原创 面向Mobile device的CNN模型手工設計與NAS分析總結,MobileNet V1,V2,V3,Efficient,MNasNet以及Efficient network design
手工方法和NAS的高效網絡模型設計總結與分析 這篇文章主要關注對於移動端,資源受限平臺的高效神經網絡設計(Manually)和搜索(NAS)。 高效的CNN設計不只是用在服務器,雲端,資源充足的設備
原创 基於FPGA實現的MobileNet V1,FPGA深度學習加速器設計 CNN Accelerators based on FPGAs
Automatic Generation of Multi-precision Multi-arithmetic CNN Accelerators for FPGAs 最近arXiv上掛出來一篇文章,採用FPGA實現MobileNet V
原创 SURF算法與SIFT算法的性能比較——圖像特徵點檢測與提取算法分析
圖像特徵點提取算法的算法研究(SURF和SIFT算法) 1. 摘要 計算機視覺中,很大一部分研究集中在圖像特徵提取和特徵生成算法上。對圖像的優化,不同於一般數學問題的優化方法,圖像的優化是對像素點,在某一個小的鄰域內,進行
原创 目標檢測計算mAP,AP,Recall,Precision的計算方式和代碼(YOLO和FastRCNN等)
目標檢測中計算mAP是較爲複雜的,並不是很多講解中說的那個計算precision和recall,然後總的ground truth 目標和檢測出的真實目標做除法就可以了。而是需要構建precision和recall 曲線,然後計算曲線面積。
原创 基於CNN目標檢測方法(RCNN,Fast-RCNN,Faster-RCNN,Mask-RCNN,YOLO,SSD)行人檢測,目標追蹤,卷積神經網絡
一、研究意義 卷積神經網絡(CNN)由於其強大的特徵提取能力,近年來被廣泛用於計算機視覺領域。1998年Yann LeCun等提出的LeNet-5網絡結構,該結構使得卷積神經網絡可以端到端的訓練,並應用於文檔識別。LeNe
原创 最本質的相機內參intrinsics與外參extrinsics分析,從建模,推導到求解
相機內參與外參分析,從建模,推導到求解:Camera Extrinsics and Intrinsics.I. 座標系的建立,Coordinate System.II. 轉換關係,Transformation.III. From
原创 最全面的homogeneous單應性座標的定義,以及不同投影,仿射,相似,剛體變換矩陣的關係和自由度分析
本文對圖像的投影變換,做了最基礎和全面的總結。包括了攝影幾何,homogeneous單應性座標與變換矩陣分析。1. Homogeneous Coordinate的定義2. 使用Homogeneous Coordinate的優點3.
原创 機器人控制算法——Bayes Filter貝葉斯濾波器
機器人控制算法——Bayes Filter貝葉斯濾波器概率方法 Probabilistic Approaches.Recursive Bayes Filter.Prediction and Correction Step.1. P
原创 深度學習PyTorch,TensorFlow中GPU利用率較低,CPU利用率很低,且模型訓練速度很慢的問題總結與分析
在深度學習模型訓練過程中,在服務器端或者本地pc端,輸入nvidia-smi來觀察顯卡的GPU內存佔用率(Memory-Usage),顯卡的GPU利用率(GPU-util),然後採用top來查看CPU的線程數(PID數)和
原创 SSD(Single shot multibox detector)目標檢測模型架構和設計細節分析
先給出論文鏈接:SSD: Single Shot MultiBox Detector 本文將對SSD中一些難以理解的細節做仔細分析,包括了default box和ground truth的結合,defaul
原创 基於FCN,U-Net的深度學習醫學影像分割算法(細胞分割算法)以及傳統算法分析
本博文主要分析了基於傳統計算機視覺的細胞分割算法和基於深度學習的細胞分割算法。主要針對醫學影像分割算法。包括了FCN全卷積網絡的細胞分割效果,U-Net細胞分割效果。查閱了採用深度學習分割醫學影像的幾十篇論文,做出的總結。
原创 PyTorch加載模型model.load_state_dict()問題,Unexpected key(s) in state_dict: "module.features..,Expected .
希望將訓練好的模型加載到新的網絡上。如上面題目所描述的,PyTorch在加載之前保存的模型參數的時候,遇到了問題。 Unexpected key(s) in state_dict: "module.features. ...".,
原创 目標檢測計算mAP的代碼(YOLO和FastRCNN等)
目標檢測中計算mAP是較爲複雜的,並不是很多講解中說的那個計算precision和recall,然後總的ground truth 目標和檢測出的真實目標做除法就可以了。而是需要構建precision和recall 曲線,然後計算曲線面積。
原创 YOLOv3 訓練的各種config文件以及weights文件。
YOLOv3訓練過程中的各種文件。包括配置文件,權重文件。 yolov3.pt yolov3.weights darknet53.conv.74 yolov3-spp.weights yolov3-tiny.conv.15 yolov3-
原创 用Python在Windows或Linux下批量刪除文件夾中指定的文件
情況說明:當在一個文件夾下面有好幾十個或幾百個文件需要刪除,此時一一去挑選費時費力,特別是在Linux下面。因此,需要批量刪除文件。 對訓練樣本(圖像)和測試樣本(圖像)進行評估時候,需要查看是數據本身問題還是自己模型的問題,