- 博客(45)
- 收藏
- 关注
RSS订阅
原创 【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署
YOLOv8 使用 TensorRT 进行模型加速部署
2023-05-15 09:00:00
8039
23
原创 学习知识汇总（持续更新......）
在v1的基础上增加了残差结构，类似于瓶颈结构，输入→1×1卷积→3×3卷积放大通道用于深度卷积进行通道分离融合各自通道上的像素→1×1卷积再将通道还原为原来大小，将输入部分的权重add到最后的输出权重，即残差结构，v2不仅对通道进行分离和像素上的融合减少参数，而且由于残差的加入使得深层次的信息与浅层的信息也进行了融合，避免了梯度消失网络退化的问题，同时参数量很小可以部署到移动设备中。1、分类器（D）：对输入的真实图片和生成器生成的假图片进行判别，判别出假图则提高生成器的参数，使其生成的假图更逼真。
2022-11-07 10:52:34
848
1
原创 【图像增强】常见的图像增强算法
① 算法原理直方图均衡化，一般可用于灰度图像的对比增强（如：人脸阴影部位增强）；② 算法优缺点如果直接对彩色图像R,G,B三通道分别均衡化后再合并，极容易出现颜色不均、失真等问题，所以，一般会将RGB图像转换到YCrCb空间，对Y通道进行均衡化（Y通道代表亮度成分)① 算法原理灰度世界算法以灰度世界假设为基础，该假设认为：对于一幅有着大量色彩变化的图像，R,G,B三个分量的平均值趋于同一灰度值Gray。从物理意义上讲，灰色世界法假设自然界景物对于光线的平均反射的均值在总体上是个定值，这个定值近似地为
2022-11-04 10:34:24
18894
1
原创 【YOLO】YOLOX训练COCO数据集
有小伙伴是训练coco数据集时，AP为0，实际上，我并没有遇到这个问题，我这里测试了下，是可以正常运行的，但有小伙伴问了，我这里就总结一下如何训练Coco数据集吧．．．步骤如下首先呢，保证Coco数据集格式正确Animals_Coco ├─annotations ├─train2017 └─val2017在annotations 文件夹下包含两个重要的文件instances_train2017.json，instances_val2017.json在train2017和val
2021-08-17 10:35:39
9282
33
原创 【YOLO】解决YOLOX训练时AP为0
前段时间被YOLOX刷屏了，各个公众号都在强推，号称：性能超Yolov5，吊打一切YOLO于是，我满怀期待，下载下源码，准备试一试．．．一、问题描述嗯，没错，遇到了一堆bug，不过好在都解决了，最后训练的时候好家伙，AP一直为0，上GIthub上一搜索，看来遇到同样问题的不止我一个而且根据有些答复修改，发现也不对，最后陷入沉思．．．直到昨天群组里偶然有人说他用YOLOX成功还部署了，我就呆了，告诉了他我训练时AP为0，并询问了他具体使用方法，当然得到的答复并没有真正解决问题．．．二、发现问题
2021-08-12 12:45:16
15531
63
原创 【Python】Python设置国内镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple`直接使用上述语句即可，它会自动创建并写入pip.ini文件，无需手动创建接下来使用 pip install xxx 会发现已默认使用 清华源
2021-03-09 16:55:05
3398
原创 【Error】Could not locate zlibwapi.dll. Please make sure it is in your library path!
在使用 tensorrt 对 onnx 进行编译时发生上述错误，导致编译失败，根据提示可以发现是缺少了zlibwapi.dll文件。Could not locate zlibwapi.dll. Please make sure it is in your library path!
2023-05-11 17:05:17
7753
5
原创 【深度学习】关于xml文件中不存在 difficult 参数导致的 AP 为 0
xml 标签不存在 difficult 参数导致的 voc_eval 计算 AP 结果为 0
2023-04-13 17:46:25
1194
3
原创 【Error】CUDA error: unknown error
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.For debugging consider passing CUDA_LAUNCH_BLOCKING=1.
2023-03-08 19:54:23
2241
2
原创 【Error】ImportError: /lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.29‘ not found
在 wsl ubuntu20.04 运行代码 时，出现以下错误 ImportError: /lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.29' not found
2023-03-08 14:33:39
10679
6
原创 【ROS】tf2_geometry_msgs 出现 No module named ‘PyKDL‘
No module named 'PyKDL'
2023-01-09 12:55:34
1890
7
原创 【Google Colaboratory】防止 Google Colab 断开连接
在 Colab 页面按下 F12在 console (控制台) 下输入以下代码回车即可实现防 Colab 断开function ClickConnect(){console.log("Working"); document.querySelector("#comments > span").click() }setInterval(ClickConnect,5000)这不需要点击连接按钮，只是点击评论按钮来保持我的会话活跃（网上看大部分防断开操作都是通过点击连接按钮实现的）..
2022-03-02 14:34:13
3871
原创 【Python】取Numpy多维数组中最大的几个值的索引
先来看看二维数组a = np.array([ [[1, 7, 5], [8, 2, 13]],])假设我们要获取最大的两个值的位置索引我们先将二维数组展成一维数组，获取到排序后的索引下标，即index = np.argsort(a.ravel())[:-3:-1]得到 index 值为 [5 3]接下来将在一维得到的索引，映射到高维，得到在高维数组中的位置索引pos = np.unravel_index(index, a.shape)得到 pos 值为 (arra.
2021-08-24 17:29:28
6963
2
原创 【Error】git push时出现 fatal: unable to access ‘xxx‘: OpenSSL SSL_read: Connection was reset
今天在使用git的时候出现了点小问题，即git push origin masterfatal: unable to access 'https://github.com/MangoloD/Attention.git/': OpenSSL SSL_read: Connection was reset, errno 10054可以看到我在使用git push命令时，报错啦产生原因：一般是这是因为服务器的SSL证书没有经过第三方机构的签署，所以才报错查看了网上的解决方法，记录一下：方案一g
2021-07-16 10:34:53
6014
4
原创 【Error】使用git clone拉取仓库出现的问题
今天在使用 git clone时出现了以下错误：fatal: unable to access 'xxx': OpenSSL SSL_read: Connection was reset, errno 10054解决方法，在 git bash中输入以下信息，即可重新clonegit config --global http.sslVerify "false"
2021-06-28 14:46:56
450
原创 【实战项目】LSTM实现车牌识别
车牌识别关于RNN和LSTM的原理，这里就不多赘述了，网上有许多文章对他们进行详细的介绍，后面有时间我也会去整理下相关知识。听说使用LSTM实现车牌识别很简单，这就让我们尝试下吧～一、数据集的生成要想做出车牌识别，当然得有相应的数据集啦，但是网上很难找到相关数据集，那么就让我们自己生成吧！！！下面就是生成的图片啦没错，我们可以生成黑底、绿底、蓝底、黄底4种颜色的图片(生成车牌图片这块，我是采用的Github上的 fake_chs_lp 这个项目生成的，其实大家自己生成也很简单，但我比较.
2021-06-28 14:24:12
1662
8
原创 【C++】VS Code配置C++环境并成功运行的详细教程
一、下载并安装 VS Code下载VS code进入 官网，选择对应版本进行下载，这里我下载的是windows版本下载完成后，就是安装啦安装VS Code弹出这个框，没关系，直接点 确定一定要勾选最后一项接下来就是一直下一步，直到安装完成插件安装打开VS Code后下载需要的插件，方便后续使用这一过程分为四步① 选中左侧第五个按钮，点击进入② 在搜索框中，输入想要安装的插件③ 点击插件，进入插件详情页④ 点击 install 按钮进行安装(图中，我是安装过，所以是Un
2021-06-25 15:23:55
390
原创 【深度学习】One-Stage目标检测算法
不用RP，直接在网络中提取特征来预测物体分类和位置。任务：特征提取—>分类/定位回归。常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv2、YOLOv3、SSD和RetinaNet等。一、SSD(Single Shot MultiBox Detector)1.网络结构SSD的优点就是它生成的 default box 是多尺度的，这是因为SSD生成default box 的 feature map 不仅仅是CNN输出的最后一层，还有利用比较浅层的featu.
2021-04-28 14:38:45
7581
原创 【深度学习】Two-Stage目标检测算法
一、目标追踪分类分类+位置多目标检测图像分割二、R-CNNR-CNN简要步骤：输入测试图像利用选择性搜索Selective Search算法在图像中从下到上提取2000个左右的可能包含物体的候选区域(Region Proposal)因为取出的区域大小各自不同，所以需要将每个 Region Proposal 缩放 (warp) 成统一的227×227的大小并输入到CNN，将CNN的fc7层的输出作为特征将每个Region Proposal提取到的CNN特征输入到
2021-04-10 17:06:50
10859
原创 【深度学习】目标识别损失函数
一、人脸识别的难点不同人脸类别之间的界限不明显脸与脸之间相似度很高，难以区分如何解决人脸特征分类困难的问题二、Softmax 和 Softmax LossSoftmaxSj=eaj∑k=1TeakS_j=\frac{e^{a_j}}{\sum^T_{k=1} e^{a_k}}Sj=∑k=1Teakeajaja_jaj表示当前输入的类别特征，aka_kak表示从第一个到最后一个的类别特征Softmax LossL=−∑j=1TyjlogSjL=-\sum^T_{j=1}y
2021-04-03 17:24:50
806
转载 【深度学习】转载_目标识别损失函数
转载自博客 【人脸识别】MTCNN + Arcface全流程详解 Pytorch代码 损失函数发展人脸识别介绍 MTCNN 实现人脸检测，回答了“是不是人脸”和“人脸在哪”的问题，接下来人脸识别要解决的就是“人脸是谁”。 人脸识别是目标识别中的一种，本质上也是分类问题，只不过是同类（人脸）中的细分，因为人脸之间相似度很大，这对损失函数的分类能力提出了更高的要求。 损失函数发展 下面介绍分类损失函数的主要类型和发展历程，及部分pytorch代码。 效果图来自 MNIST 数据集，将网络模型倒数第二.
2021-03-31 16:03:34
571
原创 【实战项目】基于MTCNN+ArcFaceLoss的人脸检测识别
人脸检测一、人脸识别人脸识别介绍：人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术人脸识别步骤：人脸侦测、特征提取、特征对比人脸识别检测原理：串行使用，并行训练二、人脸检测模型 MTCNN多任务级联卷积神经网络，进行联合人脸检测对齐3层网络P-Net(12×12)R-Net(24×24)O-Net(48×48)MTCNN好处广泛性代表性关键性相关应用场景人脸检测追踪同一类物体的检测追踪联合其他网络做高要求的目标追踪检测M.
2021-03-30 20:15:30
2185
1
原创 【深度学习】网络模型设计
一、卷积神经网络模型设计方法1.网络设计的目的节省设备存储空间提升网络训练效率提升模型输出精度2.网络设计的重点层次要深，信息要充分融合，计算量要足够小精度容量效率3.网络设计形式3×3 和 1×1 的卷积对应模型：ResNet一个具有瓶颈结构的残差单元，由 conv1×1，conv3×3，conv1×1组成；第一个conv1×1减少输入通道的维度，降低后续conv3×3相对高昂的计算成本，最后conv1×1回复输出通道的维度分组卷积对应模型：Res
2021-03-30 11:11:20
1521
原创 【深度学习】图片张量错误 The size of tensor a (4) must match the size of tensor b (3) at non-singleton
Pytorch 写 Dataset 的时候遇到的这个问题The size of tensor a (4) must match the size of tensor b (3) at non-singleton解决方法Image.open(image)改成Image.open(image).convert("RGB")
2021-03-28 20:02:10
653
原创 【深度学习】神经网络的拟合问题
一、拟合问题机器学习、深度学习中经常出现欠拟合、过拟合一开始模型往往是欠拟合的，需要神经网络优化权重参数1.欠拟合欠拟合现象模型没有很好地捕捉到数据特征，不是很好的拟合模型欠拟合产生欠拟合的原因数据特征项不够(ML)训练时间不够(DL)模型过于简单(DL)解决欠拟合的方法添加其他特征增加训练时间添加多项式特征减少正则化参数2.过拟合过拟合现象就是模型把数据学得太彻底，以致于噪声数据的特征也学到了模型过拟合产生过拟合原因数据噪
2021-03-26 16:42:52
2728
原创 【深度学习】神经网络梯度优化
一、梯度问题1.梯度弥散产生原因激活函数的"饱和"左饱和：当x趋向于负无穷时，函数的导数趋近于0，此时称为左饱和右饱和：当x趋向于正无穷时，函数的导数趋近于0，此时称为右饱和饱和函数和非饱和函数：当一个函数既满足右饱和，又满足左饱和，则称为饱和函数，否则称为非饱和函数常用的 饱和激活函数 和 非饱和激活函数：饱和激活函数有如 Sigmoid 和 tanh，非饱和激活函数有 ReLU；相较于饱和激活函数，非饱和激活函数可以解决 "梯度消失" 的问题，加快收敛样本中
2021-03-25 20:42:26
739
原创 【Python】打开CMD输入python弹出应用商店
【问题】今天安装 PaddlePaddle，遇到了各种错误，现在连打开 CMD，输入 python 都这样了直接跳出Microsoft Store解决方法方案一看网上好多人都说在用户变量PATH中删去C:\Users\AppData\Local\Microsoft\WindowsApps或下移但这种方式对我来说没有用 ????，于是有了这位 博主文章 的方案二方案二在电脑搜索框中输入 “管理应用执行别名”，然后 关闭 后面两个 “应用安装程序”...
2021-03-25 11:21:39
2381
12
原创 【Python】pip更新时未能正常安装
在安装 PaddlePaddle 2.0 看到有 pip3 install --upgrade pip，我也想着更新一下，结果Installing collected packages: pip Attempting uninstall: pip Found existing installation: pip 20.2.2 Uninstalling pip-20.2.2:ERROR: Could not install packages due to an EnvironmentE
2021-03-25 10:22:55
839
原创 【深度学习】卷积神经网络
一、神经网络的局部连接1.全局连接VS局部连接全局连接(相邻神经元之间全部激活)在全连接网络(FCN)中，下一层网络的每一个神经元都与上一个层的神经元完全连接，这样的结构增加了整个网络的权重，计算量增加了无用信息(参数多，丢失空间信息)使网络容易过拟合局部连接(提取对应局部位置的特征)只针对目标所在局部区域进行观看、分析减少了计算量权重共享二、神经网络的局部特征提取-卷积一个核矩阵在一个原始矩阵上从上往下、从左往右扫描，每次扫描都得到一个结果，将所有结果组
2021-03-19 16:04:57
1113
原创 【深度学习】深度神经网络及样本
一、深度神经网络(DNN)单层感知器由一个线性组合器和一个二值阈值元件组成多层感知机就是单层感知机的组合多层感知机也称为“深度神经网络”(DNN)1.神经网络比较生物神经网络生物神经网络是指生物的大脑神经元，细胞等组成的网络，用于产生生物的意识，帮助生物进行思考和行动。人工神经网络人工神经网络是模仿动物神经网络行为特征所建立的数学算法基础，它是对自然界某种算法或者函数的逼近。2.神经网络前向传播过程3.神经网络后向传播过程二、神经网络参数更新1.如何更新2.
2021-03-17 14:54:28
1776
原创 【深度学习】神经网络结构
一、线性和非线性问题线性可分线性不可分判断一堆数据是否能够线性可分的关键在于所在维度。从线性不可分→线性可分，可采用升高维度的方式。线性可分和线性不可分的辩证统一思想：在低维空间中数据线性不可分，通过映射到高维空间是线性可分，回到低维空间又是线性不可分的，两者统一而矛盾。 线性不可分→线性可分二、激活函数1.激活函数的作用为模型提高非线性能力提高模型鲁棒性，让模型下降更加稳定，收敛更快2.常用激活函数（本节部分截取自常用激活函数理解与总结）sigmoid函数（主要用于二
2021-03-16 22:21:51
837
原创 【OpenCV】Mango的OpenCV学习笔记【五】
本文主要参考自 OpenCV官方文档一、傅里叶变换傅立叶变换用于分析各种滤波器的频率特性。对于图像，使用 2D离散傅里叶变换(DFT) 查找频域。一种称为 快速傅立叶变换(FFT) 的快速算法用于DFT的计算。对于正弦信号 x(t)=Asin(2πft)x(t) = A \sin(2 \pi ft)x(t)=Asin(2πft) 我们可以说f是信号的频率，如果采用其频域，则可以看到 fff的尖峰。如果对信号进行采样以形成离散信号，我们将获得相同的频域，但是在 [−π，π][−π，π][−π，π.
2020-11-25 09:26:11
284
原创 【OpenCV】Mango的OpenCV学习笔记【四】
本文主要参考自 OpenCV官方文档一、Canny边缘检测Canny边缘检测 算法步骤：彩色图转化为灰度图应用高斯滤波来平滑图像 --> 去除噪声由于边缘检测容易受到图像中噪声的影响找寻图像的强度梯度Canny的基本思想是找寻一幅图像中强度变化最强的位置。所谓的变化最强，即指梯度方向。平滑后的图像中每个像素点的梯度可以由 Sobel算子 来获得：1）首先，利用 Sobel算子 得到沿 x轴 和 y轴 方向的梯度 G_x 和 G_y。2）由 G_X 和 G_Y 便可计.
2020-11-19 18:53:27
324
原创 【OpenCV】Mango的OpenCV学习笔记【三】
本文主要参考自 OpenCV官方文档一、色彩空间HSV① 色调（H），取值范围：[0, 179]② 饱和度（S），取值范围：[0, 255]③ 明亮度（V），取值范围：[0, 255]色彩空间转换import cv2import numpy as npimg = cv2.imread("../../Resources/cctv2.jpg")# 转换为HSV色彩空间hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 利用cv2.inRange.
2020-11-16 20:27:31
358
2
原创 【OpenCV】Mango的OpenCV学习笔记【二】
本文主要参考自 OpenCV官方文档一、图像的基本操作访问、修改像素值import cv2img = cv2.imread('../../Resources/messi15.jpg')px = img[100, 100]print(px)# 仅访问单一通道像素值blue = img[100, 100, 0]print(blue)# 修改像素值img[100, 100] = [255, 255, 255]print(img[100, 100])# 更好的像素访问和编辑.
2020-11-14 14:39:27
247
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