- 博客(111)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 多种免费天气api
api说明文档：https://data.weather.gov.hk/weatherAPI/doc/HKO_Open_Data_API_Documentation_tc.pdf。api说明文档：https://lbs.amap.com/api/webservice/guide/api/weatherinfo。api说明文档：https://dev.qweather.com/docs/api/grid-weather/注意请更换key和经纬度，多人使用相同key会被禁掉。
2023-09-01 15:22:00
2629
原创 乌班图TypeScript的安装与配置
重装参考：https://blog.csdn.net/jack__love/article/details/129430370。权限问题： sudo npm i -g typescript。node和npm版本问题。
2023-08-24 10:57:39
367
原创 sumo traci 函数解析（一）
本次函数五个一组进行注释，最后附上代码结果，尽量为大家展示带参数的函数正确格式。主要为大家省去翻译文档的麻烦，且正确使用函数。
2022-10-25 14:32:31
3633
4
原创 MTi-300Windows使用及数据导出
MTI_300可以很好的测量三个方向的加速度和角速度，单数数据的显示和导入需要自己去摸索，这里特此记录，以供大家参考。这里就是所有的MTI-300数据监测及导出了，希望能·帮到大家。
2022-10-24 11:11:02
1231
4
原创 ic2常用命令
i2c-tools是一个专门调试i2c设备的开源工具集，在嵌入式开发中经常使用，该工具集包含以下命令：i2cdetect、i2cdump、i2cget、i2cset。i2c-tools的重要意义就是开发人员既不需要编写复杂的Linux驱动、也不需要编写应用程序，只需要输入几个简单的命令就可以调试i2c设备。
2022-08-25 15:42:42
2021
原创 关于问题：django.core.exceptions.ImproperlyConfigured: mysqlclient 1.4.0 or newer is required； you have 0
前言这阵子在学数据库，碰到了问题：django.core.exceptions.ImproperlyConfigured: mysqlclient 1.4.0 or newer is required; you have 0.10.1.。这个问题有两个解决方案。注意一下，这两个解决方案对应两个不同的问题。你需要尝试不同的解决方案来解决自己的问题方案一：版本问题https://blog.csdn.net/lvluobo/article/details/107850673这是方案一的连接，这个解决方法可
2021-02-05 11:15:49
200
2
原创 关于DRRG运行代码吐核问题
前言在运行DRRG代码的时候我遇到过两次吐核问题不好解决，这里我把两次解决办法列出来具体原理尚不清楚。1第一次吐核是在第一次运行的时候原因是GCC版本不对。解决办法：临时升级一下，升到8。临时升级方法：https://blog.whsir.com/post-4975.html。2第二次是因为我改了代码以后忘记了·重新编译代码。解决办法：重新编译一遍：https://blog.csdn.net/weixin_44929101/article/details/109563324,从cd ./csrc
2020-12-23 09:11:12
350
原创 DRRG：Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection：代码解读（loss)
前言今天继续写代码解读，下面就是loss损失函数的解读，让我们一起学习，至于损失函数都哟什么，大家可以去看我翻译的原文，我先把损失函数部分粘贴过来。损失函数文字组件预测损失为由两个损失组成，计算公式为：其中Lreg是平滑的L1 [20]回归损失，Lcls是交叉熵分类损失。 分类损失的计算公式为：其中Ltr代表TR的损失； Ltcrp仅计算TR内部的像素，而Ltcrn仅计算TR外部的像素。 Ltcrn用于抑制TCR中的背景噪声。 以这种方式，获得的TCR可以有益于后处理步骤。 OHEM [22]用
2020-12-02 18:01:28
593
原创 DRRG：Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection：代码解读（textnet）
前言期待着期待着，DRRG的代码解读还没有。这是要等死我啊，唉，没办法，没人写就自己摸索吧。没错，我又来吹牛了。全网第一篇DRRG代码解读来了，万事不求人，自己动手丰衣足食，今天和大家一起学习DRRG，希望大家喜欢。textnet先说我们要解读哪部分，首先我们的学习是针对代码主体结构。就是说我们最终的目的是做算法优化，所以我们也从代码的网络结构开始，而经过我的苦苦寻找，这部分就在network文件夹下的textnet.py中。那我们就开始解读他吧。代码全文import torchimport t
2020-11-29 18:40:04
836
4
原创 SFEM模块结构化特征增强模块
前言前段时间看到这个SFEM模块，首先这个模块的出处是一篇论文，关于人流密度监测的，我不是做这个的，我就不详细介绍了详细的原理我也不会会特别详细的介绍如果有兴趣可以去看这两篇文章：[Crowd_Counting]-DSSINet-ICCV2019 - 知乎 https://zhuanlan.zhihu.com/p/87990860一文理解条件随机场CRF - 知乎 https://zhuanlan.zhihu.com/p/70067113那么我们讲什么？当然是他干嘛用的了。干什么？先看一张图：
2020-11-28 19:27:59
3608
原创 EAST网络优化-注意力模块代码
前言本文章用于优化·EAST算法，将于毕业后公开pytorch：CBAM–卷积层中的注意力模块 - 知乎tensorflow：https://zhuanlan.zhihu.com/p/96966170注意力模型CBAM_年轻即出发，-CSDN博客 https://blog.csdn.net/qq_14845119/article/details/81393127...
2020-11-13 19:58:04
104
原创 全网第一篇：DRRG代码的具体运行方法（亲测）
前言经过三个星期的刻苦奋斗，终于成功运行出了DRRG，期间经历了无数的坑，我不敢说我是全网第一个跑出来的（肯定不是）,但我绝对是第一个写出来教程的，本人也是一个小白，过程不易如果有帮到您请给一个赞，谢谢大家。效果图先上训练图，证明我跑了：准备首先，附上代码网址：https://github.com/GXYM/DRRG然后我们做准备工作：第一步下载代码：https://codeload.github.com/GXYM/DRRG/zip/master第二步：下载数据集：点击代码网址这部分。有
2020-11-08 21:21:38
3226
27
原创 DRRG:Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection解读（2）GCN
前言这里还是对DRRG的一点补充，这里涉及的是GCN部分，不涉及理论具体理论请参考这篇文章：图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导-持续更新_无知人生，记录点滴-CSDN博客 https://blog.csdn.net/yyl424525/article/details/100058264这里我只讲意义，就是为啥用GCN。结构首先，结构说道GCN的应用我们要先了解一个问题，GCN用来干神魔。答案是用来构建局部图之间的连接。第二个问题
2020-10-19 19:57:24
616
原创 linux遇到问题：安装 virtualenvwrapper 时报错：failed with error code 1 in /tmp/pip-build-81rq7yew/virtualenv
大家可能在安装Linux虚拟环境时遇到问题：Command “python setup.py egg_info” failed with error code 1 in /tmp/pip-build-81rq7yew/virtualenvwrapper/解决方法：sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple pbr然后再去安装就行了...
2020-10-18 20:04:56
281
2
原创 DRRG:Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection解读（1）
前言关于DRRG网上资料比较少，但是其实作为CVPR最新的成果大家的期待度还是挺高的。我个人在学习的时候就很苦恼，所以处于将心比心，这里将学习心得为大家写下来。结构首先，毋庸置疑的DRRG是一个端到端的网络。这正是我们深度学习所追求的效果，端到端能有效地加快模型速度。其次，整个模型被分为两个部分：基于CNN的文本建议网络和基于GCN的关系推理网络。这里我们上图：关于这个图，我要解释一下：首先基于CNN的文本建议网络只到CR箭头那里，也就是说CNN的文本建议网络的输出为：HW8（带有4个通道的TR
2020-10-16 20:57:40
2563
原创 DRRG翻译.Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection
摘要由于场景文本的多样性和复杂性，任意形状文本检测是一项具有挑战性的任务。在本文中，我们提出了一种新颖的统一关系推理图网络用于任意形状的文本检测。在我们的方法中，一个独创的局部图构建了文本建议模型，通过卷积神经网络（CNN）和基于图关系卷积网络的深度关系推理网络（GCN），使我们的网络达到端到端训练。具体来说，每个文本实例都将分成一系列小的矩形组件，小组件的几何属性（例如高度，宽度和方向）将通过文本目标模型进行估算。给定几何属性，局部图构造模型可以大致建立不同文本组件之间的联系，为了进一步的推理并推论组件
2020-10-16 18:31:23
1757
5
原创 关于Windows系统环境变量的理解
结论今天没有前言就是直接上理解，关于环境变量，以前我也是很懵逼·，今天看了个视频，豁然开朗，环境变量就是类似于编译器的可搜索路径，它是用来搜索你可启动程序的路径。假设你把QQ.exe所在的文件夹加入到环境变量中，那么你就可以从cmd直接启动QQ可能大家早就知道了，但是一定有不熟悉的小伙伴，在这里记录一下...
2020-09-12 14:13:20
128
原创 注意力机制——从另外一个角度理解LSTM、BLSTM
前言前段时间写了关于RNN，LSTM、BLSTM相关的博客，从结构上对这是那种网络进行了讲解，前两天看了一篇有关注意力机制的论文，很感兴趣，于是今天恶补了一天，在这里写下学习心得，从另外一个方面来介绍上述模型的优点。人类注意力机制从注意力模型的命名方式看，很明显其借鉴了人类的注意力机制，因此，我们首先简单介绍人类视觉的选择性注意力机制。其实详细说起来复杂但是如果简单是的说就是一个关键词“选择性”。人类的大脑对信息进行处理的时候通常是以重要信息为突破点，选择性的关注，进而更好的理解信息。Encod
2020-09-11 16:43:40
2922
原创 EAST算法优化思路——注意力集中机制
前言依然是EAST算法的优化思路，出于·查重考虑，将于毕业以后公开，请见谅。这里要说的是注意力机制在文本检测中难免会有漏检和误检，可以在特征提取网络后几层加入视觉注意层加强局部细节和关注点的提取。视觉注意层视觉注意层主要通过使用注意力机制来关注重要特征和抑制不必要的特征。卷积运算通过将通道和空间信息混合在一起，注意力层就是为了增加这两个主要维度的有意义的特征：通道合作空间轴，于是视觉注意力模块由通道和空间注意力模块组成。中间特征映射为F，通道注意力图谱为Mc，空间注意力图谱为Ms。整个过程可以
2020-09-10 20:23:44
139
原创 路径增强特征金字塔
前言关于文本检测，我们一般很容易做到对大感受野的文本的检测，因为经过较深的网络层数之后，文本感受野变大同时也使文本特征变得更加抽象，噪声更少，更加适合后续处理。但是对于文本检测任务来说，小尺度目标同样至关重要。但是小尺度目标因为出现的在比较早的卷积层中图像像素容易丢失。特征金字塔就是为了解决小尺度目标的检测问题而提出的。总体结构总体结构如图所示，输入图像被送入上图结构提取特征，原论文使用ResNeSt101和50作为主网络。前者速度快，后者精度高。组件相同，由卷积层、最大池化层、平均池化层、全连接层
2020-09-10 14:48:50
413
原创 RNN、LSTM、BLSTM、convLSTM之我们如何很好的利用上下文信息
前言还是说道我们的老本行文本检测，大家看我的博客可以看出，无非就是文本检测和python。今天我们继续来学习一个对于文本检测比较有用的网络。BLSTM。神经网络的意义我们先要说一个概念，首先神经网络这些网络对文本检测的意义是什么，很多小伙伴觉得学习卷积神经网络啊bp神经网络啊，根本就没有什么收益，因为貌似大家觉得一直就训练神魔分类神魔的，根本和文本检测关系不大的。也做不了文本检测。其实神经网络一般被去掉了全连接层然后作为文本检测的特征提取部分，然后一般是后续再加上RPN处理或者特征合并就成为了一个文本
2020-09-09 09:48:37
1793
原创 EAST算法优化思路BLSTM
前言本文章用于优化·EAST算法，将于毕业后公开BLSTM前面在讲解CTPN时候提过BLSTM，也就是双向LSTM，首先说一下LSTM的优势，LSTM它脱胎于RNN循环神经网络，好处是可以联系上文，让我们举个例子。比如天正在下雨，天是——色的。我们就很容易从灰和蓝之间抉择，这就是联系上文好处。那么BLSTM有神魔好处呢。就是可以看到看到下文，比如今天，我们去——，看医生吧。这样就需要联系上下文。而BLSTM就能很好的做到这一点。而文本行的预测恰好需要这种信息。优化思路将BLSTM加到EAST算法的
2020-09-08 18:32:34
190
1
原创 python学习笔记（4）if __name__== “__main__“:
前言今天我们来说一个有趣的东西，if name== “main”:，其实这是一个子模块的测试相关函数。以前我经常看到但是不理解。现在让我们一起学习一下。定义def libs(): a=0 b=1 while True: a,b=b,a+b yield adef test(): c = libs() for i in range(15): print(next(c))if __name__== "__main_
2020-08-29 13:39:42
240
原创 python学习笔记（3）类类
前言众所周知python是一项面对对象的语言，我们定义类，然后类成了类对象，最终将他赋给实例对象。类我们先看一个简单的类，一个类分为两部分：对象和方法。class Classi: x=1 y=2##属性 def he(self,x,y): print("x+y=",x+y)#方法tt=Classi()tt.he(1,2)print(tt.x)结果为：x+y= 31Process finished with exit code 0类的定义
2020-08-29 13:24:08
104
原创 python学习笔记（2）异常处理
前言有时候我们不确定写的代码是否正确。不确定是否会出现这样那样的错误，这样我们就可以用TRY进行测试当然也可以用debug。这里让我们看一下try。当你已知错误如果你已经预料到了错误类型，你就可以用这种形式，比如你已经能够知道了可能发生的错误是文件不存在：try: # 出现一个异常以后不会检查其他的 f = open("sjsk.txt")except OSError as resaon: print("文件不存在,原因是：" + str(resaon))结果为：文件不
2020-08-29 12:31:27
55
原创 python学习笔记（1）杂谈
前言好多天没更新了，最近在学python，学习告一段落，现在来更新一些使用的函数和小技巧。input很多人希望自己的程序可以从外界传参，或者说在程序运行以后再传进去参数那么我们就可以用到input函数。让我们看一下效果。c=input("请输入打印内容：")print(c)运行结果：G:\Users\dell-pc\Anaconda3\envs\tensorflow\python.exe C:/Users/dell-pc/PycharmProjects/untitled/练习.py请输入打
2020-08-29 10:16:15
127
原创 EAST-resnet_v1
前言继续写残差网络，这里读了好几篇其他人的文章才搞明白，搞明白以后着手开始写这篇文章，有神魔错误望指出。全篇代码# Copyright 2016 The TensorFlow Authors. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.
2020-08-12 15:10:47
263
原创 EAST-resnet_utils
前言最近研究EAST算法优化，想替换主提取特征网络，所以先对代码进行学习，代码原址：https://github.com/argman/EAST，其他部分我前面的文章解析过，这里对残差模块进行学习。代码这里先附上总代码：# Copyright 2016 The TensorFlow Authors. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may no
2020-08-12 10:55:01
249
原创 EAST算法NMS的优化思路
前言仍然是EAST算法的优化，因为出于安全考虑，将在毕业后公开，望大家谅解。传统NMS思路：首先，EAST算法使用的是Locality-Aware NMS，局部NMS优于传统NMS，我们原来的思路是将Locality-Aware NMS更换为Softer-NMS，让我们先分析一下传统NMS的缺点。先附一篇传统NMS的代码吧：def nms(bounding_boxes, Nt): if len(bounding_boxes) == 0: return [], [] bbox
2020-08-11 15:54:32
270
1
原创 EAST算法网络结构优化代码
网络优化def max_pool_2x2(x): return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')with slim.arg_scope([slim.conv2d], activation_fn=tf.nn.relu, normalizer_fn=slim.batch_norm,
2020-08-10 14:02:11
65
原创 用卷积代替池化
前言还是因为毕设，计划对于池化进行优化，思路是用步长为2的卷积代替池化，先让我们讲一讲他们分别的原理。池化池化作用：对输入的特征图进行压缩，一方面使特征图变小，简化网络计算复杂度；一方面进行特征压缩，提取主要特征。但是我在网上找到了其他说法：池化层的主要作用有三个：1. 增加CNN特征的平移不变性。2. 池化的降采样使得高层特征具有更大的感受野。 3. 池化的逐点操作相比卷积层的加权和更有利于优化求解。首先让我们看池化是如何操作吧：这是我们常用的最大池化，其实就是在四个像素点中选取1个最大的。在
2020-08-09 09:38:24
6285
3
原创 EAST算法优化具体实现方法深度分离卷积
前言为实现EAST算法优化。需更改代码，这里是具体实现方法。具体为实现如下模块：找到两个函数。SeparableConv2D与DepthwiseConv2D。SeparableConv2D实现整个深度分离卷积过程，即深度方向的空间卷积 （分别作用于每个输入通道）+ 输出通道混合在一起的逐点卷积，而DepthwiseConv2D仅仅实现前半部分的空间卷积 （分别作用于每个输入通道）。keras.layers.SeparableConv2D(filters, kernel_size, stride
2020-08-08 15:36:42
119
原创 反卷积实现及优化
前言毕设关于文本检测算法，优化思路中有关于反卷积操作。首先让我们了解一下反卷积操作：反卷积就是卷积的反操作，但是通常情况下反卷积被用来和池化对应起来。被认为是池化的逆操作。原因是池化的作用是缩小图片大小，而池化恰好和他相反。下面让我们看两种反卷积。反卷积可以看到反卷积有两种，当不同步长时采用不同方式。注意一下，由于反卷积对应的卷积操作，认为是卷积的逆过程。所以步长是对应正卷积的步长，然后在用逆向过来所以才会产生这样的区别。附上TensorFlow函数：tf.nn.conv2d_transpose
2020-08-08 15:26:29
710
3
原创 EAST算法优化思路—空洞卷积
前言仅供个人·论文·研究，请不要随意传播。由于要进行不同感受野的特征图融合，EAST算法要把尺寸比较小的特征图反卷积然后融合。但是反卷积存在缺点，所以想法是用空洞卷积代替。先看一下两者区别。反卷积：空洞卷积：反卷积方法是加padding，然后在卷积，虽然达到扩充的目的但是实际上信息集中在中央，导致卷积后的外围像素点获得信息较少，效果不理想，但是空洞卷积原图像信息均匀分布在处理后的特征图，扩大后效果更好，不会图像信息分布不均。...
2020-08-08 10:30:02
139
EAST算法的改进算法，帮助大家顺利毕业
2022-10-23
SVID_20200619_150314_1.mp4
2020-06-22
20200619_150315.m4a
2020-06-22
1920600034-葛立鹏-工程源码.zip
2020-06-22
1920600034-葛立鹏-设计报告.doc
2020-06-22
生成式对抗网络GAN.ipynb
2020-06-17
图像风格转移.ipynb的代码，好久之前的了
2020-06-17
object-detection-tutorial.ipynb
2020-06-15
扩频通信系统原理.doc供大家入门学习
2020-05-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人