摘要：
第一步，功能说明：addWeighted（）函数是将两张相同大小，相同类型的图片融合的函数。他可以实现图片的特效，不多说了，直接上图。 第二步，结果图显示： 待 融合的两张图src1，src2： 效果图dst： 第三步，API详解：void cvAddWeighted( const CvArr* s 阅读全文
摘要：
轮廓检测 实现 结果 注意，findcontours函数会“原地”修改输入的图像。这一点可通过下面的语句验证： cv2.imshow("binary", binary) contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.C 阅读全文
摘要：
Python之Numpy库常用函数大全 numpy的argmax用法 numpy.squeeze()的用法 numpy.transpose 详解 np.newaxis用法 cv2.resize用法 轮廓检测cv2.findContours() 图像融合opencv中addWeighted() 阅读全文
摘要：
还是从一维数组出发.看下面的例子.import numpy as np a = np.array([3, 1, 2, 4, 6, 1]) print(np.argmax(a)) 4 argmax返回的是最大数的索引.argmax有一个参数axis,默认是0,表示第几维的最大值.看二维的情况.impo 阅读全文
摘要：
openvino openvino官方：https://docs.openvino.ai/latest/index.html openvino开放的model：https://gitcode.net/openvinotoolkit/open_model_zoo openvino例子：https:// 阅读全文
摘要：
https://gitcode.net/mirrors/alexeyab/darknet.git 阅读全文
摘要：
Relu函数 讲Relu函数前需要先了解关于激活函数的概念和作用。 什么是激活函数? 首先了解一下神经网络的基本模型 如上图所示，神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值，并将输入值传递给下一层，输入层神经元节点会将输入属性值直接传递给下一层（隐层或输出层）。在多层神经 阅读全文
摘要：
“激活函数”能分成两类——“饱和激活函数”和“非饱和激活函数”。 阅读全文
摘要：
feature map、卷积核、卷积核个数、filter、channel的概念解释 feather map的理解 在cnn的每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起（像豆腐皮一样），其中每一个称为一个feature map。 feather map 是怎么生成的？ 阅读全文
摘要：
1、提出背景 在深度学习中，由于问题的复杂性，我们往往会使用较深层数的网络进行训练，相信很多炼丹的朋友都对调参的困难有所体会，尤其是对深层神经网络的训练调参更是困难且复杂。 在这个过程中，我们需要去尝试不同的学习率、初始化参数方法（例如Xavier初始化）等方式来帮助我们的模型加速收敛。深度神经网络 阅读全文
摘要：
目标检测性能评价指标（mAP、IOU、NMS、FPS） anchor设置 yolo_目标检测中Anchor（先验框）的作用 感受野和Anchor box Batch Normlization原理 CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释，以及CNN 阅读全文
摘要：
目标检测网络（Faster RCNN、SSD、YOLO v2&v3等）中，均有先验框的说法，Faster RCNN中称之为anchor(锚点)，SSD称之为prior bounding box(先验框)，实际上是一个概念。Anchor设置的合理与否，极大的影响着最终模型检测性能的好坏。 1. 什么是 阅读全文
摘要：
Anchor box 与 感受野 阅读全文
摘要：
Yolo介绍 Yolo v3网络结构 Yolo v3实现过程 下图展示了在feat3特征图上的检测结果，特征图上的一个像素对应原图中的一个网格，每个尺度定义了3种anchor，即每个网格会有3个预测框，每个预测框具有（5 + C）个属性。网络在3个尺度上检测，所以整个网络共检测13 * 13 * 3 阅读全文
摘要：
一、mAP 这里首先介绍几个常见的模型评价术语，现在假设我们的分类目标只有两类，计为正例（positive）和负例（negtive）分别是： 1）True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）； 2）False positives 阅读全文
摘要：
Flask 本指南介绍了如何在 Flask 中使用 pyecharts。 Flask 模板渲染 将 pyecharts 模板，位于 pyecharts.render.templates 拷贝至刚新建的 templates 文件夹 示例代码 from flask import Flask from j 阅读全文
摘要：
Darknet概述 darknet用自己的数据进行训练 安装labelImg的教程 ubuntu下ffmpeg安装 ffmpeg视频抽取帧 安装CUDA 安装cudnn darknet编译GPU、CUDNN CUDNN_CONVOLUTION_FWD_SPECIFY_WORKSPACE_LIMIT‘ 阅读全文
摘要：
matplotlib的使用——连续图像部分plt.plot matplotlib的使用——picture in picture画中画的使用 matplotlib的使用——subplot分格显示 matplotlib的使用——3D绘画 matplotlib的使用——contour等高线的绘制 matp 阅读全文
摘要：
pyecharts-直角坐标系图标 pycharts-地理图表 pycharts-基本图表 pycharts-3D图表 pycharts-树形图表 pycharts-组合图表 pycharts-主题设置 pycharts-配置项 pycharts-从0开始美化一个图表 Web框架整合-FLask 阅读全文
摘要：
因为在直角坐标系数据中，你必须公用一个x轴的数据才能一起添加这两个年份的x轴数据（人均GDP）显然是不一样的，所以只能分别绘制之后然后通过overlap层叠在一起～ 设置坐标轴类型为value； 顺便设置一个坐标轴名称～ 阅读全文
摘要：
配置项 分为全局配置项和系列配置项两个部分；☁️ 为防止混淆，每个cell中只包含一项功能实现； 每个配置项均附上了官方的代码注释； 分为全局配置项和系列配置项两个部分； ☁️ 为防止混淆，每个cell中只包含一项功能实现； 每个配置项均附上了官方的代码注释； 全局配置项 阅读全文
摘要：
主题设置 所有主题 阅读全文
摘要：
组合图表 阅读全文
摘要：
树型图表 阅读全文
摘要：
3D图表 阅读全文
摘要：
基本图表 阅读全文
摘要：
地理图表 阅读全文
摘要：
本项目整理了目前pyecharts支持的所有图表以及基础配置项～所有代码均基于Pyecharts v1.7.1版本，均已全部运行通过 本项目整理了目前pyecharts支持的所有图表以及基础配置项～ 所有代码均基于Pyecharts v1.7.1版本，均已全部运行通过 资源引用 Pyecharts图 阅读全文
摘要：
按照darknet官网上的教程安装这个框架，根据自身的条件（已装好nvidia 显卡驱动，cuda9.0 cudnn7.1），在makefile文件中修改GPU=1 CUDNN=1 OPENCV=1,然后重新make，再下载了yolov3.weights后，然后使用该网页上提供的测试命令做测试。 d 阅读全文
摘要：
nvcc fatal : Unsupported gpu architecture ‘compute_30‘ Package opencv was not found in the pkg-config search path. 阅读全文
摘要：
在出现’unsupported gpu’的情况下一定要去查看cuda对应的版本 cuda对应版本 可以看出compute_30已经被cuda11放弃使用了，所以将这一行对应内容注释掉即可 在make darknet时报错，将mekefile中删除相应的compute_30行 阅读全文
摘要：
Ubuntu里配置opencv时，最后一步报错为： Package opencv was not found in the pkg-config search path. 解决方法如下： cd /usr/local/lib sudo mkdir pkgconfig cd pkgconfig sudo 阅读全文
摘要：
首先可以将系统中的数据源的源列表文件备份一下。 然后编辑源列表文件内容 将里面的内容改为阿里云即可，以下是用Ubuntu16.04为例子。16.04对应的代称是xenial。如果其他版本，可以将代称修改。 ubuntu的源最好也加上，避免某些库找不到。 运行sudo apt-get update 运 阅读全文
摘要：
[convolutional]卷积 [short cut] 残差网络 [yolo]先验框[upsample]上采样 阅读全文
摘要：
第一栏的Fan：N/A是风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇堵转，可能打不到显示的转速。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温（比如我们实验室的服务器是常年放在空调房间里的）。 第二栏的Temp：是温度，单位摄氏度。 第三栏 阅读全文
摘要：
错误：/src/convolutional_layer.c:153:13: error: 'CUDNN_CONVOLUTION_FWD_SPECIFY_WORKSPACE_LIMIT' undeclared (first use in this function); 修改出错的文件src/convo 阅读全文
摘要：
一、机器如何识图 先给大家出个脑筋急转弯：在白纸上画出一个大熊猫，一共需要几种颜色的画笔？——大家应该都知道，只需要一种黑色的画笔，只需要将大熊猫黑色的地方涂上黑色，一个大熊猫的图像就可以展现出来。 我们画大熊猫的方式，其实和妈妈们的十字绣很接近——在给定的格子里，绣上不同的颜色，最后就可以展现出一 阅读全文
摘要：
次坐标轴显示的常用函数 plt.subplots() 其中常用参数为： nrows，ncols：代表子图的行列数。 sharex, sharey： 设置为 True 或者 ‘all’ 时，所有子图共享坐标轴 设置为 False or ‘none’ 时，所有子图的坐标轴独立 设置为 ‘row’ 时，每 阅读全文