7 Nine-days

尚未进行身份认证

我要认证

email:547691062@qq.com

等级
TA的排名 5k+

高速人脸检测+嵌入式CPU部署

目前优化了一款高速人脸检测算法,在 ARM设备的A73单核CPU(图像大小:860*540最小人脸大小:60*60)速度可以高达10-15ms每帧,真正的实时人脸检测算法,算法准确率在 FDDB数据集与MTCNN算法的准确率相当,可以应用将该算法部署在边缘设备,进行人脸识别算法进行整体算法提速。上图展示了 算法 在 A73 CPU上面的运行时间, 人脸检测部分一般在 10ms-15ms 左右 ,人脸检测+人脸特征提取 一般在 130-135ms,整体识别速度非常快速。需要改进人脸识别算法的欢..

2020-07-15 15:11:03

caffe 获取模型flops

import syssys.path.insert(0,"python")import caffe def get_model_param_flops(model): net=caffe.Net(model,caffe.TEST) params=0 flops=0 blobs=net.blobs print("name param flops") for item in net.params.items(): name,layer=.

2020-06-18 15:34:14

c++ 解决中文字符乱码

string UTF8ToGB(const char* str){ string result; WCHAR *strSrc; LPSTR szRes; //获得临时变量的大小 int i = MultiByteToWideChar(CP_UTF8, 0, str, -1, NULL, 0); strSrc = new WCHAR[i + 1]; MultiByteToWideChar(CP_UTF8, 0, str, -1, strSrc, i); //获得临时变量的大小 i =.

2020-06-05 15:09:51

图像得矩

图像的矩零阶矩: M00这里的图像是单通道图像,表示图像在点上的灰度值。我们可以发现,当图像为二值图时,就是这个图像上白色区域的总和,因此,可以用来求二值图像(轮廓,连通域)的面积。一阶矩: M01 / M10当图像为二值图时,只有 0(黑),1(白)两个值。就是图像上所以白色区域 x 坐标值的累加。因此,一阶矩可以用来求二值图像的重心二阶矩 M20 / M02 / M11二阶矩可以用来求物体形状的方向。几何矩公式P(x,y) 表示 x,y 处的灰度值...

2020-06-02 16:02:07

h264转成 JPEG 海思

该代码只是编解码部分的代码。前台代码 需要 绑定 VDEC->VPSS->VENC 参考 sample_comm.h接口 及 sample_comm_vdec.c正常的流程就是 sendstream (h264) 到VDEC 解码后给VPSS然后VPSS将数据 给 VENC 进行编码, 最后从 VENC的通道 取的数据流就是对应的编码成JEPG的数据了,保存即可。HISI_VENC_SaveSnap(.....){for (i = 0; i < p...

2020-05-27 10:02:31

rtsp 基于RTP 解包代码

buf_in 一般是由 live555 client 获得的数据,buf_out是解包成 H264编码格式的数据,该数据直接发给解码器 就完成了解码的流程。rtp解包代码流程#define MEDIA_RTP_HEADER_LEN 12typedef struct nalu_tag { unsigned char forbidden_bit; //Should always be FALSE unsigned char nal_reference_idc; .

2020-05-26 18:37:02

汇总|目标检测中的数据增强、backbone、head、neck、损失函数

一、数据增强方式random erase CutOut MixUp CutMix 色彩、对比度增强 旋转、裁剪解决数据不均衡:Focal loss hard negative example mining OHEM S-OHEM GHM(较大关注easy和正常hard样本,较少关注outliners) PISA二、常用backboneVGG ResNet(ResNet18,50,100) ResNeXt DenseNet SqueezeNet Darkn

2020-05-26 13:34:00

Source Insight 操作技巧

通用设置Options - File Type Options:显示行号:勾选Show line mumbers 选中自动高亮:勾选Hightlight references to selected sysmbol 转换tab成空格:勾选Expand tabs to spaces,设置Tab width:4样式视图切换默认视图:切换成普通视图:View - Mono Font View 快捷键Alt + F12快捷键高亮选中符号:F8替换...

2020-05-13 09:28:44

H264码流中NALU sps pps IDR帧的理解

H264码流中NALU sps pps IDR帧的理解1、概念 什么是NALU? H264码流可以分为两层,VCL层和NAL层,NAL的全称是Network abstraction layer,叫网络抽象层,它保存了H264相关的参数信息和图像信息,NAL层由多个单元NALU组成,NALU由了NALU头(00 00 00 01或者00 00 01)、sps(序列参数集)、pps(图像参...

2020-04-29 09:58:53

FLOPs与模型推理速度关系

2020/04/22更新刚在相关问题回答里跟ResNest作者讨论的时候又发现一个学术论文与工业界需求偏差的地方。好多使用attention的网络,比如x=x*sigmoid(x),实际上需要把tensor拷贝一次,这其实增大了显存占用,而显存占用是影响工业界实际应用的。因为工业界考虑的不是FLOPs,甚至也不是单纯的inference time,考虑的是把一块儿GPU打满情况下的QPS(...

2020-04-27 13:54:04

安防监控视频结构化(车辆+行人)实现方案

目前视频结构化已经应用到安防监控中,主要是对视频中的人员、车辆目标进行结构化处理,能够提取出人员的年龄、性别、衣服颜色、是否戴眼镜等属性信息,车辆的车牌号码、车型、车辆颜色、挂件等属性信息。基于提取的属性信息可以进行人员、车辆的进一步比对分析,确定违法犯罪人员和违法车辆。在平安城市、智慧城市等的火热建设下,视频监控和视频应用的需求在不断增加,视频监控行业市场规模保持快速增长。庞大...

2020-04-03 16:37:20

Ubuntu 18.10 cosmic换源

前情提要:今天突然ubuntu apt update 无法用了,通过调查才知道ubuntu产品售后是有期限的。过了期限的版本,会被切换到old release的源。尝试切换到中科大源:##中科大源deb https://mirrors.ustc.edu.cn/ubuntu/ cosmic main restricted universe multiversedeb-src htt...

2020-03-23 14:45:20

ubuntu18.04 apt update失败问题

问题现象Err:1 http://us.mirrors.ustc.edu.cn/ubuntu bionic InReleaseConnection failed [IP: 202.141.176.110 80]Err:2 http://us.mirrors.ustc.edu.cn/ubuntu bionic-updates InReleaseConnection failed...

2020-03-18 09:53:42

opencv 显示中文字体

OpenCV显示中文汉字,未使用CvxText和FreeType库采用windows的GDI显示系统的TrueType字体,没有封装,就两个函数,分成了h和cpp文件,可以自己编辑文件名和函数名,亦可以直接将cpp的代码复制到你需要的程序中。1. puttext.h文件#ifndef PUTTEXT_H_#define PUTTEXT_H_#include <wi...

2020-03-17 15:11:33

人脸检测:RetinaFace(开源简化版)详细解读

介绍Insight Face在2019年提出的最新人脸检测模型,原模型使用了deformable convolution和dense regression loss, 在 WiderFace 数据集上达到SOTA。截止2019年8月,原始模型尚未全部开源,目前开源的简化版是基于传统物体检测网络RetinaNet的改进版,添加了SSH网络的检测模块,提升检测精度,作者提供了三种基础网络,基于Re...

2020-03-05 18:32:15

Docker 的基本使用方法

Docker安装https://www.cnblogs.com/okong/p/docker-two.htmlDocker 常用命令https://www.cnblogs.com/okong/p/docker-three.htmlDocker 下 caffe 的使用https://blog.csdn.net/elaine_bao/article/details/53117676ca...

2020-02-18 10:47:40

caffe命令及其参数解析

原文链接:https://blog.csdn.net/zchang81/article/details/73794535caffe程序的命令行执行格式如下:caffe <command> <args><command>包含如下四种:train————(训练或finetune模型(model))test————(测试模型)device_query...

2020-02-15 16:01:43

Centos7.4+GPU1080Ti 安装Caffe环境

一、安装CUDA1.安装驱动:https://www.nvidia.cn/Download/driverResults.aspx/156788/cn驱动下载地址,根据系统实际情况查找驱动查看 GPU 信息:nvidia-smi -L禁用The Nouveau kernel driver的方法https://blog.51cto.com/enetq/5916222.安装cuda+c...

2020-02-15 15:42:49

pytorch Finetune和各层定制学习率

文章目录一、Finetune之权值初始化第一步:保存模型参数第二步:加载模型第三步:初始化二、不同层设置不同的学习率补充:我们知道一个良好的权值初始化,可以使收敛速度加快,甚至可以获得更好的精度。而在实际应用中,我们通常采用一个已经训练模型的模型的权值参数作为我们模型的初始化参数,也称之为Finetune,更宽泛的称之为迁移学习。迁移学习中的Finetune技术,本质上就是让我们新...

2019-12-30 10:25:56

快速在安卓端验证深度学习算法模型

原https://zhuanlan.zhihu.com/p/76909819https://zhuanlan.zhihu.com/p/769098191、背景​ 前段时间在知乎上溜达,看到糖心他爸大神的专栏-实战嵌入端的AI算法,进去一看,不得了,发现新大陆了,深度学习模型还能在安卓端这么玩的吗?​ 一般对我们这种初级炼丹师,要验证算法在端上的能力以及实测效果...

2019-12-12 16:33:17

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!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 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。