原创 【NCNN源碼分析】3.基本數據結構分析

對於NCNN,在網絡層傳遞的過程中,進行數據流動的方式是通過自定義的blob實現的,對於blob通過生產者編號和消費者編號進行定義,producer表示輸出該blob的網絡層編號,consumers表示以該blob作爲輸入的網絡層編號

原创 【技巧】如何魔改程序可以在x86架構上開發neon?

對於Neon程序的開發,大致上有兩種方式 1.直接在arm板子上寫代碼,但是一般容易導致板子嚴重發熱。 2.在PC端寫完代碼,然後直接放到arm上運行,但是如此複雜的指令很容易拼寫錯誤。 於是,我們需要對項目進行一次神奇的改動,就是單

原创 【NCNN源碼分析】4.內存分配器(未完成)

NCNN定義內存池分配器實現高效的內存管理。

原创 【NCNN源碼分析】2.網絡層基類

Layer類是所有其他網絡層的一個基類,所有的網絡層都會從Layer繼承,實現互異的計算過程,所有網絡層的相似之處在於輸入輸出的規範以及前向傳播的過程。 Option是屬性類,lightmode表示輕量級模式在網絡推理中會不斷地進行垃

原创 【Linux技術】編譯安裝Boost(待整理)

參考:https://blog.csdn.net/this_capslock/article/details/47170313

原创 【Linux技術】libyuv各平臺編譯(待整理)

參考:https://blog.csdn.net/wszawsz33/article/details/51669719

原创 【NCNN源碼分析】1.基本數據類型

對於NCNN而言,核心在於網絡的前向推理過程(Inference),其主要數據類型爲mat,該數據類型以類的形式定義在src/mat.h中,其中包含了mat的構造函數、析構函數、常見的運算過程。 #if __ARM_NEON #inc

原创 【C++】g++參數介紹(待整理)

參考:https://www.cnblogs.com/lidan/archive/2011/05/25/2239517.html

原创 【NCNN源碼分析】0.前言

從上半年開始,一直就比較關注NCNN的進展,在嵌入式平臺上,NCNN可以說是非常好的一個選擇了。後面的話,會不斷地更新博客,對NCNN源碼進行分析,如果理解不到位的地方,歡迎指正!

原创 【SSE】存儲方式有關的擴展定義關鍵字__declspec(待整理)

參考:https://blog.csdn.net/iamoyjj/article/details/4195635

原创 【彙編編程】查看彙編代碼

#include <iostream> using namespace std; int main() { cout << "Hello World!" << endl; return 0; } 文件保存爲main.cpp,執行

原创 【各種技巧】Windows常見的計數器方式(待整理)

參考:https://blog.csdn.net/MoreWindows/article/details/6854764

原创 【SSE】常見的SSE指令以及簡單使用(待整理)

參考:https://blog.csdn.net/tercel_zhang/article/details/80002692

原创 【論文閱讀】RMPE:Regional Multi-Person Pose Estimation

上海交大的AlphaPose 0 Abstract 複雜環境中的多人姿態檢測是非常具有挑戰性的。現在最好的人體檢測算法雖然已經得到了很好的效果,但是依然存在一些錯誤,這些錯誤會導致單人檢測任務(SPPE)失敗,尤其是那些十分依賴人體框檢

原创 【行人重識別】Part-Aligned Bilinear Representations for Person Re-identification論文閱讀

Part-Aligned Bilinear Representations for Person Re-identification 0 論文簡介 1 論文主要技術 1.1 網絡結構 1.2 損失函數 1.3 計算相似度 1.4