wmzjzwlzs的专栏

main.cpp：#include <stdio.h>#include <stdlib.h>#include <string.h>#include <fcntl.h>#include <linux/fb.h>#include <sys/mman.h>#include <sys/ioctl.h>#include <getopt.h>#include <drm/drm_fourcc.h&..

import numpy as npimport onnxonnx_model = onnx.load("./xxx.onnx")graph = onnx_model.graphnode = graph.nodefor i in range(len(node)): if node[i].op_type == 'Add': node_rise = node[i] if node_rise.output[0] == '58': pri...

转自：ONNX内部节点修改方法 - 灰信网（软件开发博客聚合）ONNX内部节点修改方法承接上回《PyTorch转ONNX之F.interpolate》，因为op10的计算输出大小问题，导致我上采样的结果的大小出现小数，由预期输出结果output_size=[1., 3., 9., 9.]变成了output_size=[1., 3., 8.999, 8.999]，经过后续强制转换操作抹平成为了output_size=[1, 3, 8, 8]，这就很气了。如下图所示，输入大小为input_siz..

转自：什么是depthwise separable convolutions_猫猫与橙子的博客-CSDN博客_depthwiseDepthwise(DW)卷积与Pointwise(PW)卷积，合起来被称作Depthwise Separable Convolution(参见Google的Xception)，该结构和常规卷积操作类似，可用来提取特征，但相比于常规卷积操作，其参数量和运算成本较低。所以在一些轻量级网络中会碰到这种结构如MobileNet。常规卷积操作对于一张5×5像素、三通道彩色输入图片（s

转自：Group Convolution分组卷积，以及Depthwise Convolution和Global Depthwise Convolution - 云+社区 - 腾讯云写在前面Group Convolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，Group Convolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下：Convolution VS Group Convolution..

转自：CNN中计算量FLOPs的计算 - outthinker - 博客园1、FLOPs的概念：全称是floating point operations per second，意指每秒浮点运算次数，即用来衡量硬件的计算性能；在CNN中用来指浮点运算次数；2、计算过程：如上，根据上图来计算第一层卷积层的FLOPs：对于某个卷积层，它的FLOPs数量为：，其中表示该层参数的数目。这里AlexNet网络第一卷积层为例，它的FLOPs数目为：。...

转自：激活函数Relu 及 leakyRelu_有丝吼的博客-CSDN博客_leaky reluRelu 及 leakyRelu是深度学习中常用的激活函数，看了几篇博客后，做一个小的总结。 1. Relu： 数学表达式：a = max(0, z) 函数图像为： 优点：由上图可以看出，Relu得到的SGD的收敛速度较快 缺点：训练的时候很容易‘die'了，对于小于...

void softmax(float input[], float softmax_output[], int c, int h, int w){ float sum = 0.0f; int cc, hw; int chPitch = h * w; for (hw = 0; hw < chPitch; hw++){ sum = 0.0f; for (cc = 0; cc < c; cc++){ so...

static void layer_sigmoid(float *input, int num, float * sigmoid_output){ int i = 0; for (i = 0; i < num; ++i) { sigmoid_output[i] = (1.0f / (1.0f + exp(-(input[i])))); } return;}

#include <stdio.h>#include <string.h>int save_file(char *name, unsigned char *buf, int size){ FILE* out = fopen(name, "w+" ); if ( out == NULL ) { printf("open file %s failed\n", name); return -1; } fwrite...

import numpy as npimport osimport sysprint(sys.argv[1])b = np.fromfile(sys.argv[1], dtype=np.float32)print(type(b))c = b.reshape(1,128,61,61)print (c)np.save(sys.argv[1]+".npy", c)

w中的64决定了输出是64，那w中的4怎么与输入的32不一样哇？稀疏导致的。

转自：卷积神经网络中的channel 和filter - alexanderkun - 博客园在深度学习的算法学习中，都会提到channels这个概念。在一般的深度学习框架的conv2d中，如tensorflow、mxnet，channels都是必填的一个参数。channels该如何理解？先看一看不同框架中的解释文档。首先，是tensorflow中给出的，对于输入样本中channels的含义。一般的RGB图片，channels数量是 3 （红、绿、蓝）；而monochr...

import numpy as npimport osimport onnximport onnxruntime as ortrawFile = np.fromfile("test2.bin",dtype=np.float32)img_input = rawFile.reshape(1,3,192,576)sess = ort.InferenceSession("float_model.onnx")input_name = sess.get_inputs()[0].nameresul

BT601:rr = y + 1.4020v;gg = y - 0.3441u - 0.7141v;bb = y + 1.7720u ;y=0.2989rr+0.5870gg+0.114bbv= 0.5rr -0.418gg -0.0813bb +128u=0.5bb - 0.1686rr - 0.3312gg + 128BT709:Y = 0.2126R + 0.7152G + 0.0722BCb = -0.11457R -0.38543G + 0.5B + 128...

------------------------------------------------------------------------ Colour Space Conversions.------------------------------------------------------------------------Complied by Alan Roberts (Alan.Roberts@rd.bbc.co.uk) and Adrian Ford (ajo.

#include "opencv2/core.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/highgui.hpp"#include "opencv2/videoio.hpp"#include <iostream>using namespace cv;using namespace std;void drawText(Mat & image);int main(){ cout << "B...

鱼眼相机成像模型本人邮箱：sylvester0510@163.com，欢迎交流讨论，欢迎转载，转载请注明网址http://blog.csdn.net/u010128736/一、鱼眼镜头模型  鱼眼镜头一般是由十几个不同的透镜组合而成的，在成像的过程中，入射光线经过不同程度的折射，投影到尺寸有限的成像平面上，使得鱼眼镜头与普通镜头相比起来拥有了更大的视野范围。下图表示出了鱼眼相机的一般组成结构。最前面的两个镜头发生折射，使入射角减小，其余的镜头相当于一个成像镜头，这种多元件的构造结构使对鱼眼相机的

#include <unistd.h>#include <stdio.h>#include <stdlib.h>#include <string.h>#include <fcntl.h>#include <linux/fb.h>#include <sys/mman.h>#include <sys/ioctl.h>#include <getopt.h>#include <drm/

#include <unistd.h>#include <stdio.h>#include <stdlib.h>#include <string.h>#include <fcntl.h>#include <linux/fb.h>#include <sys/mman.h>#include <sys/ioctl.h>#include <getopt.h>#include <drm/

#include <iostream>#include <stdio.h>#include <stdlib.h>#include <string.h>#include<cmath> int Convert(char *input, char *output){ int h,v; unsigned char * buff_in; unsigned char * buff_out; unsigned c...

#include <iostream>#include <stdio.h>#include <stdlib.h>#include <string.h>#include<cmath> int Convert(char *input, char *output){ int h,v; unsigned char * buff_in; unsigned char * buff_out; FILE* in...

////////////////////////////*///////////*--*--*--*| | | |*--*--*--*| |& | |*--*--*--*| | | |*--*--*--*//////////*/void get_Bicubic_k(float k[4],float f_value){ float a = -0.5; float dist[4]; int i_value = (int)f_value;...

#include <iostream>#include <stdio.h>#include <stdlib.h>#include <string.h>#include<cmath>int Convert(char *input, char *output){ int h,v; unsigned char * buff_in; unsigned char * buff_out; FILE* in = f...

#include "opencv2/core.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/highgui.hpp"#include "opencv2/videoio.hpp"#include <iostream>#include <opencv2/opencv.hpp>#include <string>using namespace std;using namespace cv;////