深度学习
嗯呢嗯呢
Let there be peace on earth.
展开
-
目标检测边界框格式
(1)xywh格式其中xy是边界框的中心点xy坐标,wh分别是图片的宽度,高度(2)xyxy格式其中前两个xy是左上角的xy坐标, 后两个xy则是右下角的xy坐标原创 2022-05-03 21:26:41 · 3212 阅读 · 0 评论 -
YOLOX测试-VOC格式
YOLOX测试-VOC格式原创 2022-10-08 10:04:44 · 324 阅读 · 0 评论 -
YOLOX训练-VOC格式
YOLOX训练-VOC格式原创 2022-09-30 17:32:03 · 625 阅读 · 0 评论 -
YOLOX训练-COCO格式
将MOT17数据集转为COCO格式。YOLOX接着上一次训练。使用tensorboard可视化。OSError: [WinError 1455]页面文件太小,无法完成操作原创 2022-09-28 14:59:36 · 2635 阅读 · 0 评论 -
win10环境安装torch2trt包
win10环境安装torch2trt包原创 2022-09-27 10:46:18 · 747 阅读 · 0 评论 -
torch在高版本训练的模型在低版本中使用报错
pttemptedtoreadaPyTorchfilewithversion3,butthemaximumsupportedversionforreadingis2.解决:首先用高版本的torch读入后重新保存。model = torch.load('model_name.pt')torch.save(model, 'save_path', _use_new_zipfile_serialization=False)然后在低版本中读取。torch.lo...原创 2022-05-31 09:53:42 · 1001 阅读 · 0 评论 -
安装cvxpy
whl下载地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy先安装numpy+mkl, scipy,scs,ecos,fastcache和 osqp等库,最后安装cvxpy库原创 2022-03-26 11:48:25 · 952 阅读 · 0 评论 -
Deep Learning for Visual Tracking: AComprehensive Survey基于深度学习的视觉跟踪
论文地址:https://arxiv.org/pdf/1912.00535.pdf摘要研究当前基于深度学习的可视化跟踪方法、基准数据集和评价指标。从9个关键方面总结了基于深度学习方法的基本特征、主要动机和贡献:网络架构、网络开发、视觉跟踪的网络训练、网络目标、网络输出、相关滤波器开发、鸟瞰跟踪、长期跟踪、在线跟踪。引言视觉跟踪:由目标初始状态估计未知的视觉目标的轨迹。应用自动驾驶汽车[1],自主机器人[2],监控[3],增强现实[4],鸟瞰跟踪[5],运动[6],外科[7],生物原创 2022-01-28 20:58:30 · 175 阅读 · 0 评论 -
目标跟踪综述
摘要研究当前基于深度学习的可视化跟踪方法、基准数据集和评价指标。从9个关键方面总结了基于深度学习方法的基本特征、主要动机和贡献:网络架构、网络开发、视觉跟踪的网络训练、网络目标、网络输出、相关滤波器开发、鸟瞰跟踪、长期跟踪、在线跟踪。引言视觉跟踪:由目标初始状态估计未知的视觉目标的轨迹。应用自动驾驶汽车[1],自主机器人[2],监控[3],增强现实[4],鸟瞰跟踪[5],运动[6],外科[7],生物原创 2022-01-28 15:08:19 · 983 阅读 · 0 评论 -
多目标跟踪综述Multiple Object Tracking: A Literature Review
原创 2021-12-07 23:16:39 · 2477 阅读 · 0 评论 -
KLT(Kanade-Lucas-Tomasi )
目录光流法KLT原理应用目标跟踪算法主要分为两类:一类是传统的目标跟踪算法(粒子滤波(pf)、Mean Shift及KLT算法(或称Lucas光流法));另一大类是基于深度学习的跟踪算法。光流法光流(Optical flow) 其实是指空间运动物体在观察成像平面上的像素运动的 瞬时速度。它利用了图像序列中像素强度在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。那么简单来说,光流其实就是瞬时速率,在时原创 2021-11-28 15:56:56 · 4742 阅读 · 0 评论 -
刚体与非刚体
从物理学的角度,刚体就是在受力或者运动时,形状和大小不变,而且内部各点的相对位置不变的物体。刚体运动没有形变,没有变形速度。非刚体运动则有,包括线变形速率和角变形速率。...原创 2021-11-27 16:48:03 · 5001 阅读 · 0 评论 -
生成式对抗网络GAN
GANarxiv:https://arxiv.org/abs/1406.2661Generative Adversarial Network,G是generator,生成器:负责凭空捏造数据出来D是discriminator,判别器:负责判断数据是不是真数据以生成图片为例进行说明, G是一个生成图片的网络,它接收一个随机的噪声z,通过这个噪声生成图片(如正态分布,auto-encoder是中间输出是一般也是),记做G(z)。 D是一个判别网络,判别一张图片是不是“真实..原创 2021-11-23 20:03:08 · 851 阅读 · 0 评论 -
元学习Meta Learning/Learning to learn
元学习Meta Learning/Learning to learn即利用以往的知识经验来指导新任务的学习,使网络具备学会学习的能力,是解决小样本问题(Few-shot Learning)常用的方法之一。训练在元学习中,训练单位分层级了,第一层训练单位是任务,也就是说,元学习中要准备许多任务来进行学习,第二层训练单位才是每个任务对应的数据。(训练样本中的训练集一般称作support set,训练样本中的测试集一般叫做query set)图片来源:https://www.jiansh...原创 2021-11-23 10:26:43 · 575 阅读 · 0 评论 -
自编码器AE
目录自编码器组成应用分类自编码器autoencoder,是神经网络的一种,经过训练后能尝试将输入复制到输出。自编码器内部有一个隐藏层 h,可以产生编码(code)表示输入。该网络可以看作由两部分组成:一个由函数 h = f ( x ) h = f(x)h=f(x) 表示的编码器和一个生成重构的解码器 r = g ( h ) r = g(h)r=g(h)。一般不应该将自编码器设计成输入到输出完全相等。通常需要向自编码器强加一些约束,使它只能近似地复制,并只能复制与训练数据相似的输入原创 2021-11-23 09:50:31 · 1395 阅读 · 0 评论 -
脉冲神经网络SNN
动态神经网络中的神经元不是在每一次迭代传播中都被激活(而在典型的多层感知机网络中却是),而是在它的膜电位达到某一个特定值才被激活。当一个神经元被激活,它会产生一个信号传递给其他神经元,提高或降低其膜电位。脉冲神经网络分为三种拓扑结构。它们分别是前馈型脉冲神经网络(feed-forward spiking neural network)、递归型脉冲神经网络(recurrent spiking neural network)和混合型脉冲神经网络(hybird spiking neural network)原创 2021-11-23 09:29:59 · 316 阅读 · 0 评论