摘要: Remember 轨迹绘制 1 含义根据脚本绘制图形,通过编制数据的方式绘制图形,不同于利用turtle库编写代码的方式绘制图形。 2 过程①写程序读取数据 ②根据数据绘制图形 3 实例步骤①定义数据文件格式(接口) ②编写程序,根据文件格式(接口)解析参数绘制图形。 ③编制数据文件(运行脚本得到图 阅读全文
posted @ 2021-04-13 13:04 淇则有岸 阅读(24) 评论(0) 推荐(0) 编辑
摘要: 前言 此篇随笔为大纲及概述,后续会更新详细内容及案例内容。 大纲以及后续更新的内容来自本人从B站博主 路飞学城 发布的课程学来的知识加以自己的理解,案例内容为自己提的各方面需求。 职业规划 以稳固的web端爬虫入手,逐步渗透app端爬虫,当全部成熟后,攻坚数据可视化和数据分析。完成一套技术流程,提升 阅读全文
posted @ 2020-10-08 21:52 淇则有岸 阅读(226) 评论(0) 推荐(0) 编辑
摘要: 问题描述:有时候我们写配置文件时,ini的后缀,结果还是文本文档,为什么呢? 答:这是win10系统判定的问题,只要点击查看 把文件扩展名勾选上 再重命名ini后缀即可 阅读全文
posted @ 2020-07-09 11:38 淇则有岸 阅读(850) 评论(0) 推荐(0) 编辑
该文被密码保护。 阅读全文
posted @ 2020-05-26 21:28 淇则有岸 阅读(23) 评论(0) 推荐(0) 编辑
摘要: SingleShotMultiBoxDetector(SSD,单步多框目标检测) ———————————————————————————————————————————————— 前言:哈哈,有多少人被标题引诱来的?不过我确实把料下足了,想彻底了解SSD理论的朋友,请你沉下心来看,估计底子好的人要看 阅读全文
posted @ 2020-03-01 20:51 淇则有岸 阅读(1738) 评论(1) 推荐(3) 编辑
摘要: 前言: 在目标检测的任务中,一样的损失函数可能有不同的IOU值,如下图(L2作为损失函数) 上图三张图有一样的L2距离,但是IoU值却完全不同。坐标表示方法为(x1,y1,x2,y2)。 下图为L1距离。坐标表示方法为(x,y,w,h),x,y为中心点坐标。 科普一下L1与L2距离,明白的请跳过: 阅读全文
posted @ 2020-03-01 14:44 淇则有岸 阅读(3129) 评论(3) 推荐(1) 编辑
摘要: 解决的问题:消除正负样本比例不平衡(One-Stage算法需要产生超大量的预选框,模型被大量负样本所主导,Focal Loss对此种情况卓有成效。),并且挖掘难负样本(难负样本即为一些很难区分是正样本还是负样本的负样本。其对立的就是一些简单的负样本,很容易区分出来是负样本,其前向传播的loss很小, 阅读全文
posted @ 2020-03-01 10:48 淇则有岸 阅读(1037) 评论(0) 推荐(0) 编辑
摘要: 在python的文件中,经常看到代码最后写上if __name__ == __main__: 是什么意思呢? 解释: 1.你写的这个py文件,比如叫做“test.py”那么你点击“运行”的话,则会调用运行你if __name__ == __main__:下的代码。 2.而如果,你这个“test.py 阅读全文
posted @ 2020-03-01 10:10 淇则有岸 阅读(257) 评论(0) 推荐(0) 编辑
摘要: 前言 之前无论是传统目标检测,还是RCNN,亦或是SPP NET,Faste Rcnn,Faster Rcnn,都是二阶段目标检测方法,即分为“定位目标区域”与“检测目标”两步,而YOLO V1,V2,V3都是一阶段的目标检测。 从R-CNN到FasterR-CNN网络的发展中,都是基于propos 阅读全文
posted @ 2020-02-27 22:34 淇则有岸 阅读(2294) 评论(0) 推荐(2) 编辑
摘要: 前言概括 RCNN是运用深度学习进行目标检测的鼻祖,但是究其结构来说,不过是将传统的目标检测结构的提取特征的方法由Hog算法换成了卷积神经网络去提取特征,其网络结构用的是Alexnet。 传统目标检测的流程我在上一篇随笔中已经做过总结,某些例如“非极大值抑制”,“高斯模糊”这种方法我并没有展开介绍, 阅读全文
posted @ 2020-02-24 20:23 淇则有岸 阅读(175) 评论(0) 推荐(0) 编辑