原创 原始套接字練習(暫記)

https://blog.csdn.net/ZhipingXi/article/details/54972209 https://blog.csdn.net/dengjin20104042056/article/details/52373

原创 GitHub系列--README.md文件編輯

感謝https://blog.csdn.net/ljc_563812704/article/details/53464039的貢獻,讓我瞭解了README的相關規則,如果博主覺得不好,可以聯繫我刪除 -------------------

原创 GitHub系列--使用gitignore

使用github的時候,有很多文件不需要提交到網絡端倉庫裏,這些往往是一些輸出文件,編譯過程中產生的一些無用的文件等等,如果你不忽略它們,每次使用git status的時候就會看到這些文件untracked,很是不爽 爲了使用方便,我們使

原创 GitHub系列--上傳大文件

github對用戶上傳文件是有限制的,不允許上傳超過100MB的文件(單個文件,文件夾不算),其實我用的時候超過50MB的都沒法上傳,這裏就介紹一個打破該限制的方法。(Linux版) 使用Git Large File Storage,也就

原创 Caffe代碼解讀4--P-R曲線繪製

P-R曲線是一個可以直觀反映神經網絡分類性能的曲線,在這裏我們就看一下怎麼繪製P-R曲線 ''' Author: Mr.K You can use this script to plot the P-R curve. Before r

原创 Caffe代碼解讀3--類別測試程序解讀

在上一篇文章Caffe代碼解讀2--檢測程序解讀中我們分析了怎麼進行目標檢測,那在這篇文章中,我們就分析一下我們訓練好的神經網絡,到底表現怎麼樣。對於一個目標檢測來說,我們可以分爲類別檢測和位置檢測,這篇文章就先說一下類別檢測。 在說類別

原创 Caffe代碼解讀2--檢測程序解讀

在上一篇文章Caffe代碼解讀1--從一段命令行開始,我們說了如何訓練一個神經網絡,並以SSD網絡爲例,對用到的python腳本進行了分析。在這篇文章中,我們開始分析,如何使用神經網絡進行目標檢測,依舊是以SSD網絡爲例進行講解。 打開控

原创 談談編程習慣

在2018年12月份的時候,看到一些微信公衆號發了《python八宗罪》之類的文章,大家不知從哪裏得到的稿子,內容完全一樣,也就是換了換題目,一些我覺得還不錯的科技公衆號竟然爭相發表。 來自“新智元”的文章:https://baijiah

原创 2018總結----對共享單車的思考

這篇文章主要是對2018年的總結,其實也不是我個人的總結,只是對一些事情的看法。 回顧2018年,這其實是一個哭笑不得的一年,剛過完春節沒多久,就看到小黃車又拿到了新一輪的融資,但與以往不同的是,這次ofo還向阿里巴巴借了大約2.8億美元

原创 使用TLD算法爲深度學習準備數據集

本篇文章講的是如何使用TLD算法制作數據集 這個項目呢,其實是我一個大項目的一個分支,我的大項目是要使用深度學習的方法對一個目標進行跟蹤,目標是現實生活中的一件物品,在這裏我就用一個遙控小車代替。而本篇文章講的就是如何快速製作這個小車的數

原创 Caffe安裝與調試系列1--安裝caffe

本篇文章講的是在一個純淨的ubuntu系統下,安裝caffe並訓練測試ssd網絡的一個完整過程,訓練使用的是pascal數據集 我自己嘗試過一些可行的搭配,現在列一下 Ubuntu16.04系統+GTX1080顯卡+NVIDIA390驅動

原创 製作數據集標籤--使用labelImg

我們在學習深度學習的時候,會經常用到自己的數據集,而數據集的標籤,往往是用labelImg製作的,下面就講一下labelImg的使用方法 打開終端,下載labelImg git clone https://github.com/tzuta

原创 非極大值抑制(Non-Maximum-Suppression, NMS)

含義說明: 像下面的圖片一樣,定位一個車輛,最後算法就找出了一堆的方框,我們需要判別哪些矩形框是沒用的。非極大值抑制:先假設有6個矩形框,根據分類器類別分類概率做排序,從小到大分別屬於車輛的概率分別爲A、B、C、D、E、F。 (1)從最

原创 Caffe安裝與調試系列2--訓練自己的數據

在跑完SSD網絡之後,證明caffe這一套框架都已經能正常工作了,接下來就可以訓練自己的數據了 這篇文章講的是如何從一堆jpg圖片中,訓練目標,並得到最終的caffemodel文件 一、準備數據集 我們首先要準備好要訓練的目標的圖片,這個

原创 Caffe安裝與調試系列3--實戰!

這篇文章講的是,如何使用已經訓練好的模型,來解決實際問題,如果不知道怎麼訓練數據,請看Caffe安裝與調試系列2--訓練自己的數據 我們在之前的工作中,已經訓練好了一個模型,今天就用這個模型來檢測一張圖片和一段視頻,看看效果 我先錄製一段