摘要：
论文链接地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax 网络结构： Feature Extractor（darknet-53 阅读全文
posted @ 2020-07-28 18:05
瞬_冷
阅读(130)
评论(0)
推荐(0)
摘要：
这三种网络结构主要是用于物体的检测以及识别。 一、RCNN： 首先使用搜索算法（SelectiveSearch）在图像上面选取出来大约2k个候选框，然后将这些候选框都送入到网络中进行特征提取，然后在对其进行分类与回归。 RCNN存在三个明显的问题： 1）多个候选区域对应的图像需要预先提取，占用较大的 阅读全文
posted @ 2020-07-28 18:03
瞬_冷
阅读(1783)
评论(0)
推荐(0)
摘要：
C++ 是高级语言，但是高级语言运行的时候都需要翻译。 翻译的方式有两种：解释器和编译器 解释器：解释器读取高级语言程序并执行程序语句，采取的是逐行翻译的方式，每读一行就执行该行，然后读取下一行，交替进行的。 编译器：编译器读取高级语言程序，并在执行程序命令之前将源代码全部编译好。这种情况下，高级语 阅读全文
posted @ 2020-07-28 18:00
瞬_冷
阅读(474)
评论(0)
推荐(0)
摘要：
1、原理： 1.1 噪音去除 由于边缘检测很容易受到噪音的影响，所以第一步就是使用高斯滤波器（5x5）去除噪音 1.2 计算图像的梯度 对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx和Gy）。根据得到的这两幅梯度图找到边界的梯度和方向。公式如下： 梯度的方向一般总 阅读全文
posted @ 2020-07-28 17:59
瞬_冷
阅读(1929)
评论(0)
推荐(0)
摘要：
1、腐蚀：整幅图的白色区域将减少 2、膨胀：整幅图的白色区域将增大 3、开运算：先腐蚀后膨胀，被用来去除噪音 4、闭运算：先膨胀后腐蚀，一般被用来填充图像中的小洞 5、形态学梯度：就是一幅图像膨胀与腐蚀的差别，可以拿到图像中前景物体的轮廓 6、礼帽：原始图像与进行开运算之后得到的图像的差 7、黑帽： 阅读全文
posted @ 2020-07-28 17:59
瞬_冷
阅读(84)
评论(0)
推荐(0)
摘要：
字符串是以‘\n’作为终止符的，所以字符数组的大小比单词的字符数多一个。 每一个变量都有一个内存位置，每一个内存位置都定义了可使用连字号（&）运算符访问的地址，他表示了内存的一个地址。 什么是指针： 指针是一个变量，其值为另一个变量的地址，既内存位置的直接地址。就像其他变量或常量一样，必须使用指针存 阅读全文
posted @ 2020-07-28 17:58
瞬_冷
阅读(93)
评论(0)
推荐(0)
摘要：
读取图片的方法（三种）： 第一种：直接把图片看做是一个图片直接读取进来，先获取图片的原始数据，然后在解码 import tensorflow as tf image_raw_data = tf.gfile.FastGFile("./test.jpg").read() image = tf.image 阅读全文
posted @ 2020-07-28 17:58
瞬_冷
阅读(313)
评论(0)
推荐(0)
摘要：
一：OutOfRangeError (see above for traceback): FIFOQueue '_1_batch/fifo_queue' is closed and has insufficient elements (requested 32, current size 0) 当出 阅读全文
posted @ 2020-07-28 17:57
瞬_冷
阅读(317)
评论(0)
推荐(0)
摘要：
TensorFlow 读取器： tf.ReaderBase：这是所有不同读取器的基类，每一步产生一个记录值。 tf.TextLineReader：一个输出由换行符分隔的文件行的阅读器，用于读取有换行符的文件 tf.WholeFileReader：一次性读出整个文件的所有内容作为文件值。（常见） tf 阅读全文
posted @ 2020-07-28 17:56
瞬_冷
阅读(108)
评论(0)
推荐(0)
摘要：
运行A.py，会发现报错：ImportError: cannot import name b 运行B.py，会发现报错：ImportError: cannot import name a 代码： A .py # coding:utf-8from B import bdef a(): print "A 阅读全文
posted @ 2020-07-28 17:54
瞬_冷
阅读(525)
评论(0)
推荐(0)
摘要：
论文地址：https://arxiv.org/abs/1612.08242 网络结构： 大多数检测框架依赖于VGG-16作为的基本特征提取器。VGG-16是一个强大的，准确的分类网络，但它是不必要的复杂。在单张图像224×224分辨率的情况下VGG-16的卷积层运行一次前馈传播需要306.90亿次浮 阅读全文
posted @ 2020-07-28 17:53
瞬_冷
阅读(233)
评论(0)
推荐(0)
摘要：
论文链接：https://arxiv.org/abs/1711.07767 RFBNet整体是在SSD的基础上面进行修改的 网络结构： 和SSD不同的是：1、主干网上用两个RFB结构替换原来新增的两层。2、conv4_3和conv7_fc在接预测层之前分别接RFB-s和RFB结构。 引入RFB的出发 阅读全文
posted @ 2020-07-28 17:50
瞬_冷
阅读(270)
评论(0)
推荐(0)
摘要：
将博客在CSDN保留一份 阅读全文
posted @ 2020-07-28 17:27
瞬_冷
阅读(12)
评论(0)
推荐(0)
摘要：
#!/bin/bash # gain apt lock. sudo rm -rf /var/lib/dpkg/locksudo rm -rf /var/cache/apt/archives/locksudo rm -rf /var/lib/apt/lists/lock # configure apt 阅读全文
posted @ 2020-07-28 17:18
瞬_冷
阅读(265)
评论(0)
推荐(0)
摘要：
BN，LN，IN，GN从学术化上解释差异： BatchNorm：batch方向做归一化，算NHW的均值，对小batchsize效果不好；BN主要缺点是对batchsize的大小比较敏感，由于每次计算均值和方差是在一个batch上，所以如果batchsize太小，则计算的均值、方差不足以代表整个数据分 阅读全文
posted @ 2020-07-28 17:15
瞬_冷
阅读(1410)
评论(0)
推荐(0)
摘要：
常量初始化 把权值或者偏置初始化为一个常数，具体是什么常数，可以自己定义 positive_unitball初始化 让每一个神经元的输入的权值和为 1，例如：一个神经元有100个输入，让这100个输入的权值和为1. 首先给这100个权值赋值为在（0，1）之间的均匀分布，然后，每一个权值再除以它们的和 阅读全文
posted @ 2020-07-28 17:13
瞬_冷
阅读(2797)
评论(0)
推荐(0)
摘要：
决策树： 决策树又称为判定树，是运用于分类的一种树结构，其中的每个内部节点代表对某一属性的一次测试，每条边代表一个测试结果，叶节点代表某个类或类的分布。 决策树的决策过程需要从决策树的根节点开始，待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶子节点作为最终的决策结果 阅读全文
posted @ 2020-07-28 17:08
瞬_冷
阅读(907)
评论(0)
推荐(0)
摘要：
1. 通过使用pip install pylint 2 .pylint $(find -name "*.py") | tee pylint_result.txt，只寻找项目下面后缀名为.py的文件进行查找，并输出到.txt文件里面 命令参数： -E，只输出Error级别的错误 --disable，可 阅读全文
posted @ 2020-07-28 17:07
瞬_冷
阅读(336)
评论(0)
推荐(0)
摘要：
贝叶斯算法： 在大学的时候我们都学过贝叶斯公式： P(B | A) = P(AB) / P(A) = P(A | B)P(B) / P(A) 表明了，在已知A，B共同发生的概率以及事件A发生的概率, 则可以知道在事件A发生的情况下发生事件B的概率。 然后现在我们就可以将这个公式进行应用到工业中去，假 阅读全文
posted @ 2020-07-28 17:06
瞬_冷
阅读(408)
评论(0)
推荐(0)
摘要：
1. 安装expect sudo apt-get install expect 2. 创建.sh脚本，并编写一下内容： #!/usr/bin/expectspawn git pull origin masterexpect "Username"send "username\n"expect "Pas 阅读全文
posted @ 2020-07-28 17:05
瞬_冷
阅读(677)
评论(0)
推荐(0)
浙公网安备 33010602011771号