原创 上下拉電阻原理及推輓與oc輸出

上拉電阻:將一個不確定的信號(高或低電平),通過一個電阻與電源VCC相連,固定在高電平。 下拉電阻:將一個不確定的信號(高或低電平),通過一個電阻與地GND相連,固定在低電平。 上、下拉電阻的作用: 一般說法是上拉增大電流,下拉電

原创 去耦半徑——電容擺放問題

1、從減小回路電感的角度來談這個擺放距離問題 2、 理解去耦半徑,考察噪聲源和電容補償電流之間的相位關係。 當芯片對電流的需求發生變化時,會在電源平面的一個很小的局部區域內產生電壓擾動,電容要補償這一電流(或電壓),就必須先感知到

原创 tf.while_loop,tf.cast 轉換數據類型。

tf.while_loop 可以這樣理解 loop = [] while cond(loop): loop = body(loop) 即loop參數先傳入cond 判斷條件是否成立,成立之後,把 loop參數傳入body

原创 Pycharm使用加速技巧

***3、4月份刷了40道leetcode 和劍指offer 未記錄*** 1、使用中出現內存慢慢爆滿的情況 Pycharm的加載數據量空間是有限的,所以我們要合理的使用這些空間,比如我訓練數據集中的數據的話,光數據圖片就有10

原创 SFP與QSFP

GBIC(Gigabit Interface Converter的縮寫),是將千兆位電信號轉換爲光信號的接口器件 SFP (Small Form-factor Pluggable)可以簡單的理解爲GBIC的升級版本。 中文名 光模

原创 近端串擾與遠端串擾分析

1、串擾的產生 串擾是指信號在傳輸通道上傳輸時,因電磁耦合對相鄰傳輸線產生的影響。串擾分爲容性耦合串擾和感性耦合串擾。 如圖所示,線AB 有信號,此傳輸線稱爲動態線,與動態線AB 相鄰的傳輸線CD 稱爲靜態線,此線產生耦合信號。

原创 textboxes 網絡結構詳解

1、SSD網絡結構 Caffe代碼 .prototxt中 : SSD的結構爲conv1_1,conv1_2,conv2_1,conv2_2,conv3_1,conv3_2,conv3_3,conv4_1,conv4_2,conv4

原创 使用DOTA數據集進行多類別任意方向遙感目標檢測

博主目前正嘗試使用DOTA數據集 進行多類別任意方向遙感目標檢測 一、DOTA數據集 論文github OBB -Faster-rcnn Deformable Model 1、已按照公式 完成xml 的轉換 2、由於圖片過大,不能直

原创 FCN與上採樣

1、FCN詳解 2、計算機視覺中upsampling(上採樣)的三種方式 fcn中的上採樣其實就是bilinear filtering,就是數字圖像處理的二維插值。將特徵圖放大,然後用crop層剪去多餘的部分,使其和ground tr

原创 HRSC2016艦船檢測訓練實驗過程記錄

博主目前正嘗試使用HRSC2016圖片1000張多左右,每張艦船約1-3只,分辨率爲 1182*827 用以finetune textboxes++,實現任意方向的目標的檢測 訓練過程參考: 利用caffe-ssd訓練物體檢測模型 中

原创 XGB快速上手_初次參賽_津南數字製造算法

一、背景—工藝過程—字段意義 二、特徵工程做法 三、baseline 四、模型stack—用到了 BayesianRidge迴歸 五、比賽入門與跟隨1 比賽入門與跟隨2 數據挖掘進階:kaggle競賽top代碼分享 六、做Kaggl

原创 xml 轉換 --傾斜文本矩形框 (cx,cy,w,h,ang)到四個角座標點(x1,y1,x2,y2,x3,y3,x4,y4)

程序實現了由傾斜文本矩形框 (cx,cy,w,h,ang)到四個角座標點(x1,y1,x2,y2,x3,y3,x4,y4)的轉換 ,由於現有xml格式不符合voc格式要求 ,故先讀取讀取.xml文件,提出 (cx,cy,w h,ang

原创 SSD與Faster R-CNN 訓練過程

一、ssd 訓練過程 SSD 模型fine-tune和網絡架構 SSD算法評估:AP, mAP和Precision-Recall曲線 二、Faster R-CNN 訓練過程 Faster R-CNN,可以大致分爲兩個部分,一個是RPN

原创 caffe 源碼結構及textboxes++源碼結構

一、ssd 1.caffe源碼解析 — caffe.proto 2.網絡層 prototxt 代碼結構詳解 3.SSD源碼解讀之ssd_pascal.py(開始訓練併產生.protxt) 二、 textboxes++ ssd caff