- 博客(673)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 解决ROS系统 rosdep update超时问题的新方法
由于近期国内Github Raw的可用IP越来越少，通过修改hosts文件解决rosdep update超时问题的方法已经不太好用，本文通过修改rosdep源码中下载资源的函数来解决这一问题。网站https://ghproxy.com/支持github的资源代理，非常好用，我们将用此代理加速rosdep对Github Raw的访问，进而解决rosdep update超时问题。首先定位rosdep资源下载函数。从报错信息中得知，该函数名为download_rosdep_data，位于/usr/lib/py
2021-08-17 00:17:13
510
转载 华为Atlas 200 DK行人识别
人体检测开发者将本Application部署至Atlas 200 DK或者AI加速云服务器上实现对本地mp4文件或者RTSP视频流进行解码，对视频帧中的行人和人脸进行检测并对其属性进行预测，生成结构化信息发送至Server端进行保存、展示的功能。前提条件部署此Sample前，需要准备好以下环境：已完成Mind Studio的安装。 已完成Atlas 200 DK开发者板与Mind...
2019-11-21 13:29:11
10119
2
转载 在有机器学习和深度学习的基础上，如何自学AutoML算法？
作者：FedAI联邦学习链接：https://www.zhihu.com/question/334021426/answer/840727058来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。AutoML技术有很多种，包括:神经网络架构搜索 优化器搜索 自动添加 元学习 超参数优化 ......如果有机器学习和深度学习经验的话，下边这些“...
2019-10-31 15:46:55
1179
转载 自然场景文本检测识别技术综述
本文及其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造，自2019年1月出版以来已重印3次。书的购买链接 书的勘误，优化，源代码资源番外青蛇: 姐, 图像文本检测和识别领域现在的研究热点是什么？白蛇: 白纸黑字的扫描文档识别技术已经很成熟，而自然场景图像文本识别的效果还不理想。倾斜字、艺术字、变形字、模...
2019-10-08 13:47:20
1873
转载 TensorRT安装及使用教程
参考：https://arleyzhang.github.io/articles/7f4b25ce/1 什么是TensorRT一般的深度学习项目，训练时为了加快速度，会使用多GPU分布式训练。但在部署推理时，为了降低成本，往往使用单个GPU机器甚至嵌入式平台（比如 NVIDIA Jetson）进行部署，部署端也要有与训练时相同的深度学习环境，如caffe，TensorFlow等。由于训练的网...
2019-07-17 11:26:16
5971
转载 一文理解 Transformer 的工作原理
作者 | Prateek Joshi译者 | Sambodhi编辑 | VincentAI 前线导读：目前，自然语言处理中，有三种特征处理器：卷积神经网络、递归神经网络和后起之秀 Transformer。Transformer 风头已经盖过两个前辈，它抛弃了传统的卷积神经网络和递归神经网络，整个网络结构完全是由注意力机制组成。准确地讲，Transformer 仅由自注意力和前馈神经网络...
2019-07-05 17:45:25
2966
转载 continual learning
关注持续学习，终身学习和永动学习。一、持续学习（https://deepmind.com/blog/enabling-continual-learning-in-neural-networks/）持续学习通过任务执行结果（参数学习）的增量记忆（模拟大脑），将知识应用于新的任务中。大脑的记忆分为缓慢记忆和突出强化，重要任务的神经元连接不会被覆盖。同理，在神经网络中，在学习任务之后，我们...
2019-07-03 17:51:32
1237
转载 TensorFlow 2.0高效开发指南
Effective TensorFlow 2.0为使TensorFLow用户更高效，TensorFlow 2.0中进行了多出更改。TensorFlow 2.0删除了篇冗余API，使API更加一致（统一RNNs, 统一优化器），并通过Eager execution更好地与Python集成。许多RFCs已经解释了TensorFlow 2.0带来的变化。本指南介绍了TensorFlow 2.0应...
2019-05-27 17:56:31
1036
转载 ROS学习笔记1：在树莓派3上部署ROS
学了好久，然后依然很混乱，于是决定整理一下笔记安装 Raspbian jessie安装 Raspbian 非常简单，只需要三步：下载镜像 写入TF卡（MicroSD） 开启SSH下载镜像首先打开树莓派官网，点击 DOWNLOADS，然后选择 RASPBIAN，来到Raspbian下载页面，下载 RASPBIAN JESSIE WITH PIXEL 的种子。通过种子来下载会...
2019-05-21 19:46:04
3708
转载 ROS kinetic 连接摄像头
安装功能包sudo apt-get install ros-kinetic-usb-cam启动摄像头kinetic@vm:~$ roslaunch usb_cam usb_cam-test.launchqt工具显示kinetic@vm:~$ rqt_image_view出现黑屏问题参见下面ubuntu下测试摄像头是否可以使用，解决摄像头黑屏问...
2019-05-17 18:43:46
845
转载 Ubuntu16.04安装ROS kinetic
ROS kinetic官网：http://wiki.ros.org/kinetic/Installation/Ubuntu1. 配置Ubuntu的资源库："restricted"，"universe"和"multiverse"。一般情况是不用配置的，参考下图红色框部分。如果没有配置，可以参考Ubuntu官网：点击打开链接2. 设置Ubuntu的sources.listsudo sh ...
2019-05-17 17:27:29
579
转载 onnx模型转tensorflow模型
ONNX是开源神经网络交换平台，有了它基本上不用纠结用什么深度学习框架的问题了。我现在记录一下怎么将onnx模型转换成tensorflow模型。1、安装tensorflow和onnx我是通过Anaconda安装的。【详情】这个博客记载了安装Anaconda和onnx的详情，安装好Anaconda后，至于安装tensorflow只需要输入【conda install tensorflow】就...
2019-05-16 20:48:37
2660
1
转载 神经网络架构搜索（Neural Architecture Search）杂谈
最新人工智能论文：http://paperreading.club原文链接：https://blog.csdn.net/jinzhuojun/article/details/84698471一、背景机器学习从业者被戏称为“调参工”已经不是一天两天了。我们知道，机器学习算法的效果好坏不仅取决于参数，而且很大程度上取决于各种超参数。有些paper的结果很难重现原因之一就是一些超参最优值需要发...
2019-05-06 15:53:15
1935
转载 [资源]ResNet caffemodel[百度网盘]
最新人工智能论文：http://paperreading.club1、均值文件下载链接链接：https://pan.baidu.com/s/1YerXs0WK0TH1v0Eo70A9ZA提取码：l6wl2、ResNet-50-model.caffemodel下载链接链接：https://pan.baidu.com/s/10j_czd9D4lUZpK5uW2iV9g提取码：womr...
2019-04-20 16:36:00
2549
3
转载 shuffleNet v2
最新人工智能论文：http://paperreading.club论文名称：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design论文地址：https://arxiv.org/abs/1807.11164目前，CNN网络在图像识别领域大放异彩，从最初的AlexNet到后面的GoogLeNet,R...
2019-04-18 15:43:35
537
转载 机器视觉：MobileNet 和 ShuffleNet
最新人工智能论文：http://paperreading.club虽然很多CNN模型在图像识别领域取得了巨大的成功，但是一个越来越突出的问题就是模型的复杂度太高，无法在手机端使用，为了能在手机端将CNN模型跑起来，并且能取得不错的效果，有很多研究人员做了很多有意义的探索和尝试，今天就介绍两个比较轻量级的模型 mobile net 和 shuffle net。在介绍这几个轻量型的网络之前，我...
2019-04-17 16:24:26
933
转载 《智能机器人》前沿科技 | 无人驾驶技术的灵魂——SLAM的现在与未来
【编者按】本文节选自图书《视觉SLAM十四讲：从理论到实践》，该书系统介绍了视觉SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，又包括计算机视觉的算法实现。此外，还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。1.当前的开源方案本文将带着读者去看看现有的SLAM方案能做到怎样的程度。特别地，我们重点关注那些提供开源实现的方案。在SLAM研究领...
2019-04-08 22:40:49
896
转载 深度学习时代的图模型，清华发文综述图网络
选自arXiv作者：张子威、崔鹏、朱文武参与：路、晓坤深度学习在多个领域中实现成功，如声学、图像和自然语言处理。但是，将深度学习应用于普遍存在的图数据仍然存在问题，这是由于图数据的独特特性。近期，该领域出现大量研究，极大地提升了图分析技术。清华大学朱文武等人综述了应用于图的不同深度学习方法。他们将现有方法分为三个大类：半监督方法，包括图神经网络和图卷积网络；无监督方法，包括图自...
2019-02-18 15:39:53
1643
转载 从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）
博客刷不出来图的，去知乎地址吧，没图不好懂的。https://www.zhihu.com/question/54504471/answer/3326576041 什么是离散卷积？CNN中卷积发挥什么作用？了解GCN之前必须对离散卷积（或者说CNN中的卷积）有一个明确的认识：如何通俗易懂地解释卷积？这个链接的内容已经讲得很清楚了，离散卷积本质就是一种加权求和。如图1所示，CNN中的卷积本...
2019-02-17 12:20:49
1279
转载 Ubuntu 16.04 安装 Docker和默认存储路径修改
docker的安装并不复杂，网上有很多可参考的教程，这里记录下我的安装步骤和docker 镜像存储路径的配置方法，仅供参考。一、安装dockerStep1：检查安装环境是否满足docker安装要求检查kernel内核是否在3.10以上：~$ uname -aLinux dlserver 4.15.0-33-generic #36~16.04.1-Ubuntu SMP Wed Aug ...
2019-02-11 17:53:20
2003
转载 android build类分析 hook静态字段
一、缘由： 使用xposed hook build类下 DEVICE MODEL VERSION MANUFACTURER等静态字段使用XposedHelpers.setStaticObjectField() hook 失败！XposedHelpers.setStaticObjectField(android.os.Build.class, "MODEL", null);1使用 反射...
2019-01-23 16:46:39
1681
转载 在Android so文件的.init、.init_array上和JNI_OnLoad处下断点
移动端Android安全的发展，催生了各种Android加固的诞生，基于ELF文件的特性，很多的加固厂商在进行Android逆向的对抗的时，都会在Android的so文件中进行动态的对抗，对抗的点一般在so文件的.init段和JNI_OnLoad处。因此，我们在逆向分析各种厂商的加固so时，需要在so文件的.init段和JNI_OnLoad处下断点进行分析，过掉这些加固的so对抗。 一、如...
2019-01-22 15:47:00
1889
转载 GPS轨迹数据集免费下载资源整理
本文主要是整理了GPS轨迹数据集免费资源库，从这些库中能够免费下载到GPS数据，同时还整理出了这些数据的格式，数据集的简单描述等等。如果你发现更好的相关数据资源，欢迎共享 :)1. GeoLife GPS Trajectories该GPS轨迹数据集出自微软研究GeoLift项目。从2007年四月到2012年八月收集了182个用户的轨迹数据。这些数据包含了一系列以时间为序的点，每一个点包含经纬...
2018-12-13 19:00:46
3056
转载 https://blog.csdn.net/codezjx/article/details/8872090
FBI Warning：欢迎转载，但请标明出处：http://blog.csdn.net/codezjx/article/details/8872090，未经本人同意请勿用于商业用途，感谢支持！前言：最近在找Android上的全局代理软件来用，然后发现了这两款神作，都是外国的软件，而且都是开源的软件，因此把源码下载了下来，给有需要研究代理这方面的童鞋看看。不得不说，国外的开源精神十分浓，大家相...
2018-11-27 23:01:14
1684
转载 快速了解GCN（图卷积神经网络）
如何理解 Graph Convolutional Network（GCN）？https://www.zhihu.com/question/54504471 推荐初学者可以先从知乎的这个问题出发，点赞最多的《从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）》该篇文章非常详细且能够帮助初学者理解的讲述了GCN的大部分理论过程。再补充以后面几人回答的知识，便可以说对GCN有了...
2018-11-27 14:40:48
5715
1
转载 如何理解 Graph Convolutional Network（GCN）？
作者：superbrother链接：https://www.zhihu.com/question/54504471/answer/332657604来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）1 什么是离散卷积？CNN中卷积发挥什么作用？了解GCN之前必须对离散卷积（或者说...
2018-11-27 14:10:24
6726
4
转载 Flask+Gunicorn+Gevent+Supervisor+Nginx生产环境部署
老毛病了，在用某个新框架或新架构之前，总得花时间谷歌和自己折腾一番，才能知道这个框架和架构的优缺点，才会发现自己最喜欢、用的最顺手的的一种。近期在学习python，这里记录一下自己用的一套python web开发的部署环境。简介 之所以选择Flask，而没选择用的最多的django，是因为现在这个小项目是一个简单的web工具，提供上传文件、数据处理、并下载的功能。简单小巧，没必要折腾...
2018-10-19 02:26:36
966
转载 基于landmark的疲劳检测
经查阅相关文献，疲劳在人体面部表情中表现出大致三个类型：打哈欠（嘴巴张大且相对较长时间保持这一状态）、眨眼（或眼睛微闭，此时眨眼次数增多，且眨眼速度变慢）、点头（瞌睡点头）。1、首先是检测眨眼，可以通过landmark点的标号直接定位眼睛位置，经实验验证，该一系列的点能够准确定位。下面重点分析一下眼部，68点landmark中可以看到36-41为左眼，42-47为右眼，如下图所示：68...
2018-09-05 10:27:31
2791
转载 多目标跟踪综述：Multiple Object Tracking: A Literature Review
原文链接（每年都会更新，现在是v4，2017年5月）：Multiple Object Tracking: A Literature Review 摘要多目标跟踪因其学术和商业潜力，在计算机视觉中逐渐备受关注。尽管如今已经有多种多样的方法来处理这个课题，但诸如目标重叠、外观剧变等问题仍然是它所面临的重大挑战。在本文中，我们将提供关于多目标跟踪最综合、最新的资讯，检验当下最新技术突破，并对...
2018-07-24 14:35:21
1507
转载 python与zmq系列（6）
现在，你已经熟练的掌握了REQ/REP模式，它是一个一对多的模式，一个REP对应多个REQ。 但是现实工作中，我们会遇到这样的难题，一个REP无法满足REQ的提问，因为REQ太多了，虽然可以增加一个REP，但是，这样做会带来很多问题。两个REP的端口不可能是一个，那么就需要将原来的一些REQ与这个新的REQ连接，这里面的工作量可想而知。那么我们能不能采取一种简单方便的方式，使得R...
2018-07-24 10:37:25
2653
1
转载 ZeroMQ(java)之负载均衡
我们在实际的应用中最常遇到的场景如下：A向B发送请求，B向A返回结果。。。。但是这种场景就会很容易变成这个样子：很多A向B发送请求，所以B要不断的处理这些请求，所以就会很容易想到对B进行扩展，由多个B来处理这些请求，那么这里就出现了另外一个问题：B对请求处理的速度可能不同，那么B之间他们的负载也是不同的，那么应该如何对请求进行分发就成了一个比较重要的问题。。。也就变成了负载...
2018-07-24 10:11:05
890
转载 利用ZeroMQ传输图片
待传输的数据cv::Mat mat订阅端（sub）import cv2import zmqsub_port = 6666context = zmq.Context()#connect to socket we subscribsocket_sub = context.socket(zmq.SUB)socket_sub.connect("tcp://localhost:%...
2018-07-22 17:23:05
2794
2
转载 目标检测 (Object Detection) 算法汇集
基于深度学习的目标检测综述(一）(2018年03月16日) 图像分类，检测及分割是计算机视觉领域的三大任务。图像分类模型（详情见这里）是将图像划分为单个类别，通常对应于图像中最突出的物体。但是现实世界的很多图片通常包含不只一个物体，此时如果使用图像分类模型为图像分配一个单一标签其实是非常粗糙的，并不准确。对于这样的情况，就需要目标检测模型，目标检测模型可以识别一张图片的多个物体，并可以定位出不同...
2018-07-19 12:24:06
2814
转载 DCGAN、WGAN、WGAN-GP、LSGAN、BEGAN原理总结及对比
GAN系列学习(2)——前生今世 本文已投稿至微信公众号--机器学习算法工程师，欢迎关注1 2 本文是GAN系列学习–前世今生第二篇，在第一篇中主要介绍了GAN的原理部分，在此篇文章中，主要总结了常用的GAN包括DCGAN,WGAN,WGAN-GP,LSGAN-BEGAN的详细原理介绍以及他们对GAN的主要改进，并推荐了一些Github代码复现链接。...
2018-07-18 12:07:17
619
转载 Focal Loss论文阅读笔记
Focal Loss for Dense Object Detection引入问题目前目标检测的框架一般分为两种：基于候选区域的two-stage的检测框架（比如fast r-cnn系列），基于回归的one-stage的检测框架（yolo,ssd这种），two-stage的效果好，one-stage的快但是效果差一些。本文作者希望弄明白为什么one-stage的检测器准确率不高的问题，作者给出的解...
2018-06-15 16:57:21
554
转载 一个图的连通子图个数
问题描述：给出一个无向图，输出图中连通分支的个数。无向图的连通分支是一个子图，因此在子图两个节点之间至少存在一个路径。 输入：给出一个连通图的二维数组0100010100010000000000000输出：联通子图的个数思路：从二位数组的第一行开始遍历，只遍历上三角（因为无向图是对称的），遍历第i行如果map中没有i把i加入到map中，然后对第行的每个值进行遍历，当gid【i】【j】的值为1的时候...
2018-06-15 16:56:05
5333
转载 机器学习中正则化项L1和L2的直观理解
正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm和ℓ2ℓ2-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的...
2018-06-15 16:45:29
574
1
转载 卷积神经网络物体检测之感受野大小计算
学习RCNN系列论文时， 出现了感受野(receptive field)的名词， 感受野的尺寸大小是如何计算的，在网上没有搜到特别详细的介绍， 为了加深印象，记录下自己对这一感念的理解，希望对理解基于CNN的物体检测过程有所帮助。1 感受野的概念 在卷积神经网络中，感受野的定义是 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。 RCNN论文中有...
2018-06-15 10:58:45
731
转载 基于深度学习的OCR-from 美團技術團隊
https://www.jisuapi.com/api/12行数据的话 可以参考https://github.com/wanghaisheng/awesome-ocr/wiki/Training-an-Ocropus-OCR-model-中文单字的数据可以参考https://github.com/szad670401/OCR_CharGenhttps://github.com/szad670401...
2018-06-09 16:12:15
2053
转载 VALSE2017系列之二: 边缘检测领域年度进展报告
深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！编者按：边缘检测是图像处理和计算机视觉中的基本问题，通过标识数字图像中亮度变化明显的点，来捕捉图像属性中的显著变化，包括深度上的不连续、表面方向的不连续、物质属性变化、和场景照明变化。南开大学的程明明副教授将带领大家回顾过去一年中，边缘检测领域在学术界的研究进展。文末提供报告中提到全部文章的下载地址以及程...
2018-06-09 15:59:12
2826
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人