原创 darknet框架下yolov3訓練的常見錯誤

1. 網絡設置錯誤 (1)filter設置 根據你檢測的類型,比如有三類,則yolo輸出節點前的filter值必須設置爲(class+1)*3的大小,如下圖所示: 對應的cfg文件中的第16層以及23層輸出前的filter值,class

原创 SVN commit error:is part of the commit

SVN在commit時遇到以下錯誤: 試着commit文件的父目錄試試。

原创 個人成長總結

博主寫的很贊:https://blog.csdn.net/Sophia_11/article/details/103524731 確實挺後悔沒有早日看到一些過來人的經驗,這是我嘔心瀝血的總結 希望你有所收穫,我們一起成長 寫這個回答的時候

原创 使用opencv第三方庫的makefile文件示例

1.生成可執行程序 INCLUDE = $(shell pkg-config --cflags opencv)#opencv的include頭文件路徑 LIBS = $(shell pkg-config --libs opencv) -

原创 TX2和TX1性能比較

處理器方面,TX2由TX1的Tegra X1升至Tegra Parker處理器,該處理器由16nm工藝製造,6核心設計,CPU部分由2個丹佛+4個A57核心共同組成,GPU則採用Pascal架構,擁有256 個CUDA,浮點性能爲1.

原创 keras框架下yolov3實踐

目錄 demo運行 訓練自己的模型 生成訓練用的數據  模型訓練 CPU訓練自己的模型 遇到的坑: 問題請教: 本教程是github上https://github.com/qqwweee/keras-yolo3代碼的使用教程,在githu

原创 linux下常用函數備份(c++代碼)

  遍歷文件夾下所有文件 ///遍歷文件夾下所有文件,linux版 void GetFiles_linux(const char * dir, vector<string>& files) { intptr_t handle; _f

原创 VS中opencv編譯錯誤error:“ACCESS_MASK”

這是命名空間污染問題。 cv命令空間和windows.h文件中都有對ACCESS_MASK的定義,此時編譯系統無法判定使用的是哪一個ACCESS_MASK,故引起報錯。 在開發過程中,使用過多的using namespace容易引起命名空

原创 將標註的數據集轉化爲VOC2007格式

  labelImg是用python和qt編寫的工具 1.工具下載:label工具的github下載地址:https://github.com/tzutalin/labelImg/tree/bf8cc1d5756184b9af8e4129

原创 TX2上darknet框架編譯問題梳理

darknet源碼下載:https://github.com/pjreddie/darknet 1. 編譯設置 打開darknet的源碼根目錄,裏面有Makefile文件,根據需要編譯相關模塊: darknet的opencv模塊採用了1

原创 TX2使用cmake編譯opencv庫

目錄 1. 安裝相關庫 2. 下載源碼並解壓: 3. 配置 4.編譯 5.生成庫文件 編譯CUDA版opencv 在Linux下編譯自己的opencv庫,個人覺得用cmake編譯最好了,其主要是opencv源碼路徑下提供了CMakeLis

原创 linux常用命令備份

tensorflow安裝與卸載的conda相關命令 conda --version ///檢查Anaconda是否成功安裝 conda info --envs ///檢測目前安裝了哪些環境 conda search --full-

原创 Mat類構造函數備份查詢

Mat類  Mat類是一個圖像類,也是一種通用矩陣類。 無參構造方法:  Mat::Mat() 創建行數爲rows,列爲col,類型爲type的圖像(圖像元素類型,如CV_8UC3等)  Mat::Mat(int rows, i

原创 TX2平臺cmake安裝

前言:記錄tx2平臺cmake安裝的過程,防止以後繼續踩坑。cmake對於在TX2平臺上編譯opencv不可或缺,對於TX2平臺安裝cmake,最好在連網情況在安裝,離線下載的安裝包在TX2上直接進行安裝的話坑很多。本文也是在連網情況下進

原创 pc機tensorflow框架下ssd的一個demo

最近好不容易在自己的PC機上跑通了一個tensorflow框架在的ssd模型,網上很多都是在linux系統下的,因此寫下來記錄一下,以防忘記,大家遇到問題也可以相互探討; 平臺環境:win10 64位+tensorflow1.2版本cpu