godloveljw-CSDN博客

原创 python 多线程工作，生产者-消费者模式

importtime,randomimportqueue,threadingq=queue.Queue()defproducer(name):count=0whilecount <20:time.sleep(random.randrange(3))q.put(count)# 在队列里放包子print('P...

2019-09-26 17:37:01 238

原创 yoloV3 单张图像测试（slimYoloV3）

import argparseimport jsonfrom torch.utils.data import DataLoaderfrom models import *from utils.datasets import *from utils.utils import *def test_one_image( cfg, ...

2019-09-20 20:52:59 2213

原创 cmake CmakeLists.txt编写

├── source│├── CMakeLists.txt│├── README.md│├── main.cpp│└── utils│ ├── STAudioUtils.cpp│ ├── STAudioUtils.h│ ├── WaveFile.cpp│ └── WaveFile.h————————————...

2019-08-28 14:12:16 201 1

原创加速安装 python 依赖包（国内镜像）

目前用 pip 安装软件时有时候软件包的源位于境外，所以导致安装速度很慢，建议使用国内的一些镜像源进行安装：阿里云：https://mirrors.aliyun.com/pypi/simple/豆瓣网：http://pypi.douban.com/simple/清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/中国科技大学：https://py...

2019-02-19 10:31:24 3141

原创多级目录下cmake CMakeLists.txt使用方法（多个CmakeLists.txt编译）

2019-02-13 09:55:55 20051 2

原创 cmake CMakeLists.txt 模板写法 (附例程)

# 声明要求的cmake最低版本cmake_minimum_required( VERSION 2.8 )# 添加c++11标准支持set( CMAKE_CXX_FLAGS "-std=c++11" )# 声明一个cmake工程project( 工程名 )# 找到后面需要库和头文件的包find_package（包的名称及最低版本）# 例如find_package(Op...

2019-02-12 12:21:48 1319

原创 Linux下静态库，动态库的区别和联系（详解）

我们是使用cmake和make工具构建工程时，经常会遇到链接库的情况，其中的库包括静态库和动态库，很多读者迷惑两者的区别，本文对此进行解释，如有不妥之处，敬请指正：相同点：无论静态库，还是动态库，都是由.o文件创建的。因此，我们必须将源程序通过gcc先编译成.o文件；区别：1，代码载入时间不同静态库在程序编译时会被连接到目标代码中，程序运行时将不再需要该静态库；动态库在程序...

2019-02-12 11:54:40 685

原创 Pytorch：代码实现不同层设置不同的学习率，选择性学习某些层参数

1，如何动态调整学习率在使用pytorch进行模型训练时，经常需要随着训练的进行逐渐降低学习率，在pytorch中给出了非常方面的方法：假设我们定义了一个优化器：import torchimport torch.nn as nnoptimizer = torch.optim(model.parameters(), lr = 0.01, momentum = 0.9)该优化器...

2018-12-05 14:38:53 4302

原创 GOTURN-(达到100FPS的深度学习跟踪算法代码)

本代码是基予caffe的linux的, 安装好caffe之后需要编译GOTURN代码,在编译过程中会出现如下错误:fatal error: caffe/proto/caffe.pb.h: No such file or directory#include "caffe/proto/caffe.pb.h"解决方法：用protoc从caffe/src/caffe/proto/caf

2017-02-20 05:37:14 3352 2

原创阅读笔记4：CSK：Exploiting the Circulant Structure of Tracking-by-detection with Kernels

本文是ECCV 2012一篇文章，是利用循环矩阵做目标追踪的里程碑文章，重点着眼于如何利用circulant 结构做目标跟踪以及背后的理论依据。传统跟踪算法是根据当前帧目标位置，然后采样正，负样本，一般情况下离目标比较远的判定为负样本，离目标比较近的判定为正样本。由于考虑到实时跟踪的要求，为了减少计算量采用random sample样本，虽然这样降低了计算量但是对最终的分类器性能会有一定的影响

2016-09-13 11:38:49 1658

原创基于opencv3.1的cnn分类系统集成

基于opencv3.1的cnn分类模型工程建立，再次基础之上进而集成整个检测模型。具体步骤如下：1，下载opencv3.10并安装，个人认为没有必要添加环境变量，（因为环境变量的目的是在运行exe文件是寻找dll库的依赖路径，如果不添加环境变量只需要把需要使用的dll库copy到exe得目录下即可，特别是针对opencv3.0以上的版本尤为方便，只有一个dll库。）2，目前op

2016-08-10 16:59:11 5242 1

原创阅读笔记3-FCNT:Visual Tracking with Fully Convolutional Networks

本文是发表在2015 iccv上的一篇关于用CNN做目标追踪：本文主要贡献有两个Contribution 1：探索来自不同层的CNN特征表达目标属性中区别和联系Contribution 2：选取不同CNN层的特征，并将其”稀疏化“（通过tiny convolution neutral network实现），得到更有discrimination的特征用于追踪。下面分别介绍这两部分工作：

2016-06-20 13:55:44 5910 4

转载快速傅里叶介绍－matlab

一、快速傅里叶介绍傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的余弦（或正弦）波信号的无限叠加。FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。那其在实际应用中，有哪些用途呢？ 1.有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征（频率，幅值，初相位）；2.FFT可以将一个信号的频谱提取出来，进行频谱分析，

2016-06-06 13:47:34 1740

转载视觉目标跟踪大牛主页

1、好的blog简单生活FFBFCAT-计算机视觉2、论坛视觉计算研究论坛卓卓研究小组CCF推荐排名3、关注的CV大牛网页Ming－Hsuan Yang 大牛级人物，很多目标跟踪的的顶级paper都有挂名卢湖川大连理工的教授,Superpixel Tracking就是卢老师和Ming-Hsu

2016-05-25 12:10:58 2596

原创阅读笔记2：robust visual tracking via convolutional networks without training

本文是kuaihua zhang研究团队发表在2016TIP上的一篇文章，提出了一种不需要pre-training的卷积神经网络模型跟踪框架（CNT），与传统的基于深度学习的方法相比，本算法不需要大量的数据预训练模型，其次是该神经网络只有两层卷积，结构较为简单，效率高达到5fps（vs DLT 1.5s/f）。通过两层的神经网络在线学习目标鲁棒表达。框架流程如下：step1：第一帧图像标定

2016-05-24 14:32:54 3037 9

原创阅读笔记1：fast tracking via spatio-temporal context learning

本文是香港理工大学Kuaihua Zhang的一篇跟踪文章，发表在2014ECCV上，其突出贡献就是快，达到了350fps。传统的跟踪算法大多是利用时序信息即图像的前后帧的位置信息做预测，而本文则是融合目标的空间的信息，例如，跟踪过程中目标的背景信息是缓慢发生变化的，目标在背景中的空间位置与空间信息有很大关联，这就是文章中最大的创新点。其利用目标特征非常之简单（intensity and loca

2016-05-23 22:50:43 2969

原创医学图像配准实现代码（matlab篇）

研究配准进两年的时间，有幸看到一个技术文档，做了一下的总结，如有不妥之处敬请大家谅解，多提出意见废话不多说，书归正传！这里主要讲解的是多模态或者说是多序列MRI图像配准。采用的图片是人体膝盖图。配准暂且分为五部Step1. 下载图片Step2. 初始配准（粗配准）Step3. 提高配准精度Step4. 利用初始条件提高配准精度配准Step5. 结果满意不满意，你说了算

2015-01-21 19:04:48 24565 11

转载 Adaboost 算法的原理与推导(JUly)

Adaboost 算法的原理与推导0 引言一直想写Adaboost来着，但迟迟未能动笔。其算法思想虽然简单：听取多人意见，最后综合决策，但一般书上对其算法的流程描述实在是过于晦涩。昨日11月1日下午，邹博在我组织的机器学习班第8次课上讲决策树与Adaboost，其中，Adaboost讲得酣畅淋漓，讲完后，我知道，可以写本篇博客了。

2015-01-06 13:08:29 8758 3

godloveme的专栏