weixin_50993868的博客

原创 我还是没有理解两张图片是如何同时做变换的

(4) RandomHSV / RandomFlip：颜色 LUT、np.fliplr/ud 都对两张图一起做。(5) Albumentations：默认只放“非几何”操作（Blur、CLAHE…为什么“img”和“img2”能始终一起被拉伸、拼接、翻转、颜色抖动？的循环，就能看到两张图在流水线中一起被读取、一起被写回，整个过程始终保持配对一致。下面按执行顺序把关键细节展开说明，并给出源码行号，方便你自行跟踪。(2) Mosaic：一次拼 4 or 9 张时，同时拼出。各自独立做色彩增强，不需要对齐几何。

原创 到底计算量少在了哪里

【代码】到底计算量少在了哪里。

原创 PAN/FPN

输入 K/V (高分辨率) shape: torch.Size([1, 32, 32, 32])输入 K/V (低分辨率) shape: torch.Size([1, 64, 16, 16])输入 Q (低分辨率) shape: torch.Size([1, 64, 16, 16])输入 Q (高分辨率) shape: torch.Size([1, 32, 32, 32])输出特征图 shape: torch.Size([1, 32, 32, 32])参数量: 25,024。参数量: 24,992。

原创 看看不同主干的参数量是多少

22: 25623: 25624: 512MSAF_small22: 12823: 12824: 256改变原始主干Concat22: 12823: 25624: 384MSAF_small22: 6423: 12824: 192

原创 C3、C2f、C3K2、C2PSA的具体结构

原创 深度学习常见实验问题与实验技巧

有一定的先后顺序的。

原创 YOLOV11网络图和数据增强

在指定范围内随机旋转图像。旋转 degrees 超参数定义了旋转角度，最终的调整在以下两个参数之间随机选择 -degrees 和 degrees.例如 degrees=10.0的范围内随机选择旋转-10.0 至 10.0.在指定范围内以随机因子调整图像大小。图像大小 scale 超参数定义了缩放因子，最终的调整幅度在 1-scale 和 1+scale.例如 scale=0.5的范围内随机选择缩放0.5 至 1.5.-0.5 至 0.5 在 x 轴上，在相同范围内选择另一个独立随机值在 y 轴上。

原创 神经网络结构搜索 (1/3): 基本概念和随机搜索 Neural Architecture Search: Basics & Random Search

本文通过图示展示了搜索空间及其输出的概念，并介绍了随机搜索的方法。搜索空间是指所有可能解的集合，其输出则是搜索过程中得到的具体结果。随机搜索是一种在搜索空间中随机选择解的方法，通过多次尝试以找到最优解。图示直观地展示了搜索空间的结构、输出结果以及随机搜索的过程，帮助读者更好地理解这些概念及其应用。

原创 使用 `detach()` 断开与共享特征层的连接

第三个检测头（关键点头）的特征为。

原创 YOLO-POSE 姿态扩充

【代码】YOLO-POSE 姿态扩充。

原创 清洗数据集

【代码】清洗数据集。

原创 Annotate better with CVAT

【代码】Annotate better with CVAT。

原创 YOLOX-PAI手部检测模型

其中有一个问题需要换掉pip源才能解决 不知道为啥阿里源不行，搞了好久。

原创 STL 核心模块

容器小题练习关键词vector筛选+排序线性数据set去重+排序唯一集合统计频率快速查找stack括号匹配后进先出下面按四大类 + 每类具体容器给出简单易懂的例子和对应代码，帮助你快速掌握它们的用法。

原创 110.平衡二叉树

【代码】110.平衡二叉树。

原创 栈模拟后序遍历（左 → 右 → 中）的方式来计算树的最大深度

✅ 用栈模拟后序遍历（左 → 右 → 中）的方式来计算树的最大深度。我们将，一步一步分析stackdepthresult的变化，非常适合调试 & 理解！

原创 `std::cout ＜＜ xxx`

定义了一个Personname和age。是 C++ 的字符串类。概念含义std::cout是类型的一个全局对象，代表控制台输出是对输出流对象的引用，方便链式输出operator<<你可以重载它，告诉编译器你的对象该怎么打印返回引用。

原创 为什么访问树节点用 `root-＞right` 这种形式

int val;这里的left和right本身就是指针类型->

原创 宏函数 和 C++ 内联函数

特性宏函数（#define内联函数（inline替换方式预处理阶段文本替换编译阶段函数调用/展开类型安全❌ 无✅ 有类型检查副作用控制❌ 可能多次求值✅ 每个参数只求值一次可调试性❌ 调试困难✅ 可设置断点查看调用栈模板支持❌ 无✅ 支持泛型（如max<T>推荐场景非常短、极简替换绝大多数普通函数操作。

原创 IoU 配对计算示例

已为示例中的 2 个 GT 和 3 个预测框生成了对应的混淆矩阵（含 background 行/列）。与任何 GT 都没配上 → 稍后被计入。真值框全部配上 → 没有。

原创 `pred_by_img.setdefault(img, [ ]).append({...})`

用“按图索引”所有预测框，同时把类别编号和坐标格式预处理好这样在主循环里对每张图做 IoU 匹配时既快又少出错。

原创 目标检测中的混淆矩阵

匹配标准：需要通过IOU判断预测框是否与真实框匹配。正负例定义匹配且分类对 → TP匹配但分类错 → FP（分类错误）没有匹配上任何预测框的真实框 → FN（漏检）没有对应真实框的预测框 → FP（背景误检）太好了，我们来举一个非常简单的例子，只有 2 张图，3 个类别（cat、dog、cow），你马上就能看懂目标检测中的混淆矩阵怎么来的，特别是background行和列的作用。

原创 auto_ptr 和 shared_ptr

智能指针

原创 C vs C++ 中 struct 的对比

特性C structC++ struct功能范围仅变量变量 + 构造函数 + 方法 + 继承用途数据结构类功能完整，只是语法习惯不同和 class 的差别N/A只有默认权限不同（struct: public，class: private）C 是手动“模拟”类的行为，C++ 是语言级支持类的机制如果你用 C 写模块化代码，常常会这样“结构体 + 函数 + 前缀命名”，来模拟类的封装。你问得非常好，这个问题属于C语言底层知识点，经常在面试 & 源码分析中出现。

原创 typedef 和 #define 起别名的区别

unsigned# define uint unsigned int // 宏定义 typedef unsigned int uint_t;// 类型定义int// 宏定义// 类型定义// 被替换为 unsigned int a = 10;// 真正的类型：unsigned int功能类似，但宏是纯文本替换，编译器不知道uint是类型。// 定义 uint_t 为 unsigned int 的别名// 使用 uint_t 定义变量 b// 直接使用 unsigned int 定义变量 c。

原创 YOLO 正样本匹配部分做的

【代码】YOLO 正样本匹配部分做的。

原创 C/C++ 通用代码模板

【代码】C/C++ 通用代码模板。

原创 NMS YOLO

筛选出置信度最大类别大于 conf_thres 的框”如果你用的是，这一步只是初筛，后面还会处理多个类别；如果是，这一步的结果基本决定是否保留某个框。如你想看开关对这个过程的区别，也可以深入分析一波～

原创 创建 YOLO 标准的训练/验证目录

明白了！下面是一个简单的 Python 脚本，只用于创建，不涉及划分或复制文件。

原创 高效人脸关键点检测算法HRNet-Facial-Landmark-Detection

HRNET-facial-Landmark

原创 ACM 模式和核心代码模式

模式输入输出由谁处理代码结构通常用途ACM 模式你自己处理完整的 main 函数比赛/算法题核心代码模式平台处理只写函数或类逻辑部分面试/刷题平台（如 LeetCode）项目ACM 模式核心代码模式是否写 main✅ 是❌ 否输入输出自己用cin/cout平台自动处理写哪部分写全部代码只写核心函数（class/function）用途算法比赛、蓝桥杯等LeetCode、牛客网面试题、PAT 题目等。

原创 图像分类评价指标

横坐标越小越好纵坐标越高越好和中间虚线的面积越大越好

原创 *图像单标签多分类（Multi-Class Classification）

图像单标签多分类

原创 YOLOV8 训练姿态检测模型

如果没有启用恢复训练（resume=False）：使用 self.trainer.get_model() 手动初始化模型。加载细节，这时我们就获得了 mode 模型的权重值，以及模型文件件保存的其他内容 ckpt。调用父类方法继续初始化，在父类方法中加载创建模型或者是加载模型。准备训练前的事情，比如说优化器，dataloader 等等。构造PoseModel 这个类，继续调用父类的构造方法。创建一个新的模型，然后将权重加载进去。父类里面前向传播一次计算stride。

原创 yolo pose 前向传播后情况

65 = 1+16 * 451 = 17 * 3

原创 YOLOv8 中的损失函数解析

YOLOv8在框架中引入了姿态估计后，该框架现在支持最多四个任务，包括分类、目标检测、实例分割和姿态估计。

原创 nn.BCELoss 介绍

nn.BCELoss

原创 YOLO历代发展 图像增强方式 架构

tbox返回的是真实标记 相对于用来预测的grid cell 的偏移量 ， 以及返回的是真实标记的长宽。80+64 = 80+16*4 4是指到每条边的距离。indices说明这个标记的类别是哪一个类别的。anch 是对应预测用的边缘框的类型。tcls 返回的是匹配后的类别。

原创 `cv4` 在 `YOLO-Pose` 任务中的作用

YOLO-POSE

原创 yolov11 项目结构

YOLO网络架构