01 2023 档案

摘要:import torch import torch.nn as nn import torch.nn.functional as F 模拟的输入x变量:4分类问题 batch_size, n_classes = 10, 4 x = torch.randn(batch_size, n_classes) 阅读全文
posted @ 2023-01-27 13:52 SXQ-BLOG 阅读(104) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/u014311125/article/details/117750396 阅读全文
posted @ 2023-01-22 20:54 SXQ-BLOG 阅读(34) 评论(0) 推荐(0) 编辑
摘要:R31X +R32Y+tz 就是外参旋转矩阵的最后一行+外参平移的Z分量,这部分恰好等于Zcam,也就是说相机外参矩阵乘世界坐标得到的Zcam恰好是R31X +R32Y+tz。 Z为0是因为IPM假设世界坐标系上所有物体的z都为0(高度为0),利用这个假设可以把Zcam求出来, 看公式最好一行可以知 阅读全文
posted @ 2023-01-19 19:00 SXQ-BLOG 阅读(359) 评论(0) 推荐(0) 编辑
摘要:1 :https://blog.csdn.net/ncepu_Chen/article/details/105322585 2 :https://zhuanlan.zhihu.com/p/356546894#:~:text=%E5%9B%BE%E5%83%8F%E7%89%A9%E7%90%86%E 阅读全文
posted @ 2023-01-18 18:37 SXQ-BLOG 阅读(23) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/qq_36560894/article/details/120315902 阅读全文
posted @ 2023-01-17 15:22 SXQ-BLOG 阅读(221) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/qq_39388410/article/details/105145074 阅读全文
posted @ 2023-01-17 13:53 SXQ-BLOG 阅读(54) 评论(0) 推荐(0) 编辑
摘要:一:https://zhuanlan.zhihu.com/p/138824387 二:https://zhuanlan.zhihu.com/p/138828372 三:https://zhuanlan.zhihu.com/p/144659734 阅读全文
posted @ 2023-01-17 00:51 SXQ-BLOG 阅读(34) 评论(0) 推荐(0) 编辑
摘要:Resize 1.单尺度输入: train_pipeline = [ ...... dict( type='Resize', img_scale=(1333, 800), keep_ratio=True), ...... dict(type='Pad', size_divisor=32), ] 实际 阅读全文
posted @ 2023-01-15 22:52 SXQ-BLOG 阅读(109) 评论(0) 推荐(0) 编辑
摘要:整体运行流程 上面是整体的训练流程,像更新参数,打印日志,训练几轮去跑验证集等功能都是通过钩子实现的,每一个功能都实现一个钩子,一共有22个钩子的位点分别为: 解读文章 https://zhuanlan.zhihu.com/p/444201503 阅读全文
posted @ 2023-01-15 15:17 SXQ-BLOG 阅读(58) 评论(0) 推荐(0) 编辑
摘要:链接:https://zhuanlan.zhihu.com/p/266023273 阅读全文
posted @ 2023-01-08 20:28 SXQ-BLOG 阅读(18) 评论(0) 推荐(0) 编辑
摘要:前言 基本上所有的中文文章都会告诉你什么是mAP,什么是Precision、Recall、TP、FP、FN,但就是不讲清楚到底该怎么计算,应该先算什么再算什么,在项目中应该怎么自己写对应的代码。图省事看了网上那么多中文答案/文章,都不如去看一篇英文GitHub代码(github.com/rafael 阅读全文
posted @ 2023-01-05 22:04 SXQ-BLOG 阅读(927) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示