- 博客(12)
- 收藏
- 关注
RSS订阅原创 Ubuntu18.04下UR5使用socket监听问题整理
错误1：PermissionError: [Error 13] 权限不够问题分析：Linux系统下操作小于1024的端口需要root权限解决方法：1.修改端口sk3.bind(("192.168.1.100",100)) -> sk3.bind(("192.168.1.100",1100))；2.用户添加权限，或者给文件夹重新赋权，使用root用户启动 错误2：UI无法获取UR5当前姿态及坐标变换之后的目标位置问题分析：经过调试发现，程序没有跳转执行子函数解决方法：修改子函数跳转条件
2022-04-05 11:52:18
1048
原创 关于labelme标注工具安装过程遇到的问题
1.创建虚拟环境失败指令：conda create -n labelme python=3.8报错：ProxyError: Conda cannot proceed due to an error in your proxy configuration.原因：这种bug大多数都出现在企业服务器或者电脑上，代理设置导致解决：在系统网络设置中关闭代理服务器 并 连接个人手机热点，两个条件都要满足2.安装pyqt5失败指令：conda install pyqt报错：ERROR conda.co
2022-03-16 21:34:32
4330
原创 解决Ubuntu18.04安装ROS和Anaconda动态链接库QT冲突，导致无法训练神经网络
报错信息Cannot move to target thread (0x257a660) qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "/data/xx/xx/venv/lib/python3.6/site-packages/cv2/qt/plugins" even though it was found. This application failed to start because no Qt platf
2021-09-18 16:08:55
445
原创 解决Ubuntu18.04下UR5手眼标定的问题汇总
1.机械臂连接上位机后ifconfig不出ip使用sudo dhclient eno1手动分配地址2.配置通讯时，设置VPN的的ip地址不可设置local的ip，虽然示教器显示网络连接成功，但驱动不了机械臂3.启动roslaunch easy_handeye eye_on_hand_calibration.launch时出错libgcc_s.so.1 must be installed for pthred_cancel to workAnswer:sudo install libg
2021-09-18 15:23:06
818
2
原创 利用 K-means 聚类出自己数据集的yolov3 anchors
问题的提出yolov3 默认的9个anchors是在 Pascol VOC 数据集上聚类产生的，由于更换了自己的数据集，便想尝试聚类出自己的 anchors 对网络的精度是否有提升anchors 获得方法的比较Faster RCNN 的9个 anchors 是大佬们根据工程经验手动设置的，三个尺度三个比例yolov3 的anchors是依靠 K-means 自动聚类生成的实现思路将标注信息中的 bbox 的大小(w, h)提取至列表中将 boxes 列表输入 K-means 聚类出9
2021-07-27 22:16:28
1242
2
原创 yolo模型修改后怎么加载预训练权重
问题描述修了yolov3网络模型结构，但想要使用原网络的预训练权重解决办法总体思想就是把预训练权重当成一个有序字典处理，其实本质上它就是一个有序字典。有序字典的定义及用法这里不赘述，不了解的自己去查。采用for循环，加载部分权重。代码实现# 载入与训练权重，此时并未载入网络ckpt = torch.load(weights, map_location=device)# 取出网络的模型，其中里面的参数是调用:_initialize_weights(self)生成的model_stat
2021-07-26 17:02:32
6076
原创 Embedding 层理解
本文参考 嵌入(embedding)层的理解首先要明确embedding层的两个基本作用：将稀疏 one-hot 编码矩阵降维关联语义相关的词语举例说明（one-hot 编码此处不叙述，不懂的同学自行百度，主要目的就是提高计算速度、增强表达能力）#one-hot 我 从 哪 里 来 要 到 何 处 去[[1 0 0 0 0 0 0 0 0 0][0 1 0 0 0 0 0 0 0 0][0 0 1 0 0 0 0 0 0 0][0 0 0 1 0 0 0 0
2021-07-06 10:16:54
867
原创 文献阅读—A detection algorithm for cherry fruits based on the improved YOLO-v4 model
期刊：Neural Computing and Applications发表时间：2021.051.作者想要解决的问题单纯为了提高识别樱桃的精度(带来了不少麻烦，本人认为这篇文章可借鉴的创新点很少。下文的观点可能会带有批判性)2.文章的创新点对 YOLOv4 的 backbone CSPDarknet 嵌入 dense 结构数据标注时，利用圆形锚框代替矩形锚框，更加符合樱桃形状3.数据集的获取及标注文中表示仅拍摄400张图片，包含成熟、半成熟、未成熟，其中50张无樱桃。考虑到光照
2021-06-29 11:20:55
421
原创 文献阅读—Apple detection during different growth stages in orchards using the improved YOLO-V3 model
期刊：Computers and Electronics in Agriculture（SCI 2区）发表时间：2019.021.作者想要解决问题识别不同成熟状态的苹果解决果实重叠，枝干树叶遮挡的问题减低在真实果园下光照不稳定及复杂背景带来的影响2.改进网络设计嵌入 Dense 结构（与未成熟芒果的改进 YOLOv2 识别方法这篇文章不同），作者将其命名为 YOLOV3-dense3.相关评价指标P-R 曲线F1、IoU、time分析上表可知：YOLOV3-dens
2021-06-16 11:06:44
342
1
原创 SelfLearning1_DenseNet
论文链接https://arxiv.org/pdf/1608.06993.pdf代码下载lua版本：https://github.com/liuzhuang13/DenseNetpytorch版本：https://github.com/gpleiss/efficient_densenet_pytorch1.总体描述利用密集连接结构减少了梯度下降，使得网络结构更深。误差反向传播时，误差可沿捷径分支传回输入端。加强了特征传递，底层特征可沿捷径分支传递到网络高层提高的特征的复用率，减少参
2021-06-11 12:31:28
231
2
原创 论文阅读—未成熟芒果的改进 YOLOv2 识别方法
期刊：农业工程学报发表时间：2018.040.平台配置Intel® Xeon® CPU E3-1245 v3@ 3.40GHz 处理器，32GB 运行内存，2T硬盘容量，12GB GTX Titan X GPU，系统为 Ubuntu 14.04。1.作者要解决的问题解决未成熟芒果与树叶颜色相似的问题（通过嵌入密集连接结构解决）降低树叶、枝干遮挡果实与果实重叠的影响（通过特殊前景区域标注解决）在真实场景下，降低光照多样性及背景复杂性的影响（通过自适应直方图均衡化解决）2.创新的网络模型
2021-06-10 20:49:35
622
3
原创 论文阅读—嵌入 SENet 结构的改进 YOLOV3 目标识别算法
期刊：计算机工程发表时间：2019.110. 平台配置本文实验搭建的开发平台配置为: CPU选用Intel® Core™ i7-8700，GPU选用NVIDIA GeForce GTX 1080Ti，操作系统选用 Ubuntu 16。04LTS，深度学习框架为 Pytorch。1.这篇文章要解决什么问题提升对工业零件图像识别的查准率（P），减弱图像边缘残缺零件的干扰。2.用了什么创新方法结合K-means聚类与粒子群优化算法进行锚框计算，加速收敛对YOLOv3网络嵌入SE结构。作者
2021-06-09 19:18:01
1648
1
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