原创 基於MSCNN的人羣密度估計之數據集製作

數據集製作 基於MSCNN的人羣密度估計: 概述和生成人羣密度圖 數據集製作和數據生成器 密度等級分類網絡 MSCNN的訓練和預測 生成數據集 人羣密度數據標記 在labelme中選擇“points”對圖片中的人頭進行標

原创 python裝飾器應用之keras數據生成器

這裏僅僅是裝飾器的一個簡單應用,與平常唯一不同的地方就是我把裝飾器寫在了類的外部,而且裝飾器內部還調用了類中的方法。只要在wrapper參數里加上self即可。還是直接看代碼吧,這是我用於ocr訓練的數據生成器。 def gene

原创 基於MSCNN的人羣密度估計之生成人羣密度圖

終於到了在家躺着都是給國家做貢獻的時候(手動捂臉),對人員密集場所的監控和自動報警也算是對疫情的一份貢獻吧,哈哈!項目地址:https://github.com/zzubqh/CrowdCount,如果你感覺有點用就幫忙點個sta

原创 python實現樹結構並顯示

因爲需要查表,但是關鍵字有各種組合非常煩,爲了不寫一堆的if else決定弄個搜索樹,葉子節點就是我要的結果,路徑就是表中的關鍵字組合。之前都是用指針實現的各種鏈表 圖 樹,換成python後忽然不知道怎麼辦了。在網上搜了下,用p

原创 日常填坑之keras.backend.ctc_batch_cost參數問題

InvalidArgumentError sequence_length(0) <=30錯誤 下面的代碼是在網上絕大多數文章給出的關於k.ctc_batch_cost()函數的使用代碼 def ctc_lambda_func(ar

原创 利用泊松分佈評估併發量

之前一直有人說學數學幹嘛,買菜又不需要求導!現在我有答案了,買菜的確不需要學數學,但是懟人需要啊!直接用數據讓對方閉嘴,而且是啞口無言徹徹底底的閉嘴!運營的那些人可能是壓根分不清併發和在線人數,驗收標準有一項併發達到500,那麼我

原创 使用NCNN在移動端部署深度學習模型

一、整體流程概覽 訓練模型,使用各種你熟悉的框架我用的是pytorch 將*.pth轉換成onnx, 優化onnx模型 使用轉換工具轉換成可供ncnn使用的模型 編譯ncnn框架,並編寫c++代碼調用上一步轉換的模型,得到模型的

原创 再論顏色校正-白平衡之動態閾值 Python和c#實現

理論我就不寫了,可以參考<一種動態閾值白平衡算法實現>,公式部分寫的還比較詳細,我就不贅述了。只是網上我搜到的這個算法的實現只有java和c++版本的,所以就自己寫了python版本的,只是對於理論上說的把圖像分塊計算我還沒實現,

原创 日常填坑之win10 + vs2017 MNN編譯

在參考了N多文檔,走了N多彎路後終於看見“MNNConvert.exe”文件了,時間都耽誤在編譯這個轉換工具上了,感謝https://uzshare.com/view/810473這篇文章的作者,但是這篇博客並沒有把編譯轉換工具的

原创 c++人臉識別-vs2017 + dlib19.19

dlib下載和編譯 從官網下載最新版的壓縮包,解壓到指定目錄 安裝cmake,我使用的是cmake-3.10.0-rc1-win64-x64版本 在cmake的bin目錄下找到"cmake-gui.exe"運行,如圖進行設置

原创 記一次算法面試題

前幾天收到了某所AI算法崗的面試邀請,被要求24小時內做完4道編程題,可以上網搜、找人幫忙,提交可執行代碼和解題思路。除了參加比賽和當年研究生複試,就再也沒被要求過寫算法代碼了,好吧反正解題也好玩,就寫唄。晚上九點纔拿到題,大致掃

原创 基於MSCNN的人羣密度估計之MSCNN

MSCNN 基於MSCNN的人羣密度估計: 概述和生成人羣密度圖 數據集製作和數據生成器 密度等級分類網絡 MSCNN的訓練和預測 網絡結構 網上已經有很多介紹mscnn網絡結構的文章了,我就不再贅述。只說一下網絡中Multi

原创 求解帶約束的最優化問題

首先感謝《利用Python求解帶約束的最優化問題》讓我不用自己重0開始敲代碼了!不過就是效率有點慢了,還在解決中,至少問題有解了~ =================== 問題描述 =======================

原创 AIZOO開源人臉口罩檢測

幫一個創業的小夥伴轉的他們自己開源的一個人臉戴口罩檢測模型,效果還不錯,支持一下,嘿嘿!原文鏈接在此 近一個月來,新冠肺炎疫情牽動着全國人民的心,一線醫護工作者在最前線抗擊疫情的同時,我們也可以看到很多科技行業和人工智能領域的

原创 CTPN訓練集準備

去down vgg_16.ckpt預訓練模型 準備一堆你需要訓練的圖片,使用labelme進行標註,得到一堆json文件 json文件大致如下: { "flags": {}, "shapes": [ {