原创 Pytorch的C++使用

利用Pytorch的C++前端(libtorch)讀取預訓練權重並進行預測 https://blog.csdn.net/iamoldpan/article/details/85057238 https://blog.csdn.net/a8

原创 EfficientNet google 機器自學習出的優秀框架

簡介 該論文提出了一種新的模型縮放方法,它使用一個簡單而高效的複合係數來以更結構化的方式放大 CNNs。 不像傳統的方法那樣任意縮放網絡維度,如寬度,深度和分辨率,該論文的方法用一系列固定的尺度縮放係數來統一縮放網絡維度。 通過使用這種新

原创 Ubuntu 18.10 cosmic換源

前情提要: 今天突然ubuntu apt update 無法用了,通過調查才知道ubuntu產品售後是有期限的。過了期限的版本,會被切換到old release的源。 嘗試切換到中科大源: ##中科大源 deb https://mirr

原创 python util

獲取文件夾下所有文件: def get_all(cwd, result):     get_dir = os.listdir(cwd)     for i in get_dir:         sub_dir = os.path.j

原创 PRCV2018美圖短視頻實時分類挑戰賽落幕,第一名解決方案技術解讀

https://www.jiqizhixin.com/articles/112802 https://www.jiqizhixin.com/articles/112802 今年5月,美圖公司聯合中國模式識別與計算機視覺學術會議(PRCV2

原创 opencv 顯示中文字體

OpenCV顯示中文漢字,未使用CvxText和FreeType庫 採用windows的GDI顯示系統的TrueType字體,沒有封裝,就兩個函數,分成了h和cpp文件,可以自己編輯文件名和函數名,亦可以直接將cpp的代碼複製到你需要的程

原创 Pytorch轉Caffe

https://blog.csdn.net/vvnzhang2095/article/details/91439924   pytorch 與caffe2的互用 https://blog.csdn.net/weixin_40671425/

原创 windows使用git clone速度慢,改善方法

  最近使用git clone的速度實在是慘不忍睹,只有3~5k,使用兩行命令稍微改善一下 一般電腦轉發端口都是1080端口,如果自己修改了端口改變命令端口就行了 git config --global http.proxy http:

原创 深度挖坑系列之三:人臉識別,角度空間,歐氏空間,margin

這是深度挖坑系列的第三篇,可能也是有關人臉識別方向的最後一篇。 第二篇,講network的,由於某些原因,沒有寫完,之後會補上。 寫這篇文章的目的,大概有三個:第一,將第一篇中feature norm的東西補完;第二,最近sensetim

原创 caffe 獲取模型flops

import sys sys.path.insert(0,"python") import caffe def get_model_param_flops(model): net=caffe.Net(model,caffe

原创 c++ 解決中文字符亂碼

https://blog.csdn.net/zhancf/article/details/49930969 https://blog.csdn.net/zhancf/article/details/49930969 https://blo

原创 圖像得矩

圖像的矩 零階矩: M00 這裏的圖像是單通道圖像, 表示圖像在  點上的灰度值。  我們可以發現,當圖像爲二值圖時, 就是這個圖像上白色區域的總和,因此, 可以用來求二值圖像(輪廓,連通域)的面積。 一階矩: M01 / M10 當圖像

原创 h264轉成 JPEG 海思

該代碼只是編解碼部分的代碼。 前臺代碼 需要 綁定 VDEC->VPSS->VENC     參考 sample_comm.h接口 及 sample_comm_vdec.c 正常的流程就是 sendstream (h264) 到VDEC

原创 rtsp 基於RTP 解包代碼

buf_in 一般是由 live555 client 獲得的數據,buf_out是解包成 H264編碼格式的數據,該數據直接發給解碼器 就完成了解碼的流程。 rtp解包代碼流程  #define MEDIA_RTP_HEADER_LEN

原创 彙總|目標檢測中的數據增強、backbone、head、neck、損失函數

一、數據增強方式 random erase CutOut MixUp CutMix 色彩、對比度增強 旋轉、裁剪 解決數據不均衡: Focal loss hard negative example mining OHEM S-OHEM