率消耗使得一些算法无法应用在移动端

文章目录Yolov5 代码笔记1. train(hyp)函数重点部分1.1 载入图片路径1.2 创建模型1.3 确定训练和测试图片的尺寸1.4 根据参数的形式（是否为weight，是否为bias等）定义模型的不同部分，并为不同部分设置不同的学习率及参数1.5 载入预训练模型(ckpt)及权重(ckpt['model'])1.6 定义学习率变化趋势，这里采用的是Cosine Learning Rate Decay1.7 载入数据集，定义数据集迭代器1.8 定义训练集和验证集的数据读取器(dataloader和

文章目录1. Introduction2. 与CornerNet的对比1. Introduction  目前主流的物体检测模型都会引入锚框，这些方法通常会存在以下问题：（1）算法通常需要大量的锚框，这样才能确保GT与某些锚框之间有较大的IoU；（2）锚框的尺寸和宽长比通常需要手动设定；（3）锚框和GT之间没有对齐，对于候选框分类的帮助不大。  为了解决上述问题，学术界提出了一些基于关键点的物体检测算法，如CornerNet等。CornerNet的优势是一种不依赖于锚框的一阶算法，可以达到SOTA，该算

文章目录1. Introduction2. Methods2.1 BiFPN2.2 Compound Scaling2.3 EfficientDet3. Performance4. Q & A谷歌大脑发布的高效高精度物体检测器。收录于CVPR 2020。安利一个大佬的复现代码（zylo117复现Torch版本）1. Introduction   现有的SOTA物体检测算法通常无法兼顾效率和精度，复杂的模型需要较大的计算量，而简单模型又会损失检测精度。因此，本文提出了一种简单且有效率的加权双向

文章目录1. 论文内容2.代码调试2.1 服务器环境配置2.2 编译Yolo V4源码2.3 单帧图像测试2.4 在自己的数据集上训练和验证2.4.1 数据整理成VOC的格式2.4.2 修改配置文件2.4.3 YoloV4训练2.4.4 mAP指标计算原文链接源码地址1. 论文内容  这篇文章的主要任务是将物体检测任务的各类奇技淫巧进行了总结和详细的实验。  目前很多特征表示都表明可以提升CNN的正确率，但是这些特征（技巧）有时候只适用于一类特定的问题或任务。作者想要在本研究中去探索哪些特征（技巧

文章目录Spot the Difference by Object Detection1. Introduction2. Q&A3. Future WorkSpot the Difference by Object Detection由清华大学和JD Group联合产出的技术报告，挂在Arxiv 2018上。感谢作者的分享。1. Introduction  文章需要是想找出两张图书...

文章目录Circle Loss1. 论文摘要2. 实现方法3. 实验结果3.1 Face Recognition3.2 Person ReID3.3 Fine-grained Image RetrievalCircle Loss由旷视研究院孙奕帆发表于CVPR 2020 Oral，赞~~1. 论文摘要（1）文章基于相似度优化层面对从class-level label和pair-wise l...

文章目录DeepQA论文概要网络结构与算法流程实验结果摘要重写与复盘下一篇论文计划DeepQADeepQA的作者是延世大学Kim Jongyoo，收录于CVPR 2017论文概要Tips: 前几天听了人大赵鑫老师和中科院兰艳艳老师讲解怎么写论文，赵老师对引文的六句扩充法以及兰老师的3W2H方法还是收益很深。本质上感觉两种方法应该是一样的，我在看论文的过程中就使用了六句扩展法。PPT截图来自...

1. 摘要 针对set-based ReID问题，目前主流的一种做法是对set中的单张图像使用CNN提取特征，再对这些特征使用融合算法整合为set的特征表示。但是，质量（作者定义了感知质量和语义质量，perceptually/semantically low quality images）较差的图片和简单图片的过拟合会影响最终的特征表示。因此，Wang等人提出了ID-aware ...

原文地址： https://arxiv.org/abs/1603.06208翻译链接：http://tongtianta.site/paper/838Project地址：https://kanezaki.github.io/rotationnet/Caffe代码地址：https://github.com/kanezaki/rotationnet (本文主要介绍)Pytorch代码地...

参考链接http://homeway.me/2017/08/08/setup-gpu-for-tensorflow/ 安装过程中以root登录文章部分安装包需要根据自己的情况进行下载，并不是傻瓜式操作。有需要可以留言或私信。可以发给你，有爱心的客官可以打赏个饭钱 ~_~。 1. 查看显卡配置lspci | grep -i vga 2. 下载对应的显卡驱动h...

2001年的一篇经典论文。关键的优点是实时的人脸检测原版总结PPT下载网址：https://download.csdn.net/download/weixin_41153216/10593883文章下载地址：Youtube上的对算法的讲解：文章的主要创新和内容是：类Haar特征 + 积分图 + Adaboost + 级联类Haar特征主要是矩形特征，更多的是图像上强度的...

工作之后有点小忙碌，一直都没来得及更新博客。这是工作之后的第一篇博客。Mark一下自己，快要一个月了，快要发工资了，R神很高兴啊。今天在工作培训中，需要运用InceptionV4-Resnet-V2进行图片的分类。由于InceptionV4的网络很深，所以直接训练是很不理智的，于是下载了Pre-train的模型。网络文章地址：http://arxiv.org/abs/1602.0726...

第二周 第二部分 Python与向量化2.11 向量化逻辑回归中要计算 ，向量化的表示为 z = np.dot(w,x)+b课程中给出如下代码，分别计算向量化和非向量化之后的计算时间对比import numpy as npimport timea = np.random.rand(1000000)b = np.random.rand(1000000)tic = time.time()...

书接上文9.分割数组    使用hsplit，可以沿着水平轴分割一个数组，或者指定需要分割的子数组的数目，或者指定在哪些列之后进行分割。>>> a = np.floor(10*np.random.random((2,12)))>>> aarray([[0., 1., 7., 0., 6., 2., 5., 5., 7., 7., 1., 7.], ...

书接上文7.形状操作    数组形状由沿每条轴的元素数量决定。>>> a = np.floor(10*np.random.random((3,4)))>>> aarray([[7., 1., 6., 3.], [9., 5., 7., 4.], [2., 5., 0., 8.]])>>> a.shape(3,...

第二周 神经网络基础2.1 二分类计算机保存图片通常是保存RGB三个通道，假设图片为64*64像素，则有三个64*64的矩阵。将所有的像素强度都输入进特征向量x，则x的长度为64*64*3，输入向量维度为n_{x}= 12288...

书接上文  NumPy基础学习【1】4. 基本运算    数组的运算是按照元素进行的，新的数组被创建并且被结果填充。>>> b = np.arange(4)>>> barray([0, 1, 2, 3])>>> c = a-b>>> carray([20, 29, 38, 47])>>>