03 2023 档案
摘要：注意这里要存图片格式是二进制格式如果你用cv2读取的话需要转为二进制格式，直接ndarray写会报错的。 if pose.all_save_image==0: sql = "INSERT INTO studentmemo.student(idx,pic0) VALUES (%s,%s)" args
阅读全文
摘要：pure pixels, i.e, for any of the p endmembers there is at least one pixel containing only the correspondent material;
阅读全文
摘要：import pymysql # 创建连接 conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='1234567890', db='studentmemo') # 创建游标 cursor = conn.cur
阅读全文
摘要：编码错误，dataframe写入mysql是utf-8的话在mysql表中行和列都改成utf-8就行了。
阅读全文
摘要：import pandas as pd from sqlalchemy import create_engine import numpy as np w=np.array([1,2,3]) datas = pd.DataFrame(w) print(datas) engine = create_e
阅读全文
摘要：https://blog.csdn.net/wjr1229/article/details/127997181。 就是停止mysql的服务。 然后再my.ini修改数据库的存储位置即可。 指令是:net stop MySQL57
阅读全文
摘要：以前以为ai系统只需要做一个开源代码放入前后端就算完成工作，结果模型在实际场景中会出现各种问题这些都是需要解决的。 如果人出现重叠简单的跟踪算法就不好用。 有时候人坐着不动，跟踪算法都不太好用。
阅读全文
摘要：pose_entries他是根据body_part的索引来赋值的，这里是肢体连接的。 而connection里面是关键点序号。关键的种类是根据body_part来的。所以根据lightweight提供的顺序来确定关键点就好。
阅读全文
摘要：data.iloc[i][36] iloc获取dataframe指定行的所有数据，[36]表示获取指定列数据
阅读全文
摘要：如果不能更换pytorch版本需要先卸载。 因为平台是linux所以需要安装linux系统。 !pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 import to
阅读全文
摘要：cv2.boundingRect(np.array([[1,2],[3,4],[5,6],[7,8]])) 输出 (1, 2, 7, 7) 最小x,最小y，最大x,最大y。
阅读全文
摘要：pandas用pd.read_csv读取只有无表头的一行数据出现Empty DataFrame，只需要在pd.read_csv参数中加入header=None
阅读全文
摘要：import os import pandas as pd import shutil for i in os.listdir('unusual'): path='unusual/'+str(i)+'/'+str(i) df = pd.read_csv(path+'.csv') if len(df)
阅读全文
摘要：帧率就是每秒钟刷新的帧数。也就是说每秒钟所显示的图片数。 获取帧率的代码。 import cv2 cap = cv2.VideoCapture('22.MP4') #fps = int(round(cap.get(cv2.CAP_PROP_FPS))) fps = cap.get(cv2.CAP_P
阅读全文
摘要：写入时to_csv(header=None)则不向csv文件写入dataframe的表头信息。 读取时read_csv(header=None)第一列不做表头
阅读全文
摘要：首先把不需要求导数的模型放入with_no_grad中 不用BN层和dropout的用eval() delforward的中间变量损失函数，图像和标签。
阅读全文
摘要：for target_key, target_value in target_state.items(): k = target_key print(target_key)输出模型的所有关键字，判断当时处理的哪个模型并往下边if走输出处理结果。发现torch.loadstatedict并没有报错，并
阅读全文
摘要：因为创建场的时候加了padding，所以关键点也要加padding
阅读全文
摘要：torch.nn.Softplus默认公式为log(1+exp(x)) import torch import numpy as np m=torch.nn.Softplus() print(m(torch.Tensor([4]))) 对x作软relu处理然后跟target进行l1损失处理。
阅读全文
摘要：首先把输出和表情需要计算的数值提取出来然后用regression_loss去计算损失值。 调用的location_loss就是把x，y坐标图的差和bmin做了l2范式。后矩阵除以b再加上logb。
阅读全文
摘要：confidence是用bce损失做的。bce是交叉熵的缩写。
阅读全文
摘要：class CompositeLossByComponent(torch.nn.Module): """Default loss until v0.12"""这是默认的损失函数，之后作者进行版本更新对其进行了舍弃。 在forward中把输入分为confiden，reg，scale这三个特征图然后放入
阅读全文
摘要：pifpaf的loss是通过loss = network.losses.Factory().factory(datamodule.head_metas生成的。trainer的loop循环，然后train函数，然后进入train_batch这里求了loss。 factory中 if self.auto
阅读全文
摘要：from tkinter import * import tkinter as tk from tkinter import filedialog from demo import * # 通过对话框获取文件路径 def getPathByDialog(): root = tk.Tk() root.
阅读全文
摘要：losses里面应该是一个函数。因为forward里直接调用losses内容了。 https://github.com/vita-epfl/openpifpaf/blob/5be8d6eecee3b4d5b60b542edeed8a539aafeaf6/src/openpifpaf/network/
阅读全文
摘要：openpifpaf/src/openpifpaf/encoder/annrescaler.py / Jump to 一开始定义了mask全为1然后去寻找annotation中的标注，如果标注is_crow=0不做处理，如果标注is_corw=1则让这个位置的mask为0。 def bg_mask(
阅读全文
摘要：本文的主要思想就是对heatmap图进行一个权重缩放。weight是作者提出的一个思路让模型将低输出值的位置加大权重，高输出值给予小权重，低输出值给与大全中。scaled_gt就是scale对真实标签的缩放，给不同关键点赋予不同的标准差，作者用泰勒公式展开。还有一个是对scale进行规范化的损失函数
阅读全文
