蜗牛博客

openpose论文中使用的脚部关键点标注有明显的错误，个人使用此数据集训练模型没能获得较理想的结果，通过查找发现此问题

coco2017数据集的简单介绍，coco类别列表

深度学习模型显示工具netronnetron是很不的深度学习模型显示工具netron支持显示大多数的深度学习模型，不支持pytorch生成的pt或者pth文件，但是将这两种文件转为onnx格式，netron是支持的安装其他的系统个人还没有尝试过，但是github地址中有，个人暂时只在ubuntu下安装了，很简单pip install netron代码import torchimport torch.nn as nnimport netron...

VSCODE+PLANTUML环境配置安装JAVA下载地址：https://www.oracle.com/java/technologies/javase-downloads.html选择对应自己电脑版本的安装包，个人下载的是jdk-16.0.1_windows-x64_bin.exe版本勾选接受即可下载配置环境：选择环境变量，打开环境变量对话框，单击下方【系统变量】下的【新建】按钮，变量名为：JAVA_HOME，对应的变量值为jdk安装的目录，如下图所示：

判断点在凸多边形內判断点在凸多边形内的算法有很多，可以参考链接3，个人尝试使用了同侧法，此处也只解析这个方法算法原理：同侧法是判断点在向量哪一侧的一个方法，这个算法的概念是来自于参考文献一，参考文献一判断的是点在三角形内。通过对这个算法的尝试，发现这个算法完全可是适用于任意凸多边形。判断点在多边形内的设计思路也很简单，就是将凸多边形想象成首位相连方向都是顺时针或者是逆时针的一组向量（一定是AB,BC,CA，如下图，一定不能出现AB,BC,AC这种向量首尾不能衔接的情况），被凸多边形.

python 字符串前加u，r，b，f的作用：字符串前缀u示例：a = u'恭喜发财'作用：后面字符串以 Unicode 格式进行编码，一般用在中文字符串前面，防止因为源码储存格式问题，导致再次使用时出现乱码。说明：简单试了两下，没有发现不加u异常的情况，可能我用来测试的代码，写的太简单了，这个位置后期补，也请路过的大牛给与指点字符串前缀r示例：a = r'bbbbbbbbb\n'作用：去掉反斜杠的转义机制说明：在cmd下输入'\..

梳理目标:整理自己在入门深度学习目标检测领域时读取的一些论文和对一些论文方法的见解。便于自己记忆和梳理思路，仅供参考。发展历程：思路整理:阅读过的内容:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、YOLO v1、SSD、YOLO v2、FPN、Mask R-CNN、YOLO v3基于传统机器学习的目标检测方式：在梳理深度学习目标检测前，个人还是喜欢首先梳理一下传统机器学习的目标检测方式，因为深度学习的目标检测方式是在传统机器学...

程序功能 ：解析下载并解压好的 CIFAR-10数据集，生成图像代码：import pickle as pimport numpy as npfrom PIL import Imageimport osclslist = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']def load_CIFAR_batch(filename): with op

个人对于指针的学习与理解，仅供参考，也请路过的大牛给与指导。指针相关的大家不明白的也欢迎留言，大家共同学习指针的基本理解常量指针与指针常量数组指针与指针数组函数指针与指针函数多重指针

个人翻译仅供参考，如有不到位敬请谅解卡尔曼：卡尔曼滤波器：https://zhuanlan.zhihu.com/p/163431021增益公式推导：https://zhuanlan.zhihu.com/p/165570020基于EKF的姿态解算：https://zhuanlan.zhihu.com/p/103617763MATLAB复现https://github.com/waihekor/EKF_AHRS用于9D IMU中集成处理器定向跟踪的....

dee

问题描述：本人根据一个视频生成了一堆图像，图像名中只有数字，如0.jpg。然后本人想要按照视频顺序重新读取图像，计算两张图像中的相机运动。重新读取图像时，使用vector<string>存储图像名，但是vector<string>中的顺序类似为：本文解决这种类似的排序问题。经常出现的场景就是使用一个视频在一个文件夹下生成一堆图像，然后重新读取这堆图像，此时图像的顺序并不是按照生成图像的顺序方法：步骤1://获取文件夹下的全部文件名void getIm

单眼视觉惯性系统的在线时间校准摘要精准的状态估计是各种智能应用程序的基本模块（例如机器人导航，自动驾驶，虚拟和增强现实）。近年来, 视觉和惯性融合是用于6自由度状态估计的流行技术。 实时记录不同传感器的测量值对于系统的鲁棒性和准确性至关重要。 实际上，每个传感器的时间戳通常会遭受触发和传输延迟，从而导致不同传感器之间的时间未对准（时间偏移）。 这种时间偏移极大地影响了传感器融合的性能。 为此，我们提出了一种在线方法，用于校准视觉和惯性测量之间的时间偏移。我们的方法通过共同优化时间偏移，相机和IMU状

1. 问题描述：报错：cmakelist.txt:提示：如果你报了相同的错误，但是没有安装libtorch的话，可能是cmakelist中没有target_link_libraries(opencvt ${OpenCV_LIBS})本博客的重点在于解决同时配置opencv和libtorch时报的上面的错误环境：Ubuntu16.04+opencv4.4+clion+libtorch1.4关于在clion上配置libtorch的问题可以查看本人的另一篇博客报错的特征

先上结果：CPP：

有以下三步解决办法：1.进入C:\Users\Lenovo找.condarc文件，这个文件就是你刚才添加的镜像地址的储存文件。使用notepad++或者记事本打开，把倒数第二行的-default删掉。然后再尝试一下可不可以新建环境，不可以的话来下一步。2.还是.condarc文件，把每个网址的https改成http，也就是把s删掉。这时候可能新建环境还是会报错，但是HTTP错误代码可能会变成503，这是因为科学上网工具跟访问有冲突，不要委屈，再来最后一步。3.打开控制面板，选择网络和Internet。

作者：http://www.liushuaicheng.org/MATLAB代码和视频http://www.liushuaicheng.org/SIGGRAPH2013/index.htm

win32环境下使用struct _finddata_t和x86环境下使用struct _finddata_t，代码不一样，别问我咋知道的，都是眼泪呀在win32环境下将程序调通，然后将环境切为x64，报错：不调试，直接运行报错win32环境下#include <stdio.h>#include <io.h>#include <string>int main(){ //目标文件夹路径 std::string inPath...

参考链接：https://zhuanlan.zhihu.com/p/250839967写的挺好的，很详细，python+opencv和C+opencv的代码都有，但是并不是实时的效果：个人视频效果没法上传，可以参考链接中效果，或者评论获取遇到问题：1. Opencv高版本引发的问题：estimateRigidTransform调用cv2.estimateRigidTransform(prev_pts, curr_pts, fullAffine=False)函数，结果报错：Att.

Opencv对于相机校准和3D重建的讲解：https://docs.opencv.org/3.0-beta/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#fisheye-initundistortrectifymap这个写的真的很细，如果想了解一些理论、算法方面的东西，可以先查看这篇文章相机针孔模型----从世界坐标系，到相机坐标系，再到图像物理坐标系，最后到图像像素坐标系的转换过程解析https://bl

在调试一个视频防抖的程序时，调用cv2.estimateRigidTransform(prev_pts, curr_pts, fullAffine=False)函数，结果报错：个人opencv版本4.4当最后一个参数为fullAffine=False时，使用cv2.estimateAffinePartial2D替代当最后一个参数为fullAffine=True时，使用cv2.estimateAffine2D替代上结果：真的想问一下那些一遇到类似问题就降软件版本的大哥，老这么.

记录个人使用tensorrt时遇到的一些坑，仅供参考，欢迎一起探讨

自己最近想要根据自己的硬件情况，定一个目标检测的主干网络，当然检测方法、fpn、检测层数等等影响到目标检测结果的东西，也都在考虑范围之类。我先写关于主题超参数调解，后面附一些个人对于检测方法的选择。个人觉得超参数调解这个位置，其实并不是很好做，论文和代码中自带的参数确实是比瞎试要强，但是根据实际的项目需求，你需要在别人训练好的模型上改很多东西，因此原始自带的学习参数可能并不适合你，还有就是发出...

一、结论：octave网络对Resnet这类运算量较大的网络有较好的增速效果，但是对于mobilenet这类已经对计算量进行过优化的网络，增速效果不理想甚至会造成减速二、测试结果： FLOPs(10^9) MACs(Multiply-Accumulation) ops interence time(ms) mobilenetv1 37092...

官网：官方网址：https://pytorch.org/docs/master/optim.html#截图：说明：调整学习率这一块，pytorch已经提供了一些函数和示例，个人也是先参考官网，然后参考一些其他的博客，然后自己做一些尝试，本文也只是总结一些自己的经验和遇到的问题。推荐大家还是主要使用官网作为学习对象。博客：参考博客网址：https://www.cn...

使用pytorch时，经常看到人家的代码使用DataLoader中collate_fn参数使用的很明白，自己写的时候总是不得要领，参考别人的方法文献并自己尝试后，整理此文，欢迎批评指正

先抱怨一句，识别真的比检测难很多呀，文字识别可根据待识别的文字特点采用不同的识别方法，一般分为定长文字、不定长文字两大类别。定长文字：定长字符识别中比较广泛的几个例子就是：MNIST识别，验证码识别，车牌识别。MNIST：MNIST这个感觉实在是没啥说的，拿出一本深度学习入门书籍，可能实战篇就有这个项目，无论什么深度学习框架上网搜，都能搜出一大堆程序。验证码识别：验证码这一...

OCR目标检测：个人主要按照公众号我爱计算机视觉（https://www.52cv.net/?cat=18）和github(https://github.com/hwalsuklee/awesome-deep-text-detection-recognition)进行方法调研的，你看过我推荐的这个github，你就会发现OCR目标检测这一块没有太好的选择，近两年的新论文本来就不多，有开源代码的...

使用推理引擎测试网络的时候，个人觉得首先还是需要确定一下，你要测的网络结构推理引擎是否支持，新的网络结构从提出到推理引擎提供该网络结构的支持，中间需要很长一段时间，然后还需要确认GPU是否支持，需要确认对架构是否支持。个人在实际测得过程中，觉得挺麻烦的，有的CPU支持，GPU不支持，有的这个推理引擎支持，那个推理引擎不支持，有的推理引擎这个架构支持，那个架构不支持等等MNN：阿里介绍：ht...

深度学习进行训练时，很多时候数据的长宽比并不固定，因此在resize到固定尺寸前，时常需要增加pad，以此来保证长宽比，本文介绍自己比较喜欢的tensorflow和pytorch程序加pad的方式

其实想要使用别人训练好的模型很简单，确定模型输入输出张量名，跑一下就可以：import numpy as npimport tensorflow as tfimport cv2 as cvimport osdef main(): folder_path = r'D:\share\samples' result_path = r'D:\share\test_result'...

main.py:import torchimport torch.nn.functional as Fimport time#from torch.utils import tensorboardfrom torch.utils.data import DataLoaderimport osimport torchvision.transforms as Tfrom torc...

运行程序，Pytorch版YOLOv3，链接地址：https://github.com/eriklindernoren/PyTorch-YOLOv3Pytorch版本：1.1.0onnx转换程序：import torchimport torchvisionfrom models import *import argparsedef main(): par...

个人觉得从19年8月份开始尝试使用MNN，整体感觉还是挺不错的，阿里的东西还是挺高级的，但是感觉这个东西现在还是太新了，遇到的坑很多，整体对pytorch还不太友好，这个链接下是https://github.com/alibaba/MNN/issues/74，MNN针对不同框架不支持的操作，个人看来pytorch是整体偏多的，tensorflow到2.0版本之后，个人更倾向于使用pytorch，因...

pytorch1.2版本pytorch自定义数据读取tensorboard的使用小弟菜鸟，欢迎各路大咖批评指正愿深度学习的问题解答，不存在版本的问题，为初学者减少困扰