- 博客(101)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 统计一下我的CV方向可以投的期刊和会议
先贴一下一个有用的网址，主要统计了Countdowns to top CV/NLP/ML/Robotics/AI conference deadlines：https://aideadlin.es/然后贴几张CCF推荐的人工智能类的期刊和会议：那么我们可以从中挑选几个我们比较相关的CV方向的，看看他们的时间，主要针对会议：会议：NIPS:在每年的12月举行，截稿一般都在5月或6月CVPR: 在每年的6月举行，但是截稿一般都在前一年的11月中旬ICCV: 每两年举办一次
2020-12-12 10:21:30
7586
12
原创 常见目标跟踪数据集下载链接整理（更新中）
搜罗一下，感觉没人把常见的目标跟踪数据集下载链接汇总整理的，这里就整理一下，因为有些网址很难打开，这里也是想方便之后大家获取，来看看吧！我就从大佬图中来找几个吧！因为不是全接触过，有些链接不是很好，有小伙伴有更好的建议，欢迎评论 ！请大家遵守相关的license，数据集仅供教育和研究使用OTBVisual Tracker Benchmar：http://cvlab.hanyang.ac...
2020-04-11 18:35:46
25591
83
原创 LaTeX写作中比较好看的三线表源码
由于平常会看到一些比较好的会议期刊论文里面的表格显得特别的专业，也就想在以后的论文中使用，故自己尝试在LaTex中复现这些表格，在这里整理供大家一起使用。
2023-09-15 09:05:12
863
原创 cv2.VideoCapture达不到设置的捕获帧率
问题是：当我们使用webcam的时候，会想要采我们想要的帧率的视频，但是会发现我们通过。并不起效果，而是采用默认的帧率，这里就需要有两点分辨清楚。
2023-04-18 21:41:42
1682
1
原创 davis2016评估教程
DAVIS 2016是VOS任务中的一个经典的benchmark，但是一些VOT的算法有时候也可以预测mask，所以也会在上面测一测性能，本次就随手记录一下自己评测的过程。
2023-02-24 14:27:41
1400
6
原创 MSA,W-MSA和AS-MLP block的计算复杂度公式推导
在AS-MLP里面有这几个公式：首先，这三个名词首先知道是从哪里来的：MSA: Multi-head self-attentionW-MSA: Window multi-head self-attentionAS-MLP:axial shifted MLP然后我们这里说的是计算复杂度，而不是直接的计算量，所以会忽略比如softmax和scale的计算部分。首先明确最简单的矩阵相乘的计算复杂度，可以看下面这张图: NxC的矩阵与CxM的矩阵相乘，计算复杂度为O(NMC)O(NMC
2022-05-19 10:15:44
2541
4
原创 Ubuntu 查询gpu空闲自动运行下一个程序
在炼丹的时候我们会碰到下面两种情况:想连续跑多个训练测试，可以新建一个sh文件，里面按行写上各条命令，然后直接运行这个sh文件就行。这种方法是最简单的，在自己固定有卡和各条命令之间时间逻辑先后关系考虑好，每条命令都能运行的情况下是可以的（这样不用往下看了）还有一种情况，就是自己没有固定的卡，想在别人运行完自己第一时间跑上。或者在上一种情况下，第二条命令还没及时调试好，但是先想让第一条命令先运行着，后面再找时间无缝训练上。属于这些情况就可以往下看：本篇参考这篇博客，对其进行解析和改了一个小bug提
2022-04-28 11:44:30
1075
2
原创 3090(30系显卡)编译prpooling出错的解决办法
写在最前面: 等等党继续等，我要看空中飞人。现在30系显卡可能因为降价已经开始走入炼丹师的炉中，各位tracker也会频繁的使用pytracking框架中的ATOM和DIMP作为baseline，或者跑别人的代码里面用到了PRPooling，亦或者自己的代码里面想使用PRPooling，那可能会遇到编译的问题（PRPooling通常在被使用的时候都是在线编译的），如果没有编译问题的话那就恭喜了，下面就不用看了。比如下面的博客都有问题:编译pytorch版本的PreciseRoIPoolingpyt
2022-04-27 22:54:46
2297
7
原创 OTB100/2015 matlab toolkit的使用
其实很早之前就已经写过关于otb这个数据集测试的博客: OTB官方评估代码python版本–评估自己跟踪器，对比其他跟踪器, 不过当时比较紧急没有时间使用matlab版本的工具箱来实现画图，虽然那个python版本的也能够做到，好多人也成功使用，但是还是很多人想用matlab画图，所以我抽空把这部分写一下，力争仔细一步步看完小白也能够成功测试tracker的结果。好，废话不多说。官网的工具箱一般都是在这里下载:但是里面的代码部分有点小bug，而且真值文件只有51个，不能测试OTB2015或者叫做O
2022-03-30 14:51:51
4501
15
原创 MOT数据集概述及下载(持续更新)
MOT系列：现在用的比较多的是MOT17和MOT20:MOT17: paper, projectMOT20: paper, projectKITTI: paper, projectBDD100K: paper, projectGMOT40: paper, projectTAO: paper, projectDanceTrack: paper, project
2022-03-15 10:00:17
3148
翻译 【翻译】Accelerating Inference Up to 6x Faster in PyTorch with Torch-TensorRT
By Ashish SardanaI’m excited about Torch-TensorRT, the new integration of PyTorch with NVIDIA TensorRT, which accelerates the inference with one line of code. PyTorch is a leading deep learning framework today, with millions of users worldwide. TensorRT i
2022-01-18 10:07:24
384
原创 VOT数据集自动/手动下载
其实当我们使用vot-toolokit-python的时候，在初始化workspace时会自动下载对应stack的数据集，比如在vot/stack下会有这么几种可以选择：但是现在我们想抽出来自己下载，因为可能网不好，不能一口气下完，所以抽出来能够可控性更大，所以我把抽出来的直接可以运行的代码放在下面，大家可以试用一下，有问题的可以在评论区反馈。download_vot_dataset.py自动下载import osfrom tqdm import tqdmimport siximport cs
2022-01-14 15:15:10
5850
8
原创 论文DepthTrack: Unveiling the Power of RGBD Tracking阅读及代码讲解
最近终于有了一篇的顶会像样的RGBD tracking的论文了：ICCV2021: DepthTrack: Unveiling the Power of RGBD TrackingGithub: https://github.com/xiaozai/DeT数据集简介这边看完就随手记录一下关键的部分：主要是创建了个大规模的RGBD tracking benchmark: DepthTrack (有数据集之后才能促进算法的研究)，当然随之也搞了个baseline tracker—DeT, 这也是现在搞d
2021-12-21 14:43:46
4114
13
原创 记ubuntu18.04安装使用TensorRT
激活虚拟环境，安装pyCUDApip install 'pycuda<2021.1'安装完成:
2021-11-26 22:17:36
3578
2
原创 tracking里面几种常见图的画法
一、气泡图第一种会放success和speed的图，然后圆圈的大小是结合两者综合后的性能，俗称“气泡图”先放一下自己模仿ocean画的一幅图:以下是画的代码（直接运行就能出来上面这幅图）：import numpy as npimport matplotlib.pyplot as pltimport matplotlib.axes._axes as axesimport matplotlib.figure as figurefrom matplotlib.backends.backend_p
2021-10-24 22:36:45
5637
46
原创 目标跟踪中cross correlation的总结与实现
最近几篇目标跟踪文章都出现了对cross correlation方面的改进， 是因为发明新tracker的趋势已经过去了吗？其实我之前也思考过，一直直接拿来用的depth-wise correlation是否是最优的融合模板特征和搜索特征的操作，有没有或能不能找出比这个更有效的融合方式，但是一直停留在思考层面，但是就有好几篇工作都涉及到了这一点：总共应该有以下几篇：nameconferencepapernaive correlationECCV2016WFully-Convol
2021-08-27 22:58:18
5511
19
原创 PyTorch源码看Transformer
从去年的ViT以来，Transformer在CV领域也大红大紫，现在写都算比较迟了，这次主要从PyTorch源码角度来看Transformer整体结构。主要的源码文件位于下面这个路径：anaconda3/lib/python3.7/site-packages/torch/nn/modules/transformer.py官方的Transformer文档也可以去这里参考主要是有一个Transformer类，而这个类也主要由TransformerEncoder和TransformerDecoder组成
2021-08-14 19:47:25
1220
1
原创 Discriminative and Robust Online Learning for Siamese Visual Tracking(DROL AAAI2020)
其实这是一篇相对来说比较早的文章了，现在来看可能不是那么好，但是毕竟是2019年完成的嘛论文：Discriminative and Robust Online Learning for Siamese Visual Tracking【raw result打包】代码：https://github.com/shallowtoil/DROL本文的内容由以下几个部分组成：1、论文解决问题siamese-based tacker的固有的问题，主要包括两方面:对distractors缺乏discrimin
2021-06-24 12:42:22
1263
13
原创 从RepPoints来学习mmdetection框架
最近想精看一篇论文：RepPoints: Point Set Representation for Object Detection当然这只是V1的版本。官方代码地址：https://github.com/microsoft/RepPoints因为代码是基于mmdetection(v1.0rc0因为是比较早的一个工作了)的，所以这次趁此机会来打开mmdetection在我心中神秘的大门，看完之后发现这个看似庞大的框架还是很清晰的，也促进了我对detector的理解。ps：需要注意的是mmdetecti
2021-06-12 15:54:39
715
原创 ubuntu18.04 让独显全部用于运算
首先说明一下我的电脑配置以及准备工作：ubuntu18.04华硕主板z390双卡RTX 2080Ti准备工作：必须保证你的CPU有核显，我在平常使用的时候已经把两个显示器都插在主板上了(没有插在GPU上)，且在BIOS里面＂高级—北桥—显示设置—首选显卡—选为CPU），同时将iGPU设置中改为enable＂了痛点来源：因为每次看到代码跑起来时候卡0总会比卡1少1GB左右的显存，有的时候就是差这么点不能跑起来，还有因为卡0有用于显示输出，所以温度平常都会很高，不利于长期寿命大显存被占用时使用
2021-05-31 22:44:01
5962
5
原创 pytoch实现nn.CrossEntropyLoss和多分类的focal loss
import timeimport torchimport torch.nn as nnimport torch.nn.functional as F# for weight variable:# https://discuss.pytorch.org/t/passing-the-weights-to-crossentropyloss-correctly/14731/10?u=simiao_lai1def crossentropy(logits, targets, weight=None,
2021-05-21 14:54:29
1118
1
原创 PyTorch DDP模式的使用
PyTorch支持分布式训练，所以当你有多块卡时，肯定是想让你的代码能够使用multi-gpu进行training。然后你会发现有两种选择摆在你面前：DP(torch.nn.DataParallel) 官方Tutorial优点：修改的代码量最少，只要像这样model = nn.DataParallel(model)包裹一下你的模型就行了，想用的话可以看一下上面的官方Tutorial，非常简单缺点：只适用single-machine multi-GPU(不过也已经适合大部分人使用了)，不适用mult
2021-03-29 21:13:54
8565
12
原创 记录一下ubuntu18.04安装使用配置环境发布docker-ce全流程
基本上就是按照官方的教程一步步来的：https://docs.docker.com/engine/install/ubuntu/#install-using-the-repository一、基本安装1、更新一下apt工具包 sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg \ lsb-release2、添加docke
2021-03-28 19:46:49
1957
原创 with torch.no_grad()和backward()
在编程中遇到了with torch.no_grad()用法，想整明白，过程中有一些意料之外的东西，故此记录一下。首先说明一下环境，以下的测试均在：python3.6, pytorch1.2.0 环境下给出：官网的截图如下：主要有几个重要的点：torch.no_grad上一个上下文管理器，在你确定不需要调用Tensor.backward()时可以用torch.no_grad来屏蔽梯度计算在被torch.no_grad管控下计算得到的tensor，它的requires_grad就是False下
2021-01-16 21:01:05
3074
3
原创 vot-toolkit-python测试DiMP50在VOT2018上的表现
之前写过一篇博客：用pysot里面的vot测试功能测试DIMP50在vot2018上的表现，当时也是可以测试成功的。今天用vot-toolkit-python，也就是vot2020新出的python版本的toolkit来测试一下DiMP50在VOT2018上的表现，在此记录备份一下。注:在看本篇教程之前起码已经跑通过DiMP50，所以跑通DiMP50的过程不再赘述1. 配置环境因为之前在跑pytracking的时候已经配置过一个anaconda的base环境(里面有些包的版本还很严格)，而vot-t
2020-12-01 19:55:01
3821
54
原创 目标跟踪解析:ATOM:Accurate Tracking by Overlap Maximization
关于siamese系列的跟踪网络，之前已经看得比较详细了，无论是anchor-free的还是anchor-based。然而，一直想完成一下Martin Danelljan的基于判别力的两个跟踪器的分析，今天终于有时间记录一下ATOM(CVPR2019)了，之后有时间再来写DIMP(ICCV2019)。论文：ATOM: Accurate Tracking by Overlap Maximization代码：https://github.com/visionml/pytracking先看一下结果这里先放
2020-11-29 19:42:21
3451
14
原创 目标跟踪DiMP: Learning Discriminative Model Prediction for Tracking
DiMP: Learning Discriminative Model Prediction for TrackingResultsVOT2018LaSOTTrackingNet(test)GOT10k(test)Nfs/OTB/UAV123ArchitectureOffiline trainingOnline tracking论文：DIMP: Learning Discriminative Model Prediction for Tracking代码：https://github.com/visio
2020-11-29 19:42:08
7401
5
原创 简单易懂的利用F.conv2d函数进行卷积的前向传播和反向传播
其实你去看pytorch中的nn.Conv2d的源码的时候，你会发现它还是调用的nn.functional.conv2d，如下图所示：显然这在前向传播中我们已经用的非常多了，有时候在跟踪里面会计算template和search的互相关，也是利用F.conv2d函数实现的，本篇文章用生动易懂的方式讲解一下F.conv2d前向传播和反向传播的过程。前向传播(forward propagation)官方的参数列表是这样的：torch.nn.functional.conv2d(input, weight
2020-11-26 21:37:37
13938
15
原创 ubuntu突然断电重启显卡驱动失败解决办法(不需要重装驱动)
今天实验室突然跳闸，开机的时候发现显卡驱动失效了，用nvidia-smi显示如下:NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running这个问题通常是由重启后切换到了新的内核版本上导致的，所以只要切换回去就可以了你可以用uname -r看一下当前使用的内核版本，可以用dp
2020-11-19 21:18:45
1874
原创 ubuntu18.04下安装textlive2020和texstudio
ubuntu18.04下安装textlive2020和texstudio一、下载安装包二、安装texlive20202.1 挂载镜像2.２ 配置环境变量三、安装texstudio3.1 命令行安装3.2 配置四、参考今天在ubuntu18.04下安装了textlive2020和texstudio，在此记录一下：一、下载安装包textlive2020.iso镜像可以去这里下载：https://mirrors.tuna.tsinghua.edu.cn/CTAN/systems/texlive/Image
2020-11-14 10:35:06
1097
原创 用pysot里面的vot测试功能测试DIMP50在vot2018上的表现
用pysot里面的vot测试功能测试DIMP50在vot2018上的表现一、将实验添加到myexperiments.py中二、稍微调整一下run_experiment.py的运行接口三、修改votdataset.py中的gt格式四、修改tracker.py文件需要把复制到五、修改running.py中保存结果的地方六、这样就可以运行了此前花了两天时间，准备用vot-toolkit(matlab)去测一下DIMP50 baseline在VOT2018上的表现的，结果发现dimp50 fail之后总是不能初始
2020-10-31 14:27:59
3088
8
原创 DTB70 toolkit的使用
DTB70 toolkit的官网是： https://github.com/flyers/drone-tracking在使用过程中还是有几点需要修改的：1、去DTB70_toolkit/experiments/util/configTrackers.m里修改trackers，可以修改 为如下：trackersClassic = { struct('name','ATOM','namePaper','ATOM') struct('name','DIMP50
2020-10-20 16:16:55
1148
5
原创 cv2.rectangle的一点小坑
今天在找bug的时候发现一个cv2.rectangle又一个跟我们常识惯性不太一致的地方：一般我们非常熟悉这个函数的用法，就是在图上画矩形框，在跟踪里面就是画boundinig box：cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) → None以前的想法：给img，和左上角坐标pt1和右下角坐标pt2，然后就能画出矩阵（所以也就很老实的按照格式要求输入）现在的想法，pt1不一定是左上角坐标，pt2不一定是
2020-09-25 13:18:05
3219
原创 分析pytorch中的view和reshape
在pytorch编写的代码中，view方法和reshape方法是非常常用的。但是经过我的一次亲手撸代码的经历，发现事情并不那么简单，那就一起来看一下我为何这么说吧？一、基础认知在此之前，希望对以下几点我们是有共同认知的：（B, C, H, W）这个形式的tensor通常都是作为网络的输入，而每个维度都是有其意义的，比如第一维的B就是不同的图片（暂且认为是输入的图片），也就是一个批次中的batch size大小，C是tensor的通道， H和W分别是tensor 的spatial size，即高和宽。
2020-09-21 09:14:15
3755
原创 关于SiamRPN代码的一些要点
关于SiamRPN代码的一些要点1、Architecture2、generate anchors3、labelspaper：High Performance Visual Tracking with Siamese Region Proposal Networkcode：https://github.com/STVIR/pysot【另一个包括训练测试的复现代码】SiamRPN是siamese系列的跟踪经典之作，又是最早的anchor-based方法，所以当你看懂SiamRPN一些操作之后，对后续的D
2020-08-29 00:27:38
6233
22
原创 ubuntu18.04从零搭建深度学习环境
很多人对于深度学习刚开始报以很大的热情，但是通常会花非常多的时间在环境的搭建上，而且自己电脑里装了很多的版本的包，最后都不知道用的哪个环境跑通了，对于一个 new project又得重新搭建。为了自己以后重装系统后快速恢复和刚入手ubuntu18.04的人，可以看一下以下的经验总结（本人两年来的经验，保证稳定）：1、装ubuntu18.04这一点就不用多说了，只要注意：可以在装系统的这步就可以进BIOS把Secure Boot Disabled禁用了验证系统安装正常就是：在ubuntu18.04
2020-08-27 10:39:55
4245
1
原创 关于SiamKPN代码的一些要点
关于SiamKPN代码的一些要点一、模型二、label generationheatmap：offsets：objsize：三、LOSSheatmap_lossoffsets_lossobjsize_loss四、Tracking五、Coordinate remapping summaryPS这是出自快手公司的一篇单目标跟踪论文，是最早的anchor-free tracking scheme（是的，应该比SiamFC++还早）：paper: Siamese Keypoint Prediction Netw
2020-08-11 15:55:45
1297
2
原创 cv2.copyMakeBorder()&cv2.warpAffine()&cv2.warpPerspective()
在跟踪里面，会需要完成如下的操作：例如，在MDNet的里面，会在GT BBox周围crop下一些positive/negative examples, 然后进行resize和padding的操作，得到固定分辨率的patch|regions例如在SiamFC|SiamFC++里面就会在上一帧目标位置进行crop和resize，得到search image不难发现，对于目标跟踪问题，无论在train phase或者tracking phase，要得到patch，都要有crop->resize/p
2020-07-31 15:46:12
823
SiamRPN讲解.pptx
2020-08-29
siamfc++源码阅读笔记.pdf
2020-07-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人