09 2019 档案

摘要:canny canny的目标有3个 低错误率 检测出的边缘都是真正的边缘 定位良好 边缘上的像素点与真正的边缘上的像素点距离应该最小 最小响应 边缘只能标识一次,噪声不应该标注为边缘 canny分几步 滤掉噪声 比如高斯滤波 计算梯度 比如用索贝尔算子算出梯度 非极大值抑制 上一步算出来的边缘可能比 阅读全文
posted @ 2019-09-30 20:18 core! 阅读(6523) 评论(0) 推荐(3) 编辑
摘要:"sobel算子一文" 说了,索贝尔算子是模拟一阶求导,导数越大的地方说明变换越剧烈,越有可能是边缘. 那如果继续对f'(t)求导呢? 可以发现"边缘处"的二阶导数=0. 我们可以利用这一特性去寻找图像的边缘. 注意有一个问题,二阶求导为0的位置也可能是无意义的位置 拉普拉斯算子推导过程 以x方向求 阅读全文
posted @ 2019-09-30 13:52 core! 阅读(5111) 评论(1) 推荐(4) 编辑
摘要:人眼怎么识别图像边缘? 比如有一幅图,图里面有一条线,左边很亮,右边很暗,那人眼就很容易识别这条线作为边缘.也就是 像素的灰度值快速变化的地方 . sobel算子 对于f(t),其导数f'(t)反映了每一处的变化趋势.在变化最快的位置其导数最大. sobel算子的思路就是模拟求一阶导数. sobel 阅读全文
posted @ 2019-09-29 17:46 core! 阅读(14177) 评论(0) 推荐(9) 编辑
摘要:图像平滑 Smoothing, also called blurring, is a simple and frequently used image processing operation. 平滑,也叫模糊. 本质就是把某点的像素值转换为其及其周围像素值的不同权重的叠加.h(k,l)即为卷积核, 阅读全文
posted @ 2019-09-27 22:55 core! 阅读(11464) 评论(5) 推荐(2) 编辑
摘要:Mat Mat由两部分构成 matrix header pointer to the matrix containing the pixel values Mat is basically a class with two data parts: the matrix header (contain 阅读全文
posted @ 2019-09-27 15:13 core! 阅读(612) 评论(0) 推荐(1) 编辑
摘要:图像处理 图像变换就是找到一个函数,把原始图像矩阵经过函数处理后,转换为目标图像矩阵. 可以分为两种方式,即像素级别的变换和区域级别的变换 Point operators (pixel transforms) Neighborhood (area based) operators 像素级别的变换就相 阅读全文
posted @ 2019-09-27 13:41 core! 阅读(10041) 评论(0) 推荐(4) 编辑
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/u014061630/article/details/80308245 <! flowchart 箭头图标 勿删 Inception v1 阅读全文
posted @ 2019-09-26 17:18 core! 阅读(992) 评论(0) 推荐(0) 编辑
摘要:ros命令 查看package的依赖 查看直接依赖 rospack depends1 beginner_tutorials 输出 roscpp rospy std_msgs 查看所有依赖包(包括依赖的包 依赖的 包) rospack depends beginner_tutorials 更改ros默 阅读全文
posted @ 2019-09-26 14:18 core! 阅读(766) 评论(0) 推荐(0) 编辑
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/BlowfishKing/article/details/80485006 <! flowchart 箭头图标 勿删 初步总结的SSD和yo 阅读全文
posted @ 2019-09-25 18:46 core! 阅读(11592) 评论(0) 推荐(4) 编辑
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/u010167269/article/details/52563573 <! flowchart 箭头图标 勿删 Preface 这是今年 阅读全文
posted @ 2019-09-25 18:37 core! 阅读(693) 评论(0) 推荐(0) 编辑
摘要:支持各种格式的模型 caffe模型实测效果: 右侧可以看到卷积核的具体的值. 阅读全文
posted @ 2019-09-25 16:13 core! 阅读(1657) 评论(0) 推荐(0) 编辑
摘要:![](https://img2018.cnblogs.com/blog/583030/201909/583030-20190925101049608-1230935987.png) 阅读全文
posted @ 2019-09-25 10:11 core! 阅读(286) 评论(0) 推荐(0) 编辑
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/u011681952/article/details/86157481 <! flowchart 箭头图标 勿删 Scale Layer是输 阅读全文
posted @ 2019-09-24 17:47 core! 阅读(1114) 评论(0) 推荐(0) 编辑
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/ac_dao_di/article/details/71908444 <! flowchart 箭头图标 勿删 1. 查看无线网卡是否支持A 阅读全文
posted @ 2019-09-24 11:16 core! 阅读(743) 评论(0) 推荐(0) 编辑
摘要:<! flowchart 箭头图标 勿删 背景 反向传播(Backpropagation)是训练神经网络最通用的方法之一,网上有许多文章尝试解释反向传播是如何工作的,但是很少有包括真实数字的例子,这篇博文尝试通过离散的数据解释它是怎样工作的。 Python实现的反向传播 你能使用Python来实现反 阅读全文
posted @ 2019-09-21 07:19 core! 阅读(3478) 评论(0) 推荐(2) 编辑
摘要: 阅读全文
posted @ 2019-09-20 17:21 core! 阅读(452) 评论(0) 推荐(0) 编辑
摘要:方法1 方法2 方法3 安装了tensorflow gpu,但是train的时候用的还是cpu.用方法1能检测到gpu,但实际上计算的时候还是用了cpu.用方法3可以检测出来. 找到libcudart.so所在位置,添加路径到.bashrc export LD_LIBRARY_PATH=$LD_LI 阅读全文
posted @ 2019-09-20 11:45 core! 阅读(31612) 评论(0) 推荐(1) 编辑
摘要:yolov3的论文写的比较简略,不看yolov1,yolov2很难直接看懂. 建议先看v1,v2论文. yolov3主要做了几点改进 改进了特征提取部分的网络结构 多尺度预测 分类由softmax改为logistic 前面2个改进使得yolo对小目标的检测效果更好. 特征提取网络 由darknet1 阅读全文
posted @ 2019-09-19 18:39 core! 阅读(873) 评论(0) 推荐(0) 编辑
摘要:感觉是机器翻译,好多地方不通顺,凑合看看 原文名称:Complex YOLO: An Euler Region Proposal for  Real time 3D Object Detection on Point Clouds原文地址:http://www.sohu.com/a/285 阅读全文
posted @ 2019-09-19 14:46 core! 阅读(1594) 评论(0) 推荐(0) 编辑
摘要:转自https://zhuanlan.zhihu.com/p/45331609 无人驾驶技术涵盖了感知、决策、控制等领域的方方面面。感知层面对目标识别跟踪、障碍物检测、精确定位等技术的需求,使得深度学习等人工智能技术得到广泛应用。深度学习模型非常依赖无人车行驶环境的数据,而这些数据在工程中非常难获得 阅读全文
posted @ 2019-09-19 09:55 core! 阅读(3288) 评论(0) 推荐(0) 编辑
摘要:点云 点云是雷达采集到的信息. 关于点云基本介绍参考 ros中的点云消息结构: PointField结构: 点云消息数据存储在PointCloud2.data中. 示例: datatype=7对应的类型为PointField.FLOAT32,size为4.x/y/z的偏移都是正常的.为什么inten 阅读全文
posted @ 2019-09-18 16:50 core! 阅读(4443) 评论(0) 推荐(0) 编辑
摘要:安装 https://www.anaconda.com/distribution/ download section 虚拟环境创建 conda create name env2.7 python=2.7 opencv安装 conda install c menpo opencv 为jupyter n 阅读全文
posted @ 2019-09-18 10:36 core! 阅读(195) 评论(0) 推荐(0) 编辑
摘要:直接更改磁盘分区大小 下载gparted. gparted更改ubuntu根目录大小. 参考安装tuxboot到ubuntu. ,参考这两个连接写镜像到u盘. 挂载新的磁盘 太麻烦,放弃了. 直接进入win10分配新的分区,再进入ubuntu挂载新的盘. 参考 看在windows下新建的分区是哪一个 阅读全文
posted @ 2019-09-18 10:33 core! 阅读(2851) 评论(0) 推荐(0) 编辑
摘要:1、查看主机名 在Ubuntu系统中,快速查看主机名有多种方法: 其一,打开一个GNOME终端窗口,在命令提示符中可以看到主机名,主机名通常位于“@”符号后; 其二,在终端窗口中输入命令:hostname或uname –n,均可以查看到当前主机的主机名。 2、临时修改主机名 命令行下运行命令:“ho 阅读全文
posted @ 2019-09-17 16:44 core! 阅读(1116) 评论(0) 推荐(0) 编辑
摘要:du s | sort nr | head 选出排在前面的10个 du s | sort nr | tail 选出排在后面的10个 阅读全文
posted @ 2019-09-17 16:35 core! 阅读(2282) 评论(0) 推荐(0) 编辑
摘要:vgg16是牛津大学视觉几何组(Oxford Visual Geometry Group)2014年提出的一个模型. vgg模型也得名于此. 2014年,vgg16拿了Imagenet Large Scale Visual Recognition Challenge 2014 (ILSVRC2014 阅读全文
posted @ 2019-09-12 17:00 core! 阅读(2084) 评论(0) 推荐(1) 编辑
摘要:yolov1和当时最好的目标检测系统相比,有很多缺点.比如和Fast R CNN相比,定位错误更多.和基于区域选择的目标检测方法相比,recall也比较低.yolov2的目标即在保证分类准确度的情况下,尽可能地去提高recall和定位精度. 上图是yolo尝试了的方法. 可以看到使得检测精度得到大幅 阅读全文
posted @ 2019-09-12 11:23 core! 阅读(859) 评论(2) 推荐(0) 编辑
摘要:ubuntu 16.04 自带gcc 5.4 支持c++11 ubuntu 18.04 自带gcc 7.3 支持c++14 查看编译器支持: "c++11" "c++14" "c++17" c++11 feature nullptr/constexpr enum class auto/decltyp 阅读全文
posted @ 2019-09-07 20:55 core! 阅读(477) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示