静看岁月

原创 matplotlib-axes 与 pandas画图的区别

axes 与 pandas画图的区别：若data 为 dataframe 对象1、调用 ax3 画图的时候 bar() 等方法里面有两个参量 data.index 和 data ，分别是这张图的x轴类别和y轴高度。2、 用pandas画图的时候，我们只用把 data 对象放在前面，它就能自动识别出 data 里面的 index 和 value 。...

原创 SFP与QSFP

GBIC(Gigabit Interface Converter的缩写)，是将千兆位电信号转换为光信号的接口器件SFP （Small Form-factor Pluggable）可以简单的理解为GBIC的升级版本。中文名 光模块外文名 Gigabit Interface Converter很多人不清楚sfp与sfp+的区别，所以有时候带来不必要的麻烦。10G模块经历了从300Pin，XEN...

原创 上下拉电阻原理及推挽与oc输出

上拉电阻：将一个不确定的信号（高或低电平），通过一个电阻与电源VCC相连，固定在高电平。下拉电阻：将一个不确定的信号（高或低电平），通过一个电阻与地GND相连，固定在低电平。上、下拉电阻的作用：一般说法是上拉增大电流，下拉电阻是用来吸收电流。1、当 TTL 电路驱动 CMOS 电路时，如果电路输出的高电平低于 CMOS 电路的最低高电平 （一般为 3.5V）， 这时就需要在 TTL 的输出...

原创 去耦半径——电容摆放问题

1、从减小回路电感的角度来谈这个摆放距离问题2、 理解去耦半径，考察噪声源和电容补偿电流之间的相位关系。当芯片对电流的需求发生变化时，会在电源平面的一个很小的局部区域内产生电压扰动，电容要补偿这一电流（或电压），就必须先感知到这个电压扰动。信号在介质中传播需要一定的时间，因此从发生局部电压扰动到电容感知到这一扰动之间有一个时间延迟。同样，电容的补偿电流到达扰动区也需要一个延迟。因此必然造成噪声...

转载 近端串扰与远端串扰分析

1、串扰的产生串扰是指信号在传输通道上传输时，因电磁耦合对相邻传输线产生的影响。串扰分为容性耦合串扰和感性耦合串扰。如图所示，线AB 有信号，此传输线称为动态线，与动态线AB 相邻的传输线CD 称为静态线，此线产生耦合信号。其中，由耦合电容产生的串扰信号在受害网络上可以分为前向串扰和反向串扰Sc,这两个信号极性相同；由耦合电感产生的串扰信号也分成前向串扰串扰和反向串扰Sl，这两个信号极性相反...

原创 Pycharm使用加速技巧

1、使用中出现内存慢慢爆满的情况Pycharm的加载数据量空间是有限的，所以我们要合理的使用这些空间，比如我训练数据集中的数据的话，光数据图片就有100多G， Pycharm在加载一个工程时会把工程下所有目录路径过一遍，这会影响Pycharm的使用速度：1.加载项目太慢，陷入漫长的等待2.如果项目训练数据过大会报空间不足的错误如何解决这个问题呢？其实并不难搞定。首先在Pycharm文件预...

原创 xml 转换 --倾斜文本矩形框 （cx，cy，w，h，ang）到四个角坐标点（x1，y1，x2,y2,x3,y3,x4,y4）

程序实现了由倾斜文本矩形框 （cx，cy，w，h，ang）到四个角坐标点（x1，y1，x2,y2,x3,y3,x4,y4）的转换 ，由于现有xml格式不符合voc格式要求 ，故先读取读取.xml文件，提出 （cx，cy，w h，ang） 数据 ，再转换到（x1，y1，x2,y2,x3,y3,x4,y4）批量写入ang范围（-90～0~90），坐标系与hough 变换中的相同# coding...

原创 XGB快速上手_初次参赛_津南数字制造算法

一、背景—工艺过程—字段意义二、特征工程做法三、baseline四、模型stack—用到了 BayesianRidge回归五、比赛入门与跟随１比赛入门与跟随2数据挖掘进阶：kaggle竞赛top代码分享六、做Kaggle比赛，Jdata，天池的经验，看完我这篇就够了。初步改进点有１、删除收率异常２、数据集的时间也有异常值A11-A12=1:00 (有时候会有异常)３、...

原创 SSD与Faster R-CNN　训练过程

一、ssd 训练过程SSD 模型fine-tune和网络架构SSD算法评估：AP， mAP和Precision-Recall曲线二、Faster R-CNN 训练过程Faster R-CNN，可以大致分为两个部分，一个是RPN网络，另一个是Fast R-CNN网络，前者是一种候选框（proposal）的推荐算法，而后者则是在此基础上对框的位置和框内的物体的类别进行细致计算。不管是RPN还...

原创 使用DOTA数据集进行多类别任意方向遥感目标检测

博主目前正尝试使用DOTA数据集 进行多类别任意方向遥感目标检测一、DOTA数据集论文github OBB -Faster-rcnn Deformable Model1、已按照公式　完成xml　的转换２、由于图片过大，不能直接送入网络,需要裁剪二、训练阶段use the DOTA_devkit to split the data into patches ang merge the ...

原创 HRSC2016舰船检测训练实验过程记录

博主目前正尝试使用HRSC2016图片1000张多左右，每张舰船约1-3只，分辨率为 1182*827用以finetune textboxes++,实现任意方向的目标的检测训练过程参考：利用caffe-ssd训练物体检测模型中间层可视化一、数据集xml的生成过程以及 检测顺时针四角点的生成过程见博主其它相关记录二 、stage1迭代 20000次gpu内存受限batch_siz...

原创 caffe 源码结构及textboxes++源码结构

一、ssd1.caffe源码解析 — caffe.proto2.网络层 prototxt 代码结构详解3.SSD源码解读之ssd_pascal.py(开始训练并产生.protxt)二、 textboxes++ssd caffe 中 ssd_pascal.py定义了相应的层结构，与textbox++中的modelConfig.py 相对应预测时demo_det和 ssdcaffe中 对应...

原创 textbox++问题 汇总 如：assert len 0 builtin_function_or_method() int()

编译ssd 或者 textbox++ 出现1 File "examples/text/train.py", line 29, in <module> AddExtraLayers(net, False, lr_mult=config['lr_mult']) File "/media/xd/000398040009E3B2/txh_ubuntu/caffe/example...

原创 FCN与上采样

1、FCN详解２、计算机视觉中upsampling(上采样)的三种方式fcn中的上采样其实就是bilinear filtering，就是数字图像处理的二维插值。将特征图放大，然后用crop层剪去多余的部分，使其和ground truth有一样的尺寸以便计算各个像素的预测值。bilinear filtering可以用卷积的形式实现。和前面conv层不同，deconv中卷积核不是随机的，而是根据放...

原创 textboxes 网络结构详解

1、SSD网络结构Caffe代码 .prototxt中 ：SSD的结构为conv1_1，conv1_2，conv2_1，conv2_2，conv3_1，conv3_2，conv3_3，conv4_1，conv4_2，conv4_3，conv5_1，conv5_2，conv5_3（512），（注意这是：textbox++ 中 13 are inherited from VGG-16.）fc...

转载 最近邻与双线性插值的计算

原创 单词one-hot 编码 理解

每个单词与一个唯一的整数索引相关联， 然后将这个整数索引 i 转换为长度为N的二进制向量（N是词表大小），这个向量只有第 i 个元 素是 1，其余元素都为 0。用 python 实现单词级的 one-hot 编码重要理解samples = ['The cat sat on the mat.', 'The dog ate my homework.']results = np.zeros(sh...

原创 PixelLink 翻译理解

PixelLinkMost state-of-the-art scene text detection algorithms are deep learning based methods that depend on bounding box regression and perform at least two kinds of predictions: text/non-text cla...

原创 leetcode 494. Target Sum目标和+背包问题+动态规划DP

感谢：https://blog.csdn.net/JackZhang_123/article/details/78793365

原创 二叉树，返回它的中序 遍历。

给定一个二叉树，返回它的中序 遍历。示例:输入: [1,null,2,3] 1 \ 2 / 3输出: [1,3,2]进阶: 递归算法很简单，你可以通过迭代算法完成吗？递归法：其实就是三行代码inorderTraversal(root->left);.push_back(root->val);inorderTraversal(roo...

原创 论文笔记：Learning Region Features for Object Detection

先mark一下这位博主写的，写得很用心。感谢中心思想：继Relation Network实现可学习的nms之后，MSRA的大佬们觉得目标检测器依然不够fully learnable，这篇文章类似之前的Deformable ROI Pooling，主要在ROI特征的组织上做文章，文章总结了现有的各种ROI Pooling变体，提出了一个统一的数学表达式，藉由这个表达式，提出完全可学习，无人工设计...

转载 线性插值与双线性插值

图像的缩放很好理解,就是图像的放大和缩小。传统的绘画工具中,有一种叫做“放大尺”的绘画工具，画家常用它来放大图画。当然，在计算机上，我们不再需要用放大尺去放大或缩小图像了，把这个工作交给程序来完成就可以了。下面就来讲讲计算机怎么来放大缩小图象；在本文中，我们所说的图像都是指点阵图，也就是用一个像素矩阵来描述图像的方法，对于另一种图像：用函数来描述图像的矢量图，不在本文讨论之列。越是简单的模型越适...

原创 c++中使用new，struct关键字与Class关键字

c++中使用newint *a = new int[5];class A {...} //声明一个类 AA *obj = new A(); //使用 new 创建对象delete []a;delete obj;1、new可在对象直接分配内存空间 同malloc2、可创建对象，会调用构造函数且对象的内存空间在堆中，不使用new创建时对象的内存空间在栈中。C＋＋中，struct...

原创 leetcode133、克隆图

克隆一张无向图，图中的每个节点包含一个 label （标签）和一个 neighbors （邻接点）列表 。OJ的无向图序列化：节点被唯一标记。我们用 # 作为每个节点的分隔符，用 , 作为节点标签和邻接点的分隔符。例如，序列化无向图 {0,1,2#1,2#2,2}。该图总共有三个节点, 被两个分隔符 # 分为三部分。第一个节点的标签为 0，存在从节点 0 到节点 1 和节点 2 的两...

原创 leetcode 150. 逆波兰表达式求值、string转int

150. 逆波兰表达式求值根据逆波兰表示法，求表达式的值。有效的运算符包括 +, -, *, / 。每个运算对象可以是整数，也可以是另一个逆波兰表达式。说明：整数除法只保留整数部分。给定逆波兰表达式总是有效的。换句话说，表达式总会得出有效数值且不存在除数为 0 的情况。示例 1：输入: [“2”, “1”, “+”, “3”, “*”]输出: 9解释: ((2 + 1) * 3)...

原创 tf.while_loop，tf.cast 转换数据类型。

tf.while_loop 可以这样理解loop = []while cond(loop): loop = body(loop)即loop参数先传入cond 判断条件是否成立，成立之后，把 loop参数传入body 执行操作， 然后返回 操作后的 loop 参数，即loop参数已被更新，再把更新后的参数传入cond, 依次循环，直到不满足条件。tf.cast 转换数据类型。a...

原创 DSSD论文阅读

DSSD : Deconvolutional Single Shot Detectorhttps://arxiv.org/pdf/1701.06659.pdfIntroductionDSSD主要是介绍了一种采用传统上下文的先进的通用目标检测方法We then augment SSD+Residual- 101 with deconvolution layers to introduce a...

原创 基于 mask_rcnn 的舰船检测

最近想的idea 就发现有文章出来了，这世界真大，多多拜读吧均为水文，大牛请忽略paper1 INSHORE SHIP DETECTION BASED ON MASK R-CNN Shanlanhttps://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=85191231 、在maskrcnn的基础上加入了 soft-nms2、...

原创 leetcode 栈739. 每日温度

739. 每日温度根据每日 气温 列表，请重新生成一个列表，对应位置的输入是你需要再等待多久温度才会升高的天数。如果之后都不会升高，请输入 0 来代替。例如，给定一个列表 temperatures = [73, 74, 75, 71, 69, 72, 76, 73]，你的输出应该是 [1, 1, 4, 2, 1, 1, 0, 0]。提示：气温 列表长度的范围是 [1, 30000]。每个...

转载 语音/音频算法方向

喜欢最后的那段话，转来自勉1 、涉及的方向1 ）语音、音频编解码算法 已经成熟地商业化、产品化，压缩码率和音质总是一对冤家，只有一些特殊的存储和通信应用会要求低码率，更多的是追求高品质的音质，例如高清音质。 2 ）语音识别算法 做过一年半，初步了解识别率受多种因素影响，技术本身还需要在抗干扰等方面进一步发展，目前只有一些特殊场合的应用产品化，...

转载 pandas之DataFrame

DataFrame对象的创建，修改，合并import pandas as pdimport numpy as np123创建DataFrame对象# 创建DataFrame对象df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], index=['...

原创 [numpy]random.choice()随机选取内容

读代码看到这句 np.random.choice([i for i in images[:200] if not is_empty(i)], size = 8)https://www.kaggle.com/rackovic1994/convolutional-neural-network 概述：可以从...

转载 交叉熵在loss函数中使用的理解

关于交叉熵在loss函数中使用的理解交叉熵（cross entropy）是深度学习中常用的一个概念，一般用来求目标与预测值之间的差距。以前做一些分类问题的时候，没有过多的注意，直接调用现成的库，用起来也比较方便。最近开始研究起对抗生成网络（GANs），用到了交叉熵，发现自己对交叉熵的理解有些模糊，不够深入。遂花了几天的...

转载 谷歌（chrome）转载CSDN中的博客

解释首先转载的原理就是把他人的写好html布局复制到自己的编辑器中.csdn的博客中有两种编辑方式:markdown编辑器和html编辑器.使用不同的编辑器编写发布后在网页会显示不同的div布局:一个名称是markdown_views,一个是htmledit_views. 编辑器div布局一定完全显示作者的原布局.这两种div布局方式都是在art...

原创 SSD-tensorflow 单类目标的检测

最近一段时间主要是做目标检测的任务，在没接触DL之前，受到目标图像尺度、特征不明显等影响传统方法效果并不是很好。一、跑通SSD-tensorflow Demo这一步基本都可以复现，主要参考了参照github上 balancap 的过程： https://github.com/balancap/SSD-Tensorflow 中文翻译 https:/...

原创 深度学习环境配置tensorflow+cuda9.1+cudnn-v7.1

首先是这次配置的所有软件: ubuntu16.04 anaconda3 tensorflow_gpu cuda9.1+cudnn-v7.1一、安装 Anaconda详细阅读下载此官网对应python版本的anaconda https://docs.anaconda.com/anaconda/faq#id5建立一个 conda 计算环境为了管理多个环境, 那...

原创 logistics回归分类图片

logistic 回归

原创 图像融合基础

融合前需要图像配准 图像配准的实质是利用匹配准则搜索最优解的问题， 也可以理解为将具有分辨率不同、灰度属性不同、 视场大小不同、空间位置不同、缩放比例不同、畸变不同的同一场景的两幅或多 幅图像进行匹配过程。 图像配准是在空间上寻找一种变换模型或变换关系， 使得待配准的两幅图像，或多幅图像之间能够在某些像素位置上的对应点达到完全一致。 在研究配准算法过程中，常常会用

原创 重载运算符=

在做关于链表的应用通讯录时有对象与对象的比较，故需要将“=”重载。 参考：http://www.runoob.com/cplusplus/cpp-overloading.html重载的运算符是带有特殊名称的函数，函数名是由关键字 operator 和其后要重载的运算符符号构成的。与其他函数一样，重载运算符有一个返回类型和一个参数列表。Box operator+(const Box&);声明加法运算

原创 数据结构之图篇

无向图邻接点、边满足--条件的称为连通图与任何点都有连线称为完全图所有顶点仅有一次连接称为生成树 S=n-1有向图顶点（节点）、弧（弧尾 -出度、弧头-入度）-- 图的应用路径规划 工程规划 战略规划图的存储结构包括：邻接矩阵 、邻接表、 十字链表、 临界多重表邻接矩阵有向图 无向图 邻接矩阵表达成语句int matrix[4][4];邻接表顶点的表达：顶点索引+出弧链表头指