05 2020 档案
摘要：动机：实际训练时，由于batch都很小，因此每次BN的效果并没这么好。希望BN时能解决这个batch_size的影响。 https://blog.csdn.net/u014380165/article/details/79810040 https://www.cnblogs.com/jins-not
阅读全文
摘要：IOU作为距离度量时，并不能反映两者的重合姿态。而且对于IOU=0的情况不能反映两个box的距离有多远。 1. 预测的检测框如果和真实物体的检测框没有重叠（没有交集）的话，我们从IoU的公式可以看出，IoU始终为0且无法优化，也就是如果算法一开始检测出来的框很离谱，根本没有和真实物体发生交集的话，算
阅读全文
摘要：先obj_score置信度抑制过滤得分低的box，然后对剩下的做NMS抑制。 NMS抑制时仅仅使用置信得分(这个score = obj_score * cls_score)来排序，依次与类别内置信度高的box做IOU抑制。 NMS流程： 1. 先 分类别 按置信度排序，放到一个集合A中 2. 每一类
阅读全文
摘要：# -*- coding:utf8 -*- import os class BatchRename(): """ 批量重命名文件夹中的图片文件 """ def __init__(self): self.path = 'D:\MyData\zhaohz4\Desktop\MIdea_logo\data
阅读全文
摘要：```python # -*- coding:utf-8 -*- #@Time : 2020-5-22 10:52 #@Author: Henry.ZHAO #@File : main.py # coding:utf-8 import re import requests from urllib import error from bs4 import BeautifulSoup import o
阅读全文
摘要：作者用128维的kernel卷积得到特征图F1，可视化后发现其中有很多相似的特征图（并不能说明冗余，比如你去掉这些相似的特征图，可能性能下降），认为kernel的维度过高，为保证提取到相同的特征信息，其中相似的特征图可以用线性变化得到。 因此用64维的kernel去卷积得到64个特征图F2，然后将F
阅读全文
摘要：1. 图像/特征金字塔：通过输入多尺度的图像获得不同尺度的特征图。 有效但是耗时长 2. 卷积核金字塔：对特征图用不同尺度的卷积核滑窗卷积，得到不同尺度的输出。 通常会与图像/特征金字塔联合使用 3. anchor金字塔：比如Faster RCNN中用多尺度的anchor来回归目标的位置。 更经济。
阅读全文
摘要：首先阅读论文可大致分为三遍： 第一遍 5-10min（确认是不是值得第二遍） 0. 目的：快速甄别论文质量及相关性 阅读标题，摘要（Carefully read the title, abstract） 阅读段落及其副段落标题，忽略其他（Read the section and sub-sectio
阅读全文
摘要：整型数 C++ include include using namespace std; int main() { double x = 1234567.89,y = 12.34567; int n = 12; int m = 1234567 cout include using namespace
阅读全文
摘要：1. 先做核心力量动作大概15 20min 2. 跳绳1500个，每组300个5min，休息1分钟，共30min 要点 第一:收紧核心，保持身体稍稍后仰 第二:全脚掌落地 第三：有节奏地腹式呼吸，核心以上保持放松 3. 可以自由搭配腹肌撕裂者及俯卧撑，腹肌撕裂者等。 4. 平日坐姿： 要点 臀后部及
阅读全文
摘要：插入区块 一级标题 二级标题 三级标题 Markdown格式的公式中，以反斜杠\+英文单词 作为一个特殊符号的实现，并且每一部分用大括号*{}*分隔。 行内公式插入 \(xyz\) 独行公式，居中插入 \(xyz\) 上标与下标及其组合 \(x^4\) $x_5$$V_{初始}$ \({H}_8{O
阅读全文
摘要：Hello World! 一级标题 不是标题 不要用 ，因为标题实际上是多格式的融合 Hello World! 二级标题 标题部分自带分割线 文本字体效果 斜体 粗体 粗斜体 分割线 被分割部分示例（四个以上的减号占据一行可以做出分割线的效果。） 删除线 ~~删除本行文本~~ 下划线 本段添加下划线
阅读全文
摘要：字符 描述\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。 ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multilin
阅读全文
摘要：近红外相机：红外图象 是获取物体红外光的强度而成的图象 单通道 灰度相机：灰度图象 是获取物体可见光的强度 单通道 彩色相机： RGB图像 3通道 人在相机前的位置是变化的，由于相机成像原理，无法直接通过彩色相机成像利用相机间的空间位置关系去简单的几何映射得到近红外图像上的人脸位置。 因此近红外图像
阅读全文
摘要：当接触一个全新的机器视觉项目时，基本流程为：确定客户需求、方案设计、软件开发、现场调试、文档交接。在实际项目中，各个流程可能互相耦合，不过整体流程是基本明确的，整理后如下 01 — 确定客户需求 项目伊始，需要准确、详细地了解客户需求，这个过程需要多次现场考察、反复与客户沟通，才能落实客户需求。主要
阅读全文
摘要：一、总体项目流程： 1、需求分析：一个项目主要包含 ·1）定位（①Blob分析（主要包括二值化、形态学处理、特征选择，受光照影响较大）、②模板匹配）、识别； 2）缺陷检测 3）OCR字符识别 4）测量类的项目这四个大方向 2、方案设计：根据客户应用的场合不同，选择相应的镜头、相机、支架、光源及如何打
阅读全文
摘要：今天简单的介绍下开发一个视觉检测设备的流程以及机器视觉系统组成概念。 一、项目分析四步骤： 1、客户需求分析 项目类型： a)、缺陷检测（目前也是复杂度最高，最应该谨慎的项目类型，雷点多，老司机上路，请做好开车前做好安全启动步骤）需要反复跟客户进行沟通了解客户检测需求。 b)、尺寸测量：自动测量产品
阅读全文
摘要：Pyramid scene parsing network. In Proc. CVPR, pages 2881–2890, 2017 目的：扩大感受野，尽可能的利用全局上下文信息（某种程度上，可以认为感受野大小可以认为是对上下文信息利用的程度）。 做法： 1.对骨干提取的feature map（c
阅读全文
摘要：一、RPN: 首先图片经过backbone抽取特征图 然后，RPN网络首先对特征图做一下卷积，比如3*3*256，对于特征图上每个像素点就得到（1,256）的长向量，分两支分别判断： 1.是不是物体（因为只是区域建议，只需要区分是前景还是背景） 2.若是物体（即认为此号anchor是Positive
阅读全文
摘要：英文字母与阿拉伯数字：连通性好，切割准确 汉字：对于左右结构的字切割效果不好，也是因此现在OCR没有到100%识别率的原因之一。 当然可以考虑汉字是等宽度的，对于纯中文文本有效。但是当中英文混合的时候效果也不行 传统的方法是先识别，然后进行后处理。 传统的文本识别过程：考虑倾斜及噪声 1.行检测（水
阅读全文
摘要：嵌入式：一类控制系统的实现方式总称，一般包含微处理器的都可以叫嵌入式。 一、单片机：嵌入式系统的主要组成部分；弱电设备；顺序执行; 软件编程（硬件是固定的）。 汽车ECU也是单片机的一种。 缺点：生产成本低，通用性差，设计难度大，开发周期长。 1、DSP：单片机的一种，数字信号处理 速度远高于PLC
阅读全文
摘要：https://www.icourse163.org/learn/SEU-1207599802?tid=1450720774#/learn/content?type=detail&id=1216667823 https://study.163.com/series/1202817601.htm TU
阅读全文
摘要：0.监督和无监督 本质：有无标签数据 1.自动编码器：——只是重构原输入 输入 >编码 >中间表示（潜在表示，code） >解码(重构） 通常用于：（1）、忽略噪声 （2）、压缩维度 有聚类效果（可以达到PCA和主成分分析效果） 2.变分自动编码器 VAE variational Autoencod
阅读全文
摘要：https://medium.com/@penolove15/%E5%BF%83%E5%BE%97-objects-as-points-e6f3cca92190 https://www.jianshu.com/p/d5d7cd7ad200 https://zhuanlan.zhihu.com/p/7
阅读全文
摘要：https://www.cnblogs.com/JingeTU/p/6390843.html MVG-多视图几何，slam圣经 还有slam十四讲
阅读全文
摘要：https://blog.csdn.net/dlphay/article/details/71191600 https://blog.csdn.net/dlphay/article/details/78864966 https://blog.csdn.net/weixin_43197380/cate
阅读全文
摘要：https://www.cnblogs.com/onefish51/p/9378085.html https://cloud.tencent.com/developer/news/3421 https://blog.csdn.net/mangobar/article/details/85288807
阅读全文
摘要：https://www.cnblogs.com/LLBFWH/p/11660530.html 视频关键帧：能代表镜头主要内容的帧。由于视频信息的冗余性，关键帧可以降低后续操作计算量。 关键帧抽取： 帧平均法 直方图平均法 关于视频的应用： 视频中目标检测 视频中目标跟踪 视频场景分类 视频检索 视频
阅读全文
摘要：1.序列数据： 自然语言 连续视频帧 股票走势 机器翻译 2.循环神经网络与传统神经网络的区别： 传统神经网络如多层感知机，每个隐藏层的节点之间是无连接的，而RNN则不然。有连接意味着有信息的流入，因此循环神经网络可以对序列数据进行预测和分类。 3.RNN序列处理 many 2 many ：机器翻译
阅读全文
摘要：1 我们编写的高级语言程序其实是运行在OS上的） 2 3 4 5 6 7 8 多线程程序怎么加锁？？ 9 10 操作系统及其系统调度给程序员的编程提供了简化，使其不必直接用机器指令操作硬件。 11 而是用扩展的机器指令。 12 13 语言处理系统：可以使用高级语言进行面向问题的解决方案。 14 15
阅读全文
摘要：网课1：https://www.xuetangx.com/courses/course-v1:HUST+603+sp/courseware/a75e1602c926414daabd98773cf2caee/ecfe68c3e88d4e48a09920f178da8126/ 2：https://www
阅读全文
摘要：https://www.bilibili.com/video/BV1Qs41167VS?from=search&seid=5014083521436765376 https://ocw.mit.edu/courses/electrical-engineering-and-computer-scien
阅读全文
摘要：systems-analysis-and-applied-probability-fall-2010/ MIT6系概率论神课，多大不说了，以上是ocw课程网站 同时这门课也在EDX和学堂在线开设。 https://www.bilibili.com/video/BV1z4411Z7WE/?spm_id
阅读全文
摘要：https://www.youtube.com/watch?v=klWl-t7V5qY&list=PLj6E8qlqmkFu0DqDkiub6adY9HBkEsNNG
阅读全文
摘要：1 并发程序设计 2 定义：把一个具体问题求解 设计成 若干个 可同时执行 的程序模块的方法。 3 目的：充分利用cpu的每一个核，以达到最高的处理性能。 4 特性： 5 1.并行性：多个进程在多道程序系统中并发执行或者 在多处理器系统中并行执行，提高计算效率 6 2.共享性：多个进程共享软件资源，
阅读全文
摘要：位：bit，计算级的内存最小细分，一个位能表示的值范围太有限 字节：Byte，因此将8个位组成一个字节，内存的最小存储单位。 指针可以指向的最小位置。 字：为了存储更大的值，把两个或多个字节合在一起作为一个更大的内存单位。一般由2个或4个字节组成。注意：此时每个字只有一个地址。 记住所有的内存地址太
阅读全文
摘要：https://zwcloud.net/#blog/60 看完网络是怎样连接的，用上面的网址编写一个服务器，练习一下！ https://www.cnblogs.com/liujwj/p/12069450.html
阅读全文
浙公网安备 33010602011771号