tingpan

生命不息,折腾不止!
  首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

2021年7月3日

摘要: 一、前言 想给博客园增加打赏的功能,网上好多方法用的是github上开源的tctip方法,我也尝试了最新的版本,但不知道为什么不行。 二、可行方法的步骤 1、开通博客园JS权限 设置—>JS权限—>申请开通。开通后效果如下: 2、准备好支付宝和微信的收钱码,存为bmp格式,名字分为为“weixin. 阅读全文

posted @ 2021-07-03 18:03 tingpan 阅读(124) 评论(1) 推荐(1) 编辑

2020年7月15日

摘要: 零、直接下载百度网盘链接:https://pan.baidu.com/s/1b8IvB4q-e2VVWR2uKikuQQ 提取码:1edz 解压,双击运行RemoveWatermark.exe即可使用。一、背景现在B站越来越火,需要用到视频剪辑工具,我也试了几款免费的视频剪辑工具,发现免费试用,不成为会员,都会给你的视频加上水印。我平时不怎么使用视频剪辑,就偶尔用一下,因此,我就想着要去除水印,因... 阅读全文

posted @ 2020-07-15 23:28 tingpan 阅读(708) 评论(0) 推荐(1) 编辑

2019年4月8日

摘要: 一、YOLO v1 1、网络结构 (1)最后一层使用线性激活函数; (2)其他各层使用leaky ReLU的激活函数: 2、Training (1) 将原图划分为SxS的网格。如果一个目标的中心落入某个格子,这个格子就负责检测该目标,即Pr(object)=1。S取7; (2) 每个网格要预测C个类 阅读全文

posted @ 2019-04-08 01:18 tingpan 阅读(524) 评论(0) 推荐(0) 编辑

2019年4月6日

摘要: 一、Faster-RCNN基本结构 该网络结构大致分为三个部分:卷积层得到高位图像特征feature maps、Region Proposal Network得到候选边框、classifier识别出物体及得到准确bounding box。 二、feature maps 最后一层卷积层输出。 三、RP 阅读全文

posted @ 2019-04-06 02:17 tingpan 阅读(631) 评论(0) 推荐(0) 编辑

2019年4月5日

摘要: 一、说明 fcn的开源代码:https://github.com/shelhamer/fcn.berkeleyvision.org 论文地址:fully convolutional networks for semantic segmentation 其中,pascalcontext-fcn语义分割 阅读全文

posted @ 2019-04-05 00:27 tingpan 阅读(1132) 评论(0) 推荐(0) 编辑

2019年3月10日

摘要: 一、写在前面 fcn是首次使用cnn来实现语义分割的,论文地址:fully convolutional networks for semantic segmentation 实现代码地址:https://github.com/shelhamer/fcn.berkeleyvision.org 全卷积神 阅读全文

posted @ 2019-03-10 14:41 tingpan 阅读(974) 评论(0) 推荐(0) 编辑

2018年10月5日

摘要: 一、背景 原本是打算按《DEX Deep EXpectation of apparent age from a single image》进行表面年龄的训练,可由于IMDB-WIKI的数据集比较庞大,各个年龄段分布不均匀,难以划分训练集及验证集。后来为了先跑通整个训练过程的主要部分,就直接用LAP数 阅读全文

posted @ 2018-10-05 15:44 tingpan 阅读(1889) 评论(5) 推荐(0) 编辑

2018年10月4日

摘要: 来自:IMDB-WIKI - 500k+ face images with age and gender labels https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/该论文提出了Deep EXpectation(DEX)的表面年龄估计,该方法在2015年获得了ChaLearn LAP表面年龄估计的第一名。作者提出了将年龄的回归问题转化为分... 阅读全文

posted @ 2018-10-04 00:55 tingpan 阅读(874) 评论(0) 推荐(0) 编辑

2018年9月1日

摘要: 一、背景kaggle上有这样一个题目,关于盐份预测的语义分割题目。TGS Salt Identification Challenge | Kaggle https://www.kaggle.com/c/tgs-salt-identification-challenge二、过程1、下载数据,https://www.kaggle.com/c/tgs-salt-identification-chall... 阅读全文

posted @ 2018-09-01 11:31 tingpan 阅读(1491) 评论(1) 推荐(0) 编辑

2018年8月18日

摘要: 一、说明SIFT Flow 是一个标注的语义分割的数据集,有两个label,一个是语义分类(33类),另一个是场景标签(3类)。Semantic and geometric segmentation classes for scenes.Semantic: 0 is void and 1–33 are classes.01 awning02 balcony03 bird04 boat05 brid... 阅读全文

posted @ 2018-08-18 02:38 tingpan 阅读(955) 评论(0) 推荐(0) 编辑