- 博客(11)
- 收藏
- 关注
RSS订阅
原创 darknet权重下载地址
权重下载yolov3-openimages.cfg (247 MB COCO Yolo v3) - requires 4 GB GPU-RAM:https://pjreddie.com/media/files/yolov3-openimages.weightsyolov3-spp.cfg (240 MB COCO Yolo v3) - requires 4 GB GPU-RAM: https://pjreddie.com/media/files/yolov3-spp.weightsyolov3
2021-07-29 09:20:45
537
1
原创 ConvNet---20年代的卷积神经网络
视觉识别的“咆哮的 20 年代”始于 Vision Transformers (ViTs) 的引入，它迅速取代了 ConvNets，成为最先进的图像分类模型。另一方面，普通的 ViT 在应用于目标检测和语义分割等一般计算机视觉任务时面临困难。正是分层 Transformer（例如 Swin Transformers）重新引入了几个 ConvNet 先验，使得 Transformer 作为通用视觉骨干实际上可行，并在各种视觉任务上表现出卓越的性能。
2022-06-01 15:29:46
7529
1
原创 YOLOv4loss重写()
YOLOv4_CIOU函数该文章仅记录自己学习历程,若有问题还请指正.yolov4中使用的是CIOU计算loss,若对于IOU的各种方法不明白的还请看下这个视频:IOU计算CIOU的公式表述如下:各部分表述如下:p²(b,bgt):b,bgt分别代表预测框和真实框的中心点 两点的欧式距离c:预测框与真实框最小外接矩形的对角线距离wgt:真实框的宽 hgt:真实框的高 w:预测框的宽 h:预测框的高下面通过python实现:需要传入预测框和真实框的信息:def box_ciou(
2021-10-28 11:33:44
365
转载 ubuntu18上解决Qt无法输入中文
系统：Ubuntu 18.04.3 64bit软件： QtCreator 4.8安装Ubuntu18.04 时已经安装fcitx框架的搜狗输入法，在此不再安装fcitx及搜狗输入法只需要安装fcitx的Qt支持库，终端中输入以下指令安装fcitx的Qt支持库sudo apt-get install fcitx-frontend-qt5安装完成后，需要启用Qt对fcitx的支持，将相关库文件复制到Qt编译器的插件库和QtCreator的Qt插件库库文件为 libfcitxplatforminpu
2021-10-21 11:01:00
181
原创 darknet训练自己的yolov3-tiny模型但检测不出物体(已解决)
最近在Ubuntu系统上利用yolov3-tiny训练自己的模型，在配置好之后开始进行训练，训练了接近5W次，利用该权重进行检测的时候出现了问题，利用标定的数据集居然也检测不出来，于是以为自己的配置有问题，又训练了一遍，发现还是同样的情况。训练的log文件保存了下来，发现loss在持续降低，最后在0.1左右，所以断定不是训练配置出现了问题。于是就怀疑是不是cuda cudnn opencv等出现了问题，于是在Makefile文件中关闭了OPENCV CUDNN，利用cpu进行检测，发现模型是可以检测的，
2021-09-24 14:41:01
1343
原创 Ubuntu18.04 配置TensorRT加速YOLOv3-tiny实现实时高帧率检测
Ubuntu18.04 配置TensorRT加速1.基本环境CUDA=10.0CUDNN=7.6一. TensorRT的安装(tar安装)1 .下载tar安装包TensorRT=6.0.1.5官方地址：https://developer.nvidia.com/tensorrt由于NVIDIA下载文件需要登录，所以先登录下NVIDIA账号，然后点击：GET STARTED->Download Now->TensorRT 6->勾选同意：选择下边的Tar File 一栏，找
2021-09-17 15:35:46
1571
1
原创 吴恩达机器学习第二节逻辑回归（python实现)(2)
正则化的逻辑回归实现正则化是成本函数中的一个术语，它使算法更倾向于“更简单”的模型（在这种情况下，模型将更小的系数）。这个理论助于减少过拟合，提高模型的泛化能力。这样，我们开始吧。设想你是工厂的生产主管，你有一些芯片在两次测试中的测试结果。对于这两次测试，你想决定是否芯片要被接受或抛弃。为了帮助你做出艰难的决定，你拥有过去芯片的测试数据集，从其中你可以构建一个逻辑回归模型。库函数：import scipy.optimize as optimport numpy as npimport panda
2021-04-03 14:25:45
109
原创 吴恩达机器学习第二节逻辑回归（python实现)(1)
逻辑回归逻辑回归是一种分类算法，在这部分的练习中，你将建立一个逻辑回归模型来预测一个学生是否能进入大学。假设你是一所大学的行政管理人员，你想根据两门考试的结果，来决定每个申请人是否被录取。你有以前申请人的历史数据，可以将其用作逻辑回归训练集。对于每一个训练样本，你有申请人两次测评的分数以及录取的结果。为了完成这个预测任务，我们准备构建一个可以基于两次测试评分来评估录取可能性的分类模型。首先准备预训练的数据‘ex2data1.txt’和‘ex2data2.txt’两个文件，库文件包括：import sc
2021-04-03 13:52:36
251
2
转载 关于char p,*p1,**p2
char p是声明bai一个字符类型变量dup,char * p1是声明一个字符类型zhi的指针变量daop1,那么zhuanchar ** p2就相当与给char类型的指针变量再声明一个指针.(2级指针)举个例子,假如:char p='a';//假设声明了p后,p在内存的1000处,则&p=1000(&为取变量首地址)char * p1=&p;//则p1=1000,*p1=p='a',p1就和p关联了;假设p1被放在2000处char ** p2=&p1;//则p2
2021-03-07 19:57:54
1474
原创 关于二级c中经常出现的数组排列算法的个人理解(y[j++]=x[i]；x[i]=-1；)
关于二级c中经常出现的数组排列算法的个人理解最近一直在复习c语言刷题准备考试，其中有一道程序题感觉很有意思，有些地方不是很明白，于是上网搜了一下也没有人说出些所以然来，自己研究了一下觉得对考试很有用，所以写在这里。先看下代码：#include <stdlib.h>#include <stdio.h>#define N 10double fun(double *x){ int i, j; double s, av, y[N]; s=0; f
2021-03-06 19:52:23
783
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