上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 22 下一页
摘要: tf.Example msg tensorflow提供了一种统一的格式.tfrecord来存储图像数据.用的是自家的google protobuf.就是把图像数据序列化成自定义格式的二进制数据. To read data efficiently it can be helpful to serial 阅读全文
posted @ 2019-11-08 14:43 core! 阅读(828) 评论(1) 推荐(1) 编辑
摘要: 今天在写一个单元测试的时候出现了如下编译错误: 以前用gtest为了测试业务代码里的private函数和变量,一直是在单元测试代码通过 define private public这样的trick达到测试业务代码的private变量的目的.怎么现在就不行了呢? 现在用的gcc版本是8.3 以前用的gc 阅读全文
posted @ 2019-11-06 10:11 core! 阅读(1493) 评论(0) 推荐(0) 编辑
摘要: SqueezeNet 论文地址:https://arxiv.org/abs/1602.07360 和别的轻量级模型一样,模型的设计目标就是在保证精度的情况下尽量减少模型参数.核心是论文提出的一种叫"fire module"的卷积方式. 设计策略 主要用1x1卷积核,而不是3x3. 减少3x3卷积核作 阅读全文
posted @ 2019-10-31 17:18 core! 阅读(923) 评论(0) 推荐(0) 编辑
摘要: mobilenet v1 论文解读 论文地址: 核心思想就是通过depthwise conv替代普通conv. 有关depthwise conv可以参考 模型结构: 类似于vgg这种堆叠的结构. 每一层的运算量 可以看到,运算量并不是与参数数量绝对成正比 ,当然整体趋势而言,参数量更少的模型会运算更 阅读全文
posted @ 2019-10-31 11:13 core! 阅读(1283) 评论(0) 推荐(2) 编辑
摘要: 以[3,64,64]的input为例,假设我们要得到[4,64,64]的output.以3x3卷积核为例. 常规的卷及操作如下图所示: 参数量共计3 x 3 x 3 x 4 = 108. 深度可分离卷积可分为2个部分 depthwise convolution pointwise convoluti 阅读全文
posted @ 2019-10-29 17:24 core! 阅读(2770) 评论(0) 推荐(0) 编辑
摘要: 通过https://github.com/amdegroot/ssd.pytorch,结合论文https://arxiv.org/abs/1512.02325来理解ssd. ssd由三部分组成: base extra predict base原论文里用的是vgg16去掉全连接层. base + ex 阅读全文
posted @ 2019-10-29 14:25 core! 阅读(7020) 评论(3) 推荐(8) 编辑
摘要: https://github.com/judasn/Linux Tutorial/blob/master/markdown file/SSR Client Ubuntu.md https://github.com/qingshuisiyuan/electron ssr backup/blob/mas 阅读全文
posted @ 2019-10-25 16:46 core! 阅读(584) 评论(0) 推荐(0) 编辑
摘要: torch和torchvision版本匹配查询 https://github.com/pytorch/vision#installation 查看torch支持的cuda版本 >>> import torchvision >>> torchvision.__version__ '0.10.0+cu1 阅读全文
posted @ 2019-10-24 13:47 core! 阅读(535) 评论(0) 推荐(1) 编辑
摘要: 没有经过校准的camera拍摄的图片是有畸变的.如下图: 而我们希望得到的图片是这样的 ros中提供了一个程序camera_calibration帮助我们去做校准. 具体怎么校准参考 首先是安装ros kinetic uvc camera,运行就可以产生 /image_raw /camera_inf 阅读全文
posted @ 2019-10-22 14:48 core! 阅读(832) 评论(0) 推荐(0) 编辑
摘要: 形态变换 在 "opencv之膨胀与腐蚀" 中介绍了Dilation/Erosion的原理.建议先读这一篇,搞懂原理. 这样就可以很轻松地理解为什么本文的这些形态变换可以取得相应的效果. 基于此,我们可以组合出更多的形态变换以达到不同的目的. 有以下几种: Opening Closing Morph 阅读全文
posted @ 2019-10-15 14:07 core! 阅读(841) 评论(1) 推荐(4) 编辑
上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 22 下一页