摘要：
参考：https://blog.csdn.net/qq_15204179/article/details/118991205?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_title~default-1.no_s 阅读全文
摘要：
launch文件中语法类似于XML文件，里面就是一堆脚本。 注：下面的参数 name：是指运行时节点名称，可以取代代码中 ros::init中设置的节点名。 output：是否将节点信息打印到终端。 respawn：如果节点挂了，控制该节点是否重启。 required：是否要求某个节点一定要启动。 阅读全文
摘要：
对整体网络架构的解读，请集合博客末尾附录资料(两个网络架构图、配置文件)。 一、Focus 如下图是Focus模块，对应下面配置文件中的第三十行： [[-1, 1, Focus, [64, 3]], # 0-P1/2 在网络前面，Focus模块的用作是加速数据处理，但并不能提升网络速度。如下图，将左 阅读全文
摘要：
YOLOV5.4，可能与之前版本不一样，但大同小异 general.py 1 # YOLOv5 general utils 2 3 import glob 4 import logging 5 import math 6 import os 7 import platform 8 import ra 阅读全文
摘要：
一、迁移学习 深度学习中，迁移学习可以让小样本学习得更好，省时，方便。eg：我们采用YOLOV5训练识别动物（假定是简单得二分类），那么我们可以使用作者基于coco数据集训练得所得权重文件weight1；在此基础上，训练我们的数据，即：使用我们的数据对weight1接着调整，直到weight1适应于 阅读全文
摘要：
例如：YOLOV5-3.0版本下载连接： https://github.com/ultralytics/yolov5/releases/download/v2.0/yolov5s.pt 可能需要梯子。 在conda命令行运行export.py，居然报错，说找不到utils.py模块，我日，我直接在p 阅读全文
摘要：
目录 0、综述： SGD 1、mini-batch 2、指数平均加权 3、理解指数加权平均 4、指数加权平局的修正 5、动量梯度下降法 6、RMSprop 7、Adam优化算法 8、衰减率 9、局部最优 0、综述： 在VSLAM后端中有各种梯度下降优化算法，例如：最速下降法、牛顿法、高斯-牛顿法、L 阅读全文
摘要：
参考：https://blog.csdn.net/ruyingcai666666/article/details/109670567 在目标检测算法中，当一个检测结果(detection)被认为是True Positive时，需要同时满足下面三个条件： 1，Confidence Score > Co 阅读全文
摘要：
目录： 一、SSD 二、基于SSD的极速人脸检测 三、VGG 一、SSD SSD主干网络结构（SSD是一个多级分类网络） 图1 ssd主干网络结构图 ssd中的vgg-19网络： SSD采用的主干网络是VGG网络，关于VGG的介绍大家可以看我的另外一篇博客https://blog.csdn.net/ 阅读全文
摘要：
一、mobileV1 MobileNet模型是Google针对手机等嵌入式设备提出的一种轻量级的深层神经网络，其使用的核心思想便是depthwise separable convolution（深度可分离卷积块）能够有效降低参数量。 对于常规卷积：假设有一个3×3大小的卷积层，其输入通道为16、输出 阅读全文
摘要：
Faster R-CNN的发展史 Selective Search（2012） RCNN（2014） SPPNet(2014) Fast R-CNN（2015） Faster R-CNN（2015） 总结 补充：Mask RCNN 7.1、FPN 7.2、RPN 7.3、ProposalLayer层 阅读全文
摘要：
UNET: 左边编码下采样，右边编码上采样。 改进版本认为原始版本融合特征跨度太远，改为就近融合 下面有4个损失函数，如果前面三个效果就很好，第四个可以丢掉(剪枝) 数据增强包：albumentations 链接：https://github.com/albumentations-team/albu 阅读全文
摘要：
Focal交叉熵： 上面式子是一个交叉熵的改进版本，多了一个权重系数pos_weight，表示图像中，正例、负例的比例，那个越少，就越重视哪一个。好好感受下，loss|y_pred = 0.8 loss|y_pred = 0.2应该是“相等”的，这是上面式子设计的初衷！ 下面是Focal loss的 阅读全文
摘要：
libfacedetection是基于SSD进行魔改，而DBFace是基于MobileNetV3进行改进。 一、libfacedetection 二、DBFace 三、libfacedetection网络结构图 一、libfacedetection 链接：https://github.com/Shi 阅读全文
摘要：
基于深度学习人脸检测算法已经非常成熟。这里，我们采用WilderFace来验证各个模型性能，以下图表是6个轻量级的网络模型性能对比 什么是WilderFace？ 在人脸检测大赛中，百度的pyramidBox赢得当年冠军，他的成绩为：0.961 0.950 0.889，比下面最好的模型还要好。但是，类 阅读全文
摘要：
基于resnet18的图像分类，1000个类别。 openvino工作机制： 下面是代码： 1 import cv2 as cv 2 import numpy as np 3 from openvino.inference_engine import IECore 4 5 6 ''' 7 1、读取模 阅读全文
摘要：
模型下载： cd C:\OpenVINO\openvino_2020.4.287\deployment_tools\open_model_zoo\tools\downloader 执行： python downloader.py --name face-detection-0102 下载好的模型文件 阅读全文
摘要：
模型下载： C:\OpenVINO\openvino_2020.4.287\deployment_tools\open_model_zoo\tools\downloader> python downloader.py --name age-gender-recognition-retail-0013 阅读全文
摘要：
还是先检测人脸，然后检测人脸特征点，一共35个特征点，网络最后输出特征图为1*70，表示35个点，存储格式为:(x y x y x y......) prob_landmarks = em_res[em_out_blob] # (1, 70) 1 import time 2 3 import cv2 阅读全文
摘要：
网络的输入、输出如下： Performance Inputs name: "data" , shape: [1x3x60x60] - An input image in [1xCxHxW] format. Expected color order is BGR. Outputs Output lay 阅读全文