Fox的博客

NCNN 赞扬以下nihui大神， 为nihui大神，专用于CPU方向的inference的框架，可作为移动端和边缘设备端的检测和分类推理框架，调用接口较为容易，源码易读性也高。 编译过程 不阐述，源码和编译方式，Nihui写的很明白 CMakeLists cmake_minimum_required(VERSION 3.2) project(ncnn_cmake) add_executable(${PROJECT_NAME} "main.cpp") set (CMAKE_CXX_STANDARD 11)

待选择网络 第一篇darknet分类网络，训练，C++调用分类器 第二篇Darknet调用接口内存泄露问题 Lenet Vgg mobilenet SqueezeNet 1.Lenet对于复杂场景分类和泛化性并不优良 2.Vgg模型参数量较多 3.mobilenet 原生版Darknet缺少相应的Plugin 4.SqueezeNet组成的轻量，但是容易梯度爆炸，查询Issues 原本Caffe里做了pre-process 不解释 darknet的preprocess与上述不同产生结果不一样 所以需要再做一

东吴杯 暂略 介绍 暂略 数据 目前于2021-06-16取得 等待赛事方baseline的提出，数据存在一定的噪声，如果使用python读取的话参考的参考如下形式： 官方未标明可以公开，故不放图片和label数据等，提供大致思路。 import json import cv filename = "./xxx.json" with open(filename) as f: json_data = json.load(f) for json_dict in json_data: if(jso

Tianchi competition update in (2020-07-16) 基于车载视频图像的动态路况分析 1.Get the method of Jason file : the datalabel is shown in the below: "annotations": [ { "id": "000001", "key_frame": "3.jpg", "status": 0, "

基于pytorch的CNN算法的实现 2.1.2卷积层： 卷积层的运算方式： 一种对图像的二次转化，使用filter，并提取feature（特征）。 图片1 计算机图片 图片2 像素型图片 计算机图像，所展示的图像为图片1所示但是机器所真正看到只是各个像素点位置的值，平常图像为RGB格式即为三通道，每个通道R(Red)，G(Green)，B(Blue)，并且每个通道上的像素点都有对应的值0-2...