5 zhanghenan123

尚未进行身份认证

暂无相关简介

等级
TA的排名 8w+

相机成像原理

参考:http://www.cse.psu.edu/~rtc12/CSE486/lecture12.pdfhttp://www.cse.psu.edu/~rtc12/CSE486/lecture13.pdfhttps://blog.csdn.net/WYXHAHAHA123/article/details/89186666概念介绍:世界坐标系(物体坐标系):用UVW记相机坐...

2019-09-24 14:03:56

空洞卷积理解

空洞卷积如下:空洞卷积提出原因:池化层在增大感受野的同时降低了分辨率,为了在进行upsample的时候得到高的分辨率就需要空洞卷积空洞卷积如何实现:空洞卷积是在原有特征图上根据空洞的rate,得出原有特征图上需要进行卷积的点来,然后再按原来的卷积操作(个人理解)...

2019-09-23 17:24:25

SPP 空间金字塔池化

本文参考如下博客:https://blog.csdn.net/H_hei/article/details/87298459https://blog.csdn.net/u012938704/article/details/71185126引入SPP的原因:卷积层和池化层是滑动窗操作,可以接受任意大小的图片输入,而全连接层是向量与矩阵乘操作,因此需要固定大小的输入(参数的个数固定),因...

2019-09-23 14:14:02

tensorflow tf.gfile API介绍

1、tf.gfile.Copy(oldpath,newpath,overwrite=False)拷贝源文件并创建目标文件,无返回,其形参说明如下:oldpath:带路径名字的拷贝源文件;newpath:带路径名字的拷贝目标文件;overwrite:目标文件已经存在时是否要覆盖,默认为false,如果目标文件已经存在则会报错2、tf.gfile.MkDir(dirna...

2019-09-19 10:24:19

DeeplabV3+ tensorflow学习以及训练自己的数据

一:数据准备:1、网上下载labelme开源标注工具并根据官网配置环境,然后标注数据并生成标签数据2、根据voc数据制作方式制作tfrecord数据二:训练前代码准备:修改:segmentation_dataset.py、train_utils.pysegmentation_dataset.py在deeplab/datasets下面在_DATASETS_INFORMATIO...

2019-09-18 14:40:52

linux后台运行程序的方法

(转载:https://blog.csdn.net/qq_31403321/article/details/83575882)第一种:nohupnohup运行程序命令&eg:nohuppythondemo.py&第二种:screenscreen-Sname#创建一个新窗口,名称为namectrl+a+d#挂起当前窗口scre...

2019-09-17 10:13:06

tensorflow问题集锦

1、在importtensorflow的时候出现如下问题解决方法:此问题出现的原因是安装的numpy版本太高了导致的,切换低版本的即可

2019-09-16 14:37:07

目标检测评价指标AP50,AP60

(转载:https://blog.csdn.net/m0_37615398/article/details/85256543)在目标检测中,我们常用AP和mAP来评价模型的好坏,但是在很多论文中出现了AP50,AP60等指标,这是什么呢?AP是指averageprecision,平均精确率,即多类预测的时候每一类的precision取平均,类似地还有AR,平均召回率。以Cascade...

2019-08-16 09:46:32

Caffe ssd 之NMS实现

NMS部分主要用在DetectionOutput层中,用于对预测得到的分数和boxes处理在此层的Forward中调用,如下:ApplyNMSFast(bboxes,scores,confidence_threshold_,nms_threshold_,eta_,top_k_,&(indices[c]));此ApplyNMSFast方法是在caffe/util/...

2019-04-26 12:00:32

C++ vector用法整理

转载(https://www.cnblogs.com/Nonono-nw/p/3462183.html)vector是向量类型,它可以容纳许多类型的数据,如若干个整数,所以称其为容器。vector是C++STL的一个重要成员,使用它时需要包含头文件:#include<vector>;一、vector的初始化:可以有五种方式,举例说明如下(1)vector...

2019-04-25 10:06:04

c++中的std::pair与std::make_pair

文章转载(http://www.cnblogs.com/Nimeux/archive/2010/10/05/1844191.html)std::pair主要的作用是将两个数据组合成一个数据,两个数据可以是同一类型或者不同类型。例如std::pair<int,float>或者std::pair<double,double>等。pair实质上是一个结构体,其主要的两...

2019-04-25 09:54:41

ubuntu安装windows字体

1、把windows下的字体文件*.tff拷贝到ubuntu下的/usr/share/fonts下2、执行下面几条命令sudomkfontscale#生成核心字体信息sudomkfontdirsudofc-cache-fv执行完以上两步即可安装字体成功...

2019-04-01 15:24:27

python获取某种字体字符串所占像素数

fromPILimportImageFontfontfile='***.tff'font=ImageFont.truetype(fontfile,170,0)text=="hello"width,height=self.font.getsize(text)

2019-03-30 17:38:51

git使用说明及问题集锦

使用说明gitaddgitadd是一个多功能命名,根据目标文件的状态不同,此命令的效果也不同:可以用它开始跟踪新文件,或者把已经跟踪的文件放到暂存区,还能用于合并时把冲突的文件标记为已解决状态。已经跟踪的文件修改后还是需要执行gitadd命令将修改的文件放到暂存区的。gitcommit-a一般执行gitcommit之前要先执行gitadd,将修改的文件加到暂存区,执行...

2019-03-30 17:36:34

caffe.io.load_image与Opencv的imread区别

用训练好的caffemodel做inference的时候在caffe里面读取图片,若直接用image=cv2.imread(imagefile)对此image进行inference则效果很差若直接用image=caffe.io.load_image(imagefile)对此image进行inference则效果很好二则的区别1、二则读取出来的值的结果范围不一致...

2019-03-26 14:19:41

linux文件加锁,解锁

chattr:加锁文件,无修改,无删除权限常用参数:+a:可给文件追加内容,但无法删除+i:加锁文件(文件不能被删除、改名、设定链接关系,同时不能写入或追加内容)-i:解锁文件(与+i相反)常用参数用法:加锁:chattr+i文件查看加锁:lsattr文件+i加锁文件chattr+i/etc/passwd...

2019-03-22 14:32:16

caffe支持多标签分类

转载https://blog.csdn.net/sinat_14916279/article/details/56489601?locationNum=10&fps=1

2019-03-22 10:54:40

ERROR: ld.so: object '/usr/local/lib/lbb.so' from /etc/ld.so.preload cannot be preloaded (cannot ope

出现此问题中病毒了,执行如下操作即可完全解决echo"">/etc/ld.so.preloadchattr+i/etcrm-rf/var/spool/cron/*rm-rf/etc/cron.d/*chattr+i/var/spool/cron/rm-f/usr/local/lib/lbb.sochattr+i/usr/local/libki...

2019-03-21 16:34:43

C++函数后面加“:”的含义

1、c++成员函数后面跟“:”表示的是赋值,这是c++的特性如下:A(intaa,intbb):a(aa),b(bb){}相当于A(intaa,intbb){a=aa;b=bb;}2、c++构造函数后面跟“:”也表示赋值1)对含有对象成员的对象进行初始化类line有两个私有对象成员startpoint、endpoint,line的构造函数写...

2019-01-14 10:01:09

IOU理解

1、概念IOU(Intersection-over-Union)是目标检测中使用的一个概念,是产生的候选框(candidateboundingbox)与真实标记的框(groundtruthboundingbox)的重叠程度,候选框与真实框之间交集与并集的比值叫IOU2、图示 3、计算公式 4、IOU计算的Python实现defcacluteIOU(...

2018-12-28 16:21:37

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!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3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。