- 博客(15)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 ST-GCN源码运行完整版（含OpenPose编译安装）及常见问题
ST-GCN源码运行完整版（含OpenPose编译安装）-------本文仅为学习笔记，不做任何商业用途-------一、准备工作1.Anaconda3安装下载地址：Anaconda3下载地址（含历史版本）根据相关提示进行默认安装，并添加环境变量，具体详细操作可见博客如下：Anaconda详细安装说明2.Visual Studio 2017安装下载地址：Visual Studio 2017下载地址按照下图所示选项进行勾选安装3.CUDA 10.0 安装下载地址：CUDA各版本下载地址
2021-08-17 11:32:53
8998
36
原创 Ubuntu16.04更新国内镜像源（清华源）
Ubuntu16.04更新国内镜像源（清华源）-------本文仅为学习笔记，不做任何商业用途-------一、清华大学开源软件镜像站打开清华大学开源软件镜像站网址：https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/之后选择Ubuntu16.04版本，并复制框内的全部内容二、修改源地址打开终端，执行下述命令：cd /cd etc/aptsudo gedit sources.list之后将上述内容备份，并将清华源地址全覆盖，如下图三
2021-04-24 16:48:21
1019
2
原创 Ubuntu16.04安装cmake3.12.0
Ubuntu16.04安装cmake3.12.0-------本文仅为学习笔记，不做任何商业用途-------一、cmake的下载推荐使用wget命令下载，当然也可以从官网手动下载cmake各版本官网地址： https://cmake.org/fileswget https://cmake.org/files/v3.12/cmake-3.12.0-Linux-x86_64.tar.gz二、cmake的解压tar -zxvf cmake-3.12.0-Linux-x86_64.tar.gz
2021-04-24 16:27:00
2071
原创 RV1109_RV1126 EVB板使用总结
RV1126开发板使用总结RV1109_RV1126型号EVB板使用说明一、Windows系统安装adb串口调试二、RV1126开发板SDK编译2.1 在PC端安装ubuntu16.042.2 解压SDK源码2.3 安装相关依赖2.4 编译RV1126开发板SDK三、安装RKNN-Toolkit工具包3.1 在ubuntu16.04上操作3.2 创建rk_env环境3.3 安装pip33.4 获取RKNN-Toolkit安装包四、在PC上仿真运行实例五、在RV1126开发板上运行实例六、将模型文件上传至板子
2021-03-18 16:18:40
14563
14
原创 人体行为识别及摔倒检测相关研究现状
人体行为识别及摔倒检测相关研究现状-------本文仅为学习笔记，不做任何商业用途-------前言 近期由于需要做一些关于人体行为识别及摔倒检测的研究，故进行调研如下，如有错误请指正，欢迎交流。一、行为识别 在场景识别中，有很大一部分研究是针对于人体行为识别的，主要进行识别的也是一些家庭内的危险行为，如小孩、老人摔倒检测，外来人员闯入等，这些都可归为人体行为识别的范畴之内。 行为识别（action recognition），即根据视频图像完成对于人体动作的区分，这其中包括但不
2021-01-17 16:18:47
11881
2
原创 iDT算法安装运行（含Ubantu16.04下opencv-2.4.13及ffmpeg-3.4安装教程）
Ubantu16.04下opencv-2.4.13及ffmpeg-3.4.8安装教程(含iDT算法运行)-------本文仅为学习笔记，不做任何商业用途-------前言 最近在复现一篇多视角图像融合的论文，而论文中对于视频特征的提取首先是通过iDT算法（improved dense trajectory）来进行提取的。基于上述原因，需要首先复现iDT的代码，iDT的相关代码可从此处下载。根据作者介绍，iDT算法是在Linux下运行的c++代码，故本人作为一个从来没有接触过linux的小白，开始
2020-12-03 23:03:07
443
原创 图像融合算法及多视角（多源）信息融合总结
图像融合算法及多视角（多源）信息融合总结-------本文仅为学习笔记，不做任何商业用途-------前言 在计算机视觉领域下，涉及到对于诸如huamn action recognition等任务时，往往会需要多视角融合来进行分类任务，这就涉及到图像融合以及多源信息融合的相关算法。本文基于上述动机，在搜集和学习了解了相关知识后，对图像融合和多视角（多源）信息融合进行简单总结。一、图像融合算法 图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理
2020-11-26 21:35:18
15309
3
原创 LSTM及其激活函数理解
LSTM及其激活函数理解-------本文仅为学习笔记，不做任何商业用途-------一、LSTM简介 长短期记忆网络（LSTM）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题所设计出来的，可以解决RNN中的梯度消失和梯度爆炸的问题。 长短期记忆网络由于其独特的设计结构适合处理和预测时间序列中间隔和延迟非常长的重要事件。相比于传统的RNN，LSTM的参数会随着输入序列而改变，同时会选择记住和遗忘输入序列里的相关信息。LSTM可以用于不分段的连续手写识别上
2020-11-25 18:37:44
17610
2
原创 循环神经网络（RNN）笔记总结
循环卷积网络（RNN）笔记总结-------本文仅为学习笔记，不做任何商业用途-------一、概念及应用场景 循环神经网络（RNN）是一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接的递归神经网络。就像卷积神经网络（CNN）是专门用于处理网格化数据（如图像）的神经网络，循环神经网络是专门用于处理序列的神经网络。 常见的循环神经网络包括双向循环神经网络（Bi-RNN）以及长短期记忆网络（LSTM），之后会对LSTM进行详细的介绍，见主页其它博客内容。
2020-11-24 22:18:21
2051
1
原创 《CNN笔记总结系列之五》全连接层及卷积网络相关其他知识
《CNN笔记总结系列之五》全连接层及卷积网络相关其他知识-------本文仅为学习笔记，不做任何商业用途-------前言 《CNN笔记总结系列》的[1]-[4]分别介绍了卷积神经网络的输入层、卷积层、激励层以及池化层。本文紧接着上述内容，简单介绍卷积神经网络的全连接层。一、全连接层 全连接层的每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来。由于其全相连的特性，一般全连接层的参数也是最多的。两层之间所有神经元都有权重连接，通常全连接层在卷积神经网络尾部。
2020-11-24 13:29:16
1089
原创 《CNN笔记总结系列之四》池化层
《CNN笔记总结系列之四》-------本文仅为学习笔记，不做任何商业用途-------前言 在《CNN笔记总结系列》中，[1]-[3]已经分别介绍了卷积神经网络的数据输入层、卷积计算层和激励层。本文紧接上述内容，着重讲解卷积神经网络池化层的相关知识。一、池化层简要介绍 池化层是夹在两个连续的卷积层之间，用于压缩数据和参数的量由此来减小过拟合的。同时，池化的目的是提取特征，以减少向下一阶段传递的数据量，所以从图像处理的层面来说，池化层的最主要的作用就是压缩图像的同时，保留图像中的关键特
2020-11-24 13:00:28
1273
原创 《CNN笔记总结系列之三》激励层
《CNN笔记总结系列之三》激励层-------本文仅为学习笔记，不做任何商业用途-------前言 《CNN笔记总结系列》前两部分简要介绍了CNN的数据输入层以及卷积计算层，这一部分紧接着上述内容进行激励层的介绍。一、激励层简要介绍 在神经网络中，神经元向后传递信息需要与阈值做比较来激活神经元从而向后传递信息，而同样在CNN卷积神经网络中，在卷积后同样需要激活过程，而把卷积层输出结果做非线性映射就是激励层的作用。 为什么要用激活函数？ 如果不用激活函数，每一层输出都是上
2020-11-24 11:16:46
2709
原创 《CNN笔记总结系列之二》卷积层
《CNN笔记总结系列之二》卷积层-------本文仅为学习笔记，不做任何商业用途-------前言 在CNN笔记[1]中，已经详细的介绍了卷积神经网络的相关知识概念以及数据处理层的一些相关知识，本章从CNN的卷积计算层方面进行详细介绍。一、卷积运算介绍1.1一维卷积 在维基百科上，一维卷积的定义式如下所示：1.2二维卷积 二维卷积的定义式如下所示： 二维卷积的使用相对一维卷积更为广泛，尤其是在计算机视觉领域，图像处理的相关工作会经常用到，这是因为图像从本质上就可
2020-11-24 10:33:43
561
原创 《CNN笔记总结系列之一》简要介绍及输入层
《CNN笔记总结系列之一》简要介绍及输入层-------本文仅为学习笔记，不做任何商业用途-------## 一、卷积神经网络应用 卷积神经网络在计算机视觉领域有十分广泛的应用，尤其实在图像识别（image classification），物体识别（object recognition），行为认知（action recognition），姿态估计（pose estimation），神经风格迁移（neural style transfer）等。而在人体行为识别领域，针对图像的行为认知研究中，卷积神
2020-11-23 23:19:54
1055
原创 多视角人体活动采集系统组成及功能需求
多视角人体活动采集系统组成及功能需求一、人体姿态识别应用场景 人体姿态识别的应用场景十分广泛，主要集中在智能监控系统、人机交互系统、医疗健康识别、多媒体娱乐、虚拟现实（VR）、体育科学分析等，具有极高的社会研究价值和经济价值。二、人体姿态识别采集系统2.1多视角人体活动采集 首先，人体姿态识别可以分为2D和3D两种。通常情况下，2D情况只考虑了RGB图像上的表面信息，而3D是在RGB的图像的基础上，考虑摄像传感器与被测人体之间的距离关系（即Depth信息），并且考虑不同运动角度下使用多
2020-11-23 16:18:47
668
1
opencv-2.4.13&ffmpeg-3.4.8&yasm-1.3.0.rar
2020-12-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人