原创 ( Tencent -TNN 學習)pytorch模型部署到移動端

記錄分爲 pytorch2onnx onnx2tnn tnn結果驗證 移動端(安卓)使用 1、pytorch2onnx 環境: pytorch 1.4.0 onnx

原创 7-17(python2\3一些區別記錄)

1、python2\3一些區別記錄 python2.7 python3.5 print "test " print (“test”) import thread import _thread _iterato

原创 yolov3(keras-tf)多目標檢測與數據標註

YOLOv3多目標檢測數據準備數據標註keras訓練 數據準備 如果要識別的目標能找到數據集,可下載;標註形式爲: image.jpg x1,y1,x2,y2,class1 下載voc、coco數據集可直接執行其代碼生成datas

原创 基於Dijkstra算法的景點路徑規劃(高德api)

這是網絡優化課程最後的課程報告,利用Dijkstra算法對已知節點進行最短路徑規劃。 開發環境: ubuntu16 python3.6——pyqt5、opencv-pyhton、urllib、requests 首先,進入高德地

原创 流媒體傳輸控制協議(RTSP RTP SDP)詳解之SDP

轉載自原文鏈接,侵刪 SDP協議 一、SDP協議介紹         SDP 完全是一種會話描述格式(對應的RFC2327 , RFC4566, ) ― 它不屬於傳輸協議 ― 它只使用不同的適當的傳輸協議,包括會話通知協議(SA

原创 flask【1】: 局域網傳輸PC端opencv讀取視頻,手機端顯示

利用python的flask包進行本地局域網連接。 實現PC端利用opencv-python讀取攝像頭,手機端接收視頻。 目前只能做到一對一,下一步研究局域網一對多傳輸 ******(順便記錄幾個可用的直播測試源(與本文無關):

原创 opencv處理圖像延遲高(解決cap.read緩存\不實時問題)

問題描述: 最近做直播系統,利用opencv進行圖像採集處理,直播推出去的流發現延遲高且會累積延遲. 後面發現是opencv的cap.read()會有一定的緩存,不是讀的實時幀. 解決辦法: 多進程進行(python多線程不能利用

原创 nginx搭建rtmp流服務器並opencv等處理後(音頻、視頻)實時推出

一、流服務器搭建 1、安裝 參考文章 sudo apt-get install software-properties-common python-software-properties sudo add-apt-reposito

原创 利用主成分分析(PCA)、線性判別分析(LDA)、KPCA、Isomap、LLE、Laplacian Eigenmaps將數據投影到兩維

機器學習上機題目: 給定一組3維數據,分別利用主成分分析(PCA)、線性判別分析(LDA)、KPCA、Isomap、LLE、Laplacian Eigenmaps投影到兩維,並畫出結果圖。(注意:swiss-data.txt的第一

原创 E: 您在 /var/cache/apt/archives/ 上沒有足夠的可用空間。(11.2)

問題: E: 您在 /var/cache/apt/archives/ 上沒有足夠的可用空間。 軟鏈接到HOME下的一個目錄即可,home下新建debs文件夾: 在某個空間大的分區建立一個目錄,然後把/var/cache/apt/a

原创 單目深度估計+人臉檢測實現

單目深度估計是我很感興趣的方向,但沒有太多時間去學,就跑了一下開源的兩個比較好的程序。再結合人臉識別,看能不能制定識別第幾個人,抱着這樣的想法,借用別人單目深度的實現以及基於dlib的人臉檢測,實現效果如下。 以下爲***Deep

原创 python2\3區別記錄

1、python2 list、tuple不存在 *a/**a寫法 例子 python3: a = [1,2,3] b = [5,6,7] k = [*a,*b] = [1,2,3,4,5,6] j = [a,*b] = [[1,2

原创 9-2(pip慢,跟換源)

臨時使用: 可以在使用pip的時候加參數 -i https://pypi.tuna.tsinghua.edu.cn/simple 例如: pip install -i https://pypi.tuna.tsinghua.e

原创 9-4(linux 根目錄爆炸)

1、執行 apt-get update時,出現 寫入錯誤(28),沒有內存的提示 查看磁盤 df -h,/目錄佔滿了 2、var文件夾巨大,於是通過軟連接到home中,使之內存釋放 mv /var/lib /home/ji

原创 8-15(keras yolov3訓練自己的樣本)

The test environment is - Python 2.7 - Keras 2.2.4 - tensorflow 1.10.0 下載keras-yolov3 https://github.com/qqww