- 博客(19)
- 收藏
- 关注
RSS订阅原创 编译.so文件protobuf依赖库问题
参考链接：https://www.jianshu.com/p/d2bed36142591、protobuf库简介 使用注意项：编译运行于不同平台的.so文件时，该.so文件依赖的第三方库也需要编译为对应平台版本。交叉编译运行于安卓系统的.so文件依赖protobuf时需依赖安卓版本libprotobuf.so，同理，运行于x86系统的.so文件编译时需要使用x86版本libprotobuf.so。...
2020-06-01 20:49:49
2247
原创 C++常用知识点—II
11、sizeofsizeof计算的是栈中分配的内存大小A: 类中static的变量，计算static的时候不算在内B: 指针大小是4个字节。C: char = 1; int = 4; short in = 2; long int = 4; float = 4; double=8, string = 4, 空类=1（对象在内存中都有独一无二的地址，空类会隐含的加一个字节）)， 单一继承的空类占一个字节；虚继承涉及的虚指针占4个字节D:数组： 如果指定数组长度，则总字节数=数组长度 * siz.
2020-05-20 09:25:40
253
原创 C++常用知识点_I
1、纯虚函数纯虚函数是只有声明没有定义的虚函数，是对子类的约束，是接口继承。包含纯虚函数的类是抽象类，不能实例化，只有实现了纯虚函数的子类才能实例化创建对象。2、typedef 和 define 区别#define是预处理命令，在预处理是执行简单的替换，不做正确性的检查typedef是在编译时处理的，它是在自己的作用域内给已经存在的类型一个别名typedef (int*) pINT;#define pINT2 int*3、类型强制转换类型转化机...
2020-05-15 14:44:08
185
原创 opencv源码交叉编译安卓库
因为项目需要编译opencv安卓动态库，应用于armv8-64平台，记录下编译过程。一、交叉编译环境系统：ubuntu16.04ndk版本：android-toolchain-r14b（ndk下载地址，选对应版本）https://developer.android.google.cn/ndk/downloads/index.htmlcmake:3.6 camke命令安装，参考地址：https://www.cnblogs.com/wt645631686/p/6868487.htmlop..
2020-05-13 20:12:04
963
原创 vector容器的resize和reserve函数
一、resize1、resize(n)调整容器的长度大小，使其能容纳n个元素。如果n小于容器的当前的size，则删除多出来的元素。否则，添加采用值初始化的元素。2、resize(n，t)多一个参数t，将所有新添加的元素初始化为t。二、reservereserver()的用法只有一种：reserve(n)预分配n个元素的存储空间。了解这两个函数的区别，首先要搞清楚容器的capacity（容量）与size（长度）的区别。size：指容器当前拥有的元素个...
2020-05-13 14:38:32
995
原创 cmake方式编译
【1】CMake基础CMake是一种跨平台编译工具CMake主要是编写CMakeLists.txt文件通过cmake命令将CMakeLists.txt文件转化为make所需的Makefile文件再用make命令编译源代码生成可执行程序或库文件示例流程图如下：【2】示例工程（1）项目结构build 目录 用来构建项目（编译构建中间文件等）include目录 放置头文件lib 目录是编译生成的库保存路径src 目录放置源代码实现文件（2）CMake方式编译
2020-05-11 20:38:34
9949
1
原创 Yolo系列：Yolo_v3
YOLOv3: An Incremental Improvement一、改进点1、Bounding Box Prediction对于每个anchor box预测值为: 4 + 1 + C。4表示anchor box的中心点坐标、框高及框长同Yolo_v2，训练损失使用平方误差损失计算。1 表示anchor box是否有物体的置信分数（objectness score），使...
2020-04-01 20:09:19
193
原创 目标检测系列：Yolo_v2
YOLO9000: Better, Faster, Stronger一、改进点Yolo_v1相比其他目标检测算法主要的缺点是位置框预测不准确、召回率低。因此Yolo_v2引入了很多新的idea，主要是在保证检测精度的前提下解决这两个问题。主要是分为三个方面：Better、Faster和Stronger。1、BetterBatch Normalization。在所有卷积...
2020-04-01 16:54:29
207
原创 目标检测Yolo系列
Yolo_v1：You Only Look Once: Unified, Real-Time Object Detection一、概述yolo_v1是one stage目标检测算法，将原始图片平均分为S*S个网格（grid），基于基网络提取的最高层特征使用两个全连接层对每个grid预测物体框bounding box的位置及包含每个物体类别得分。在论文中将原始图片分割为7*7个grid，对图...
2020-04-01 14:20:46
288
原创 Aggregation type：机器学习模型融合类型
1、机器学习模型融合的类型有两大类：一种是训练得到基模型后融合即Blending，一种是模型边学习边融合即Learning。模型融合有三种方法：uniform、non-uniform、conditional。Blending和Learning对应三种方法如下表所示。...
2020-03-26 11:35:06
247
原创 行人属性分类算法：自适应权重多任务学习
论文：http://www.yugangjiang.info/publication/17MM-PersonAttribute.pdfgithub地址：https://github.com/qiexing/adaptive_weighted_attributeAdaptively Weighted Multi-task Deep Network for Person A!ribute Cl...
2020-03-25 18:40:46
4136
原创 mask R-CNN
论文：http://cn.arxiv.org/pdf/1703.06870v3一、创新点mask R-CNN是一种实例分割算法，同时可用于人体姿态估计。是在faster RCNN基础上新增了一个mask predict分支，并且ROI Pooling改进为ROI Align，对每个proposal提取的特征精度更高。1、ROI Align对于每个ROI，存在两种情形会得到非整数...
2020-03-25 15:35:40
204
原创 实例分割算法PANet：Path Aggregation Network for Instance Segmentation
论文链接：https://arxiv.org/abs/1803.01534这篇文章提出的Path Aggregation Network (PANet)整体上可以看做是在Mask RCNN上做多处改进，充分利用了特征融合，比如引入bottom-up path augmentation结构，充分利用网络浅特征进行分割；引入adaptive feature pooling使得提取到的ROI特征更加...
2020-03-24 17:22:22
517
原创 R-FCN：Region-based Fully Convlution Networks
论文链接：https://arxiv.org/pdf/1605.06409v2.pdf理解参考:http://blog.csdn.net/kekong0713/article/details/69919093https://blog.csdn.net/tuzixini/article/details/78754618一、改进点1、使用全卷积网络，没有全连接层。在Faster RCN...
2020-03-23 20:44:53
80
原创 显卡驱动安装
1、ubuntu操作：图像界面 --> 命令行模式 ctrl + alt + F1/2/3/4/5命令行模式 --> 图形界面 ctrl + alt + F72、参考博客https://blog.csdn.net/chekongfu/article/details/90758638...
2020-02-18 11:29:03
209
原创 PSENet网络梳理
一、背景场景文本检测一般采用两种方法：1、基于锚框的回归，缺点是不能定位任意形状的文本，特别是形状弯曲的文本；2、基于分割，缺点是距离较近的文本不能单独分割开来。二、网络结构 如图所示，网络包括两种步骤：1、文本实例分割 ----> 2、后处理算法PSE2.1 文本实例分割 基网络采用FPN结构的ResNet，选取featur...
2019-11-19 16:11:25
3022
原创 ResNet
Deep Residual Learning for Image Recognition一、深度神经网络的 degradation 问题： 网络越深，训练误差和测试误差越大。这并不是由于梯度爆炸或者梯度消失，也不是由于过拟合导致。而是由于更深的网络学习和收敛更困难。二、Residual Learning不同于让网络直接学习期望的underlying mapping（标记为H...
2019-11-18 15:26:17
91
原创 高分辨率特征网络HRNet
一、 视觉识别主要包括三大类问题：图像层次（image classification）、区域层次（object detection）和像素层次（semantic segment、pose estimation & face ladmark align）。经过分类网络不断的strided convlution或者pooling得到的低分辨率，对空间精度敏感的任务上很难取得准确的...
2019-11-13 17:00:25
4296
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人