- 博客(37)
- 收藏
- 关注
RSS订阅
原创 基于deeplabv3+网络实现虹膜图像分割以及水果图像分割
项目地址：https://github.com/zhongqianli/deeplabv3plus_pytorch文章目录原理虹膜图像分割水果图像分割原理deeplabv3+采用编码解码架构，包含三部分backbone、ASPP以及Decoder三部分。backbone获取一个低层次特征和一个高层次特征，然后将高层次特征输入到ASPP得到多尺度特征，再对多尺度特征上采样与低层次特征融合得到包含语义特征和细粒度特征的融合特征，最后对融合特征上采样，得到mask。虹膜图像分割水果图像分割..
2021-02-26 16:01:06
1460
5
原创 轻量级人脸识别项目EasyFace，准确率高，实时运行，跨平台
项目地址：https://github.com/EasyFaceOrg/EasyFaceEasyFace人脸识别项目A light weight face recognition project, high accuracy, real-time, cross-platform.一个轻量级人脸识别项目，准确率高，实时运行，跨平台。在酷睿i7 CPU上耗时410ms。人脸检测模型RetinaFace在WIDER Face Hard上的准确率为0.791，人脸识别模型MobileFacenet在LFW上的
2021-02-26 16:00:52
1200
1
原创 嵌入式开发板上部署目标检测模型mobilenetv2_ssdlite
文章目录项目地址目标细节模型量化优化图创建校准表文件量化修改输入分辨率加速效果分辨率300 x 300分辨率192 x 192相关文章项目地址mobilenetv2_ssdlite_ncnn目标在RK3308嵌入式开发板（Arm Linux）上使用ncnn部署mobilenetv2_ssdlite模型模型量化细节模型量化https://github.com/Tencent/ncnn/tree/master/tools/quantize优化图https://github.com/Ten
2020-12-01 20:23:09
2306
1
原创 DenseNet学习与实现
《Densely Connected Convolutional Networks》提出了DenseNet，它用前馈的方式连接每一层与所有其他层，L层网络共有L(L+1)2\frac{L(L+1)}{2}2L(L+1)条直接连接。DenseNet有几个优势：可以减轻梯度消失问题、强化特征传播、鼓励特征再利用、实质地减少参数数量。动机随着卷积神经网络变得越来越深，一个新的研究问题出现了：当输...
2019-01-25 20:51:27
7461
1
原创 如何在Windows上搭建一套Linux环境
以前考虑过用Ubuntu作为日常工作的系统，发现不是很方便，比如QQ、微信、印象笔记等日常使用的软件在Ubuntu上体验不是很好，而且Ubuntu桌面系统不如Windows桌面系统流畅（Windows流氓软件这么多，同样不流畅，微笑.jpg）。也考虑过买个mac笔记本，太贵了，而且mac操作系统比较难自主安装，尤其是在非苹果主机上。能不能在Windows系统中玩转Linux中的工具集以及shell...
2018-08-22 23:23:03
7558
原创 局部二值模式（LBP）理论学习与算法实现
一、概念局部二值模式， Local binary patterns， LBP， 一种用于纹理分类的特征。如果局部二值模式特征与方向梯度直方图结合，则可以在一些集合上十分有效的提升检测效果。它将各个像素与其附近的像素进行比较，并把结果保存为二进制数。由于其辨别力强大和计算简单，局部二值模式纹理算子已经在不同的场景下得到应用。LBP最重要的属性是对诸如光照变化等造成的灰度变化的鲁棒性。它的另外一个重要特
2017-08-28 19:44:02
5836
原创 为嵌入式开发板（arm linux平台）交叉编译opencv
项目地址opencv_cross_compile细节指定编译器GNU_MACHINE=aarch64-rockchip-linux-gnu脚本文件：#!/usr/bin/env bashset -eexport PATH=$HOME/software/Firefly-RK3308_Linux_SDK_git_20181116/buildroot/output/firefly_rk3308_release/host/bin:$PATH#cp CMakeLists.txt.aarch64-
2020-12-01 22:46:21
445
原创 opencv cv::imread无法使用中文路径的解决办法
https://github.com/opencv/opencv/issues/4292#include <vector>#include <opencv2/core.hpp>#include <opencv2/imgcodecs.hpp>#include <opencv2/imgproc.hpp>#include <opencv2/highgui.hpp>int main(int argc, char ** argv){
2020-12-01 21:54:53
1696
原创 如何理解torch的dim或numpy的axis
对于dim维张量x，从第0维到第dim-1维，依次对应从最外层中括号到最内层中括号。torch.sum(x, dim=0)，将第0维内的元素作为运算对象进行求和；torch.sum(x, dim=1)，将第1维内的元素作为运算对象进行求和；torch.sum(x, dim=dim-1)，将第dim-1维内的元素作为运算对象进行求和； x = torch.tensor([[1, 2], [3, 4]]) x0 = torch.sum(x, di
2020-08-20 22:08:15
1044
原创 图像分类之从AlexNet到ResNeSt概述
AlexNet深度学习崛起的开端。引入dropout，用于减轻过拟合。将激活函数换成ReLU。使用group convolution在两个GPU上训练，为后续的CNN网络带来启发。提出了LRN，可以理解为一种对比度归一化，一种正则化方法，可以提升网络泛化能力。使用了重叠的max-pooling。NIN提出了全局平局池化（global average pooling），用于替代全连接层，没有需要学习的参数，避免了全连接层带来的过拟合和不可解释问题。VGG重复堆叠3x3 conv和 2x2
2020-08-20 21:49:59
562
原创 【OCR学习笔记】What Is Wrong With Scene Text Recognition Model Comparisons Dataset and Model Analysis
文章目录摘要细节开源代码摘要提出了一个统一的四阶段STR框架。Transformation： TPS，归一化字符区域到预定义的矩形，校正图像。Feature extraction : ResNet、GRCNN、MobileNet、VGG，提取与字符识别相关的特征。Sequence modeling（Context modeling）： BiLSTM或BiGRU，捕获字符序列的上下文信息，使字符预测更稳健，而不是单独预测。Prediction： CTC、Attention，从图像的可识别特征预测
2020-08-20 21:28:20
761
原创 根据论文标题重命名arxiv pdf文档
项目地址：https://github.com/zhongqianli/pdf_paper_rename需求从arxiv下载的pdf文档是以时间戳命名的，需要重命名文件，然而直接复制标题重命名文件时，在Windows系统上会报错，因为它不支持一些特殊字符。 为了提升重命名文档的效率，本项目开发了可批量重命名pdf文档的脚本。除了arxiv下载的pdf文档，其他来源的pdf文档应该也可以使用。Windows文件名不支持的特殊字符为英文输入状态的/?????"<>|不可转换的字符为*|无法
2020-08-20 21:11:59
1161
1
原创 anoconda使用总结
文章目录安装miniconda切换源与重置源conda命令创建环境列出已创建的环境移除环境激活与退出环境安装软件包列出已安装的软件包卸载软件包更新软件包从特定来源安装包创建需求文件导出环境文件从environment.yml文件创建环境生成规范列表从spec-file.txt文件创建环境克隆环境默认不激活conda环境自动激活某个环境删除未使用的包和缓存https://docs.conda.io/projects/conda/en/latest/https://conda.io/docs/user-gu
2020-08-20 20:51:35
753
原创 docker总结
文章目录常用命令打印image列表打印container列表拉取官方镜像拉取自己的镜像删除镜像保存镜像为tar包从tar包导入镜像推送自己的镜像到仓库创建容器启动容器在正在运行的容器中运行一条命令删除容器提交容器到镜像从Dockerfile构建镜像临时使用container入门教程用Dockerfile定义一个容器建立并测试您的镜像将镜像作为容器运行发布镜像拉取官方镜像安装配置允许非root用户使用测试Usage离线安装常用命令打印image列表docker images打印container列表
2020-08-20 20:49:11
120
原创 PIL Image生成与读取伪彩色图像
文章目录介绍PIL Image生成与读取伪彩色图像效果图介绍伪彩色（Pseudo-color）图像的每个像素的颜色不是由每个基本色分量的数值直接决定，实际上是把像素当成调色板（Palettes）或颜色查找表（Color Look-Up Table，CLUT）的表项入口地址，根据该地址可查找出包含实际R、G、B的强度值，如果图像中的颜色在调色板或彩色查找表中不存在，则调色板会用一个最为接近的颜色来匹配。通过查找出的R、G、B强度值产生的色彩不是图像本身真正的颜色，因此称为伪彩色。伪彩色图像为位深度为8。
2020-08-20 20:25:24
2552
1
原创 caffe源码分析---AP与mAP计算
Precision、Recall、P-R曲线Percision评估所有检测为positive的结果中，有多少是真的positive。Precision=TPTotal_Predicted_Positive=TPTP+FP Precision = \frac{TP}{Total\_Predicted\_Positive} = \frac{TP}{TP + FP}Precision=Tota...
2019-02-26 09:09:15
1187
原创 caffe源码分析---IoU计算
IoU计算IoU=predict检测框与ground_truth检测框的交集predict检测框与ground_truth检测框的的并集IoU = \frac{predict检测框与ground\_truth检测框的交集}{predict检测框与ground\_truth检测框的的并集}IoU=predict检测框与ground_truth检测框的的并集predict检测框与ground_tru...
2019-02-25 11:52:03
553
原创 ubuntu16下安装pytorch
文章目录安装pytorchNo CUDA版本CUDA10版本验证是否安装成功检测GPU驱动和CUDA是否可用安装pytorchNo CUDA版本# Python 3.5pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1.post2-cp35-cp35m-linux_x86_64.whlpip3 install tor...
2019-02-19 13:15:07
493
原创 caffe使用总结
文章目录由图像数据生成lmdb数据solver.prototxt【优化算法参数的调整很重要】train_test.prototxtdeploy.prototxt命令行中使用caffe脚本训练模型恢复中断的模型训练finetuning、迁移学习、预训练测试模型可视化由图像数据生成lmdb数据loss = NaN问题：（1）学习率太高（2）lmdb生成有问题，未将shuffle设置为true，...
2019-02-15 09:57:27
189
原创 基于Retinanet的人脸检测
project address: https://github.com/zhongqianli/keras-retinanetTrainning a face detector by transfer learning based on keras-retinanet.Install keras-retinanetYou’d better use ubuntu system rather t...
2019-02-13 22:20:48
2320
原创 Git常用命令总结
配置git config --global user.name “name”git config --global user.email name@qq.comgit config --list创建仓库local： git initremote： 新建 projectname.git目录，进入目录，然后再 git init --bare需要忽略版本控制的文件在.gitignore中...
2019-02-02 14:34:21
154
原创 ShuffleNet V2学习笔记
paper：《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》导语神经网络架构的设计目前主要由计算复杂度的间接指标（即FLOPs）来指导。但是，直接指标（如速度）还依赖于其他因素，如内存访问成本（MAC）和平台特点。作者指出过去在网络架构设计上仅注重间接指标 FLOPs 的不足，并提出两个基本...
2019-02-01 22:16:32
519
原创 git merge与git rebase区别
作用都是将一个分支整合到另一个分支。**差异：**git merge是进行三方合并；git rebase是先更新“base”，再将当前分支的差异补丁重新打上去。git merge 合并**工作原理：**将两个分支最新的快照以及二者的共同祖先进行三方合并。git rebase 衍合**工作原理：**回到两个分支的共同祖先，提取所在分支每次提交时产生的差异，将这些差异分别保存到临时文件里，...
2019-01-27 18:30:37
371
原创 MobileNetV2学习与实现
摘要《MobileNetV2: Inverted Residuals and Linear Bottlenecks》提出了一种新的移动端架构MobileNetV2。同时将这个移动端模型应用到了目标检测，得到了一个新框架SSDLite。此外通过Mobile DeepLabv3演示了如何构建移动端语义分割模型。引言主要贡献提出了一种新颖的模块：the inverted residual with...
2019-01-26 23:31:12
683
原创 ResNeXt学习与实现
摘要《Aggregated Residual Transformations for Deep Neural Networks》提出了高度模块化的网络架构用于图像分类，网络是通过重复使用集成了一系列具有相同拓扑的模块来构建的，是一个同类的多分支的架构。引入了一个概念，cardinality（集合的势），transformations集合的大小。通过增加cardinality来增加模型容量比增...
2019-01-26 17:48:33
1033
原创 caffe实现深度可分离卷积depthwise convolution
深度可分离卷积是MobileNets、Xception等深度学习网络的基石，将它实现了，那些使用了它的深度学习网络也就可以轻易实现。深度可分离卷积的原理(Depthwise Separable Convolution)深度可分离卷积由两个过程组成：depthwise convolution和pointwise convolution(即1x1 convolution)。不妨假设输入图像的高度...
2019-01-22 13:49:28
4555
原创 使用opencv的dnn模块进行人脸检测
模型文件来自opencv/samples/dnn/face_detectorcaffe模型若为caffe模型，则使用readNetFromCaffe，需要用到.prototxt格式的配置文件和.caffemodel格式的模型文件dnn::Net net = readNetFromCaffe(modelConfiguration, modelBinary);tensorflow模型若为t...
2019-01-22 12:27:31
4585
9
原创 使用pycaffe进行网络训练
import caffecaffe.set_device(0)caffe.set_mode_gpu()solver = caffe.SGDSolver("solver.prototxt")# print layer shapefor k, v in solver.net.blobs.items(): print(k, v.data.shape)solver.solve()
2019-01-09 11:34:19
687
原创 keras实现transfer learning
项目地址：https://github.com/zhongqianli/transfer_learning所谓的迁移学习，就是将某个模型在某个数据库上的物体分类能力或特征提取能力应用到另一个数据库，这些“能力”本质上就是模型的权重，用大型数据库上预训练的模型的权重初始化新模型，可以更快训练好新模型。对于某个分类任务，使用迁移学习时，如果数据量比较大，则可以先将预训练模型中提取特征层的权重载入，修...
2019-01-04 13:04:29
1049
原创 皮肤颜色检测算法实现
原理在RGB颜色空间下满足：R>95AND G>40 B>20AND MAX(R,G,B)-MIN(R,G,B)>15AND ABS(R-G)>15AND R>GAND R>B即可认为是皮肤颜色。实现#include <opencv2/core/core.hpp>//#define SKIN_DETECTION_DEBU...
2019-01-03 16:34:26
2028
原创 MorphGAC轮廓检测算法实现
本文实现了《A Morphological Approach to Curvature-Based Evolution of Curves and Surfaces》提出的MorphGAC。文章目录项目地址原理算法实现g(I)实现IS实现SI实现SIoIS实现ISoSI实现morph_gac实现项目地址c++版本：https://github.com/zhongqianli/morph_sn...
2019-01-03 15:58:12
1133
原创 caffe使用总结
文章目录由图像数据生成lmdb数据solver.prototxt【优化算法参数的调整很重要】train_test.prototxtdeploy.prototxt命令行中使用caffe训练模型恢复中断的模型训练finetuning、迁移学习、预训练测试模型可视化自定义网络层绘制loss和accuracy变化曲线由图像数据生成lmdb数据loss = NaN问题：（1）学习率太高（2）lmdb...
2019-01-03 14:01:31
229
原创 使用opencv的dnn模块进行图像识别
项目地址：https://github.com/zhongqianli/cifar10_classification.gitopencv3.4的dnn模块已经支持caffe、tensorflow、pytorch等主流深度学习框架训练的模型。本文用caffe预先在cifar10数据集上训练了resnet56模型。下面讲述如何使用opencv的dnn模块进行图像识别。dnn模块使用caffe模型...
2019-01-03 13:37:09
3526
1
原创 caffe编译问题总结
编译libprotobuf从源码编译3.6.1版本，用于支持新的caffe。编译python3版本修改python_version为3，并且需要安装好numpy等python必备库set(python_version "3" CACHE STRING "Specify which Python version to use")caffe编译时支持c++11重新编译caffe时，需要c...
2019-01-02 10:54:42
150
原创 使用caffe的python layer自定义数据增强层DataAugmentationLayer
caffe自定义网络层的一种方式是使用python layer，这种方式需要使用pycaffe运行，命令行的方式运行会报错。项目地址：https://github.com/zhongqianli/caffe_python_layer编写DataAugmentationLayer这个类的基类是caffe.Layer，需要编写setup，reshape，forward，backward四个方法，...
2019-01-02 10:49:01
606
原创 编写支持多个编译器的CMakeLists.txt
CMakeLists.txtcmake_minimum_required(VERSION 2.8.0)# in CMakeLists.txt root_dir: "mkdir build", "cd build", "cmake .."set(PROJECT_NAME "face_landmarks_demo")project(${PROJECT_N
2018-08-26 11:28:30
1363
原创 keras使用总结
项目源代码：https://github.com/zhongqianli/learning_keras将keras、tensorflow、caffe都学了一遍，每种框架都有各自适合的应用场景，其中keras最简单易学。本文将介绍如何使用keras训练深度学习模型。一、读取数据（1）数据准备本文使用手写体数字识别数据库mnist。keras通过mnist.load_data()即...
2018-08-21 17:40:23
486
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