3 王壹浪

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 2w+

cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1)下载链接

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip

2020-10-13 11:17:32

openpose安装使用教程

1.下载最新gpu版本的openposehttps://github.com/CMU-Perceptual-Computing-Lab/openpose/releases/tag/v1.6.02.下载项目,打开model文件夹,双击getModels.bat文件下载模型。3.在项目内打开cmd控制台输入命令bin\OpenPoseDemo.exe --video examples\media\video.avi查看效果...

2020-10-03 18:02:06

带有信任门的时空LSTM,用于三维人体动作识别

https://arxiv.org/pdf/1607.07043.pdfWhy?1.基于人类动作分析3D骨架数据——由于其简洁、健壮性和视图不变表示的特点变得流行!2.创意:提出了一种更强大的基于树结构的遍历方法。3.性能最先进How?时空复发性网络的提出和实现1.LSTM适合学习在一个序列的时间数据。2.骨骼数据的序列特性同样适合rnnn的学习在空间领域。然后将递归分析由时间域扩展到空间域,以发现每帧不同节点之间的空间依赖模式。在空间方向上,框架中的身体关节按顺序馈

2020-10-01 22:25:04

行为识别模型action-recognition-master解读

1.dataset.py用于下载需要使用的数据集hmdb51:import requestsimport osimport globdef download_file(URL, destination): session = requests.Session() response = session.get(URL, stream = True) save_response_content(response, destination) def save

2020-10-01 21:09:09

torch.autograd.Variable(target.cuda(async=True)) ---用async调用cuda()出现 SyntaxError: invalid syntax

直接把cuda(async=true)中的async=true去掉即可。

2020-09-27 11:22:18

Java面试题2

1.JavaSE基础(32) 遍历数组的3种方式?第一种:for循环第二种:增强for循环foreach第三种:利用jdk自带的方法 --> java.util.Arrays.toString()2.JAVA中循环遍历list有三种方式?JAVA中循环遍历list有三种方式for循环、增强for循环(也就是常说的foreach循环)、iterator遍历。3.面向对象特征有哪些方面?1. 封装,隐藏内部实现,只暴露公共行为2. 继承,提高代码的重用性3. 多态,体.

2020-09-24 23:46:31

Java面试题

1. java中wait和sleep有什么区别?多线程条件下如何保证数据安全?wait会释放锁,线程时交互sleep会持有锁,用于暂停执行2.spring主要使用了哪些?IOC实现原理是什么?AOP实现原理是什么?spring主要功能有IOC,AOP,MVC。IOC实现原理:先反射生成实例,然后调用时主动注入。AOP原理:主要使用java动态代理3.mybatis与hibernate?都是轻量级ORM框架。hibernate实现功能比较多,通过HQL操作数据库,比较简..

2020-09-24 19:52:06

python批量删除文件名的前几个字符

1.创建一个记事本文件并更改后缀名为.bat2.写入:@echo offsetlocal enabledelayedexpansion ::批量去掉文件名前N个字符,如果有文件夹会搜索文件夹下的每个文件进行修改set /p format=请输入需要操作的文件格式:set /p deletenum=请输入需要删除文件名前多少个字符:for /r %%i in (.) do ( for /f "delims=" %%a in (' dir /b "%%i\*.%format%" 2

2020-09-21 16:03:44

Human3.6M数据集下载

# Download H36M annotations mkdir data cd data wget http://visiondata.cis.upenn.edu/volumetric/h36m/h36m_annot.tar tar -xf h36m_annot.tar rm h36m_annot.tar # Download H36M images mkdir -p h36m/images cd h36m/images wget http://visiondata.cis.upenn.edu/volu

2020-09-21 15:45:33

TypeError: unsupported operand type(s) for +: ‘NoneType‘ and ‘str‘

把对应文件夹里面_int_.py文件删除就好了。。。

2020-09-20 00:21:35

智能数字图像处理之FastRCNN(pytorch)代码解读之faster_rcnn_framework.py

class FasterRCNNBase(nn.Module):广义R-CNN的主要类。参数:支柱(nn.Module):项(nn.Module):roi_heads (n . module):从RPN获取特性+建议并计算探测/遮罩。转换(n . module):执行从输入到feed的数据转换该模型def __init__(self, backbone, rpn, roi_heads, transform):-》参数重新赋值給变量 super(FasterRCNNBase, se...

2020-09-19 23:05:31

智能数字图像处理之FastRCNN(pytorch)代码解读之my_dataset.py

def __init__(self, voc_root, transforms, train_set=True):-》voc_root训练集所在根目录,transforms预处理方法,train_set boolean变量 self.root = os.path.join(voc_root, "VOCdevkit", "VOC2012") self.img_root = os.path.join(self.root, "JPEGImages")-》图像根目录 ...

2020-09-19 22:35:39

智能数字图像处理之FastRCNN(pytorch)代码解读之spilt_data.py

这是一个脚本生成train.txt等txt文件1.files_path = "./VOCdevkit/VOC2012/Annotations"-》记住文件路径2.if not os.path.exists(files_path): print("文件夹不存在") exit(1)-》检测路径存不存在3.val_rate = 0.5-》验证集比例4.files_name = sorted([file.split(".")[0] for file in os.listdir(fil...

2020-09-19 21:35:13

智能数字图像处理之FastRCNN(pytorch)代码解读之predict.py

解读create_model方法:1.backbone = resnet50_fpn_backbone()-》默认使用resnet50_fpn_model的resnet50_fpn_backbone方法2. model = FasterRCNN(backbone=backbone, num_classes=num_classes)-》调用FasterRCNN建立模型3.device = torch.device("cuda:0" if torch.cuda.is_available() e..

2020-09-19 21:02:42

智能数字图像处理之FastRCNN(pytorch)代码解读之train_mobilenet.py

首先看一下系统架构:解读create_model方法1.backbone = MobileNetV2(weights_path="./backbone/mobilenet_v2.pth").features-》加载MobileNetV2预训练模型 backbone.out_channels = 1280-》设置输出通道2.anchor_generator = AnchorsGenerator(sizes=((32, 64, 128, 256, 512),), ...

2020-09-17 22:29:08

智能数字图像处理之FastRCNN(pytorch)代码解读之train_resnet50_fpn.py

解读create_model方法1.num_classes:分类数2.backbone = resnet50_fpn_backbone() model = FasterRCNN(backbone=backbone, num_classes=91)-》调用faster_rcnn_framework的FasterRCNN方法,传入分类数num_classes为91

2020-09-17 18:30:05

计算机视觉知识点之RCNN/Fast RCNN/Faster RCNN

Rcnn第一步:输入图像,采用Selective Search 从原始图片中提取2000个左右区域候选框第二步:划分区域提案,进行归一化:将所有候选框变为固定大小的(227*227)区域,对每个候选区域,使用深度网络提取特征第三步:CNN网络提取特征 送入每一类的SVM分类器,判别是否属于该类第四步:NMS(非极大值抑制)区域边框,采用DPM精修边框的位置先模型输入为一张图片,然后在图片上提出了约2000个待检测区域,然后这2000个待检测区域一个一个地(串联方式)通过卷积...

2020-09-17 16:46:04

计算机视觉知识点之COCO数据集和pytorch

COCO数据集方面:COCO数据集现在有3种标注类型:1, object instances(目标实例), 2, object keypoints(目标上的关键点), 3, image captions(看图说话)使用JSON文件存储。每种类型又包含了训练和验证,所以共6个JSON文件。Object Instance 类型的标注格式1,整体JSON文件格式数据集中的instances_train2017.json、instances_val2017.json这两个文件就.

2020-09-17 16:36:21

《机器学习》实战之分类

1.k-means优点:精度高,对异常值不敏感,无数据输入假定缺点:计算复杂度高,空间复杂度高适用范围:数值型和标称型最近的邻居输入:inX:与现有数据集进行比较的向量(1xN)数据集:大小m已知向量的数据集(NxM)标签:数据集标签(1xM向量)k:用于比较的邻居的数量(应该是奇数)输出:最流行的类标签创建数据集和标签:def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])...

2020-09-17 13:19:17

智能数字图像处理:图卷积SGN代码(pytorch)之main.py解读

1.os.environ["CUDA_VISIBLE_DEVICES"] = '0'->目的:使用CUDA环境变量CUDA_VISIBLE_DEVICES来限定CUDA程序所能使用的GPU设备.2.parser = argparse.ArgumentParser(description='Skeleton-Based Action Recgnition')-》创建解析器,使用 argparse 的第一步是创建一个 ArgumentParser 对象。fit.add_fit_args(parser

2020-09-15 15:51:40

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享精英
    分享精英
    成功上传11个资源即可获取