原创 keras 中的SeparableConv2D和DepthwiseConv2D 卷積

在keras代碼中我們看到有SeparableConv2D和DepthwiseConv2D卷積,我們來聊聊他們之間的差別。   理解 SeparableConv2D實現的是整個深度可分離卷積,包含深度卷積(DW)和逐點卷積(PW)這兩個過

原创 COCO2017 數據集分類統計

最近用到coco2017數據集做目標檢測,順便整理一下數據集。 coco數據集用專門的python api 方便我們直接來讀取圖片數據,詳細的可以去看 https://github.com/cocodataset/cocoapi, 我們這

原创 Ubuntu系統修復GUID格式GPT硬盤的引導

最近重新安裝了Ubuntu18系統,對磁盤進行了格式化。發現電腦在開機BIOS頁面上找不到Ubuntu的啓動項,這是引導分區的文件損壞了,找不到硬盤引導,無法識別硬盤。 這裏記錄一下解決辦法,能比較好的解決了這個問題。 參考教程:http

原创 facenet 人臉識別原理理解(三)

在前兩篇文章已經介紹了facenet人臉識別代碼的使用和具體操作,但相關的原理還是沒有說,這篇文章進行簡單的講解一下。 1. 原理 在人臉識別中,當我們需要加在圖片數據庫入新的一張人臉圖片時,是怎麼做到識別的呢,難道要我們重新修改網絡最後

原创 實現鏈表反轉的最好理解

單鏈表的反轉代碼如下: typedef struct LNode //定義單鏈表結點類型 { int data; //數據域 struct LNo

原创 facenet 人臉識別庫的搭建和使用方法(二)

上一篇文章介紹了facenet人臉識別的源碼使用,這篇文章就來搭建自己的人臉識別庫。 1. 製作自己的人臉識別庫 1.1 準備數據集 通過百度圖片爬取一些明星圖片爲例,這裏準備了一個DownloadImageByBaidu.py文件用來下

原创 ubuntu16.04下安裝caffe以及錯誤彙總

 這篇文章主要講安裝和編譯caffe過程以及遇到的問題,還有解決方法。關於如何安裝nvidia驅動,cuda,cudnn,以及opencv3 等網上已經有足夠多的教程了,可以直接在網上找。 1. 系統配置: OS: Ubuntu16.0

原创 使用YOLOv3 訓練行人檢測模型

使用YOLO進行目標檢測在保證速度的前提下能有較好的準確性,這篇文章是在yolov3的代碼基礎上進行修改爲行人檢測,由原來的20個分類改爲識別person,使用tiny-yolo的進行訓練和檢測,最後能達到還不錯的效果。 1.數據集製

原创 http與websocket的關係

http http是應用層協議,是基於tcp協議的,所以http建立連接的時候必須要經過三次握手。 每一次交換都是客戶端主動發起請求(request),服務端被動應答(response)。 服務器不能主動向客戶端推送數據。 通信的數據是基

原创 facenet 人臉識別源碼的使用方法(一)

1. 開發環境 OS:        ubuntu16.04 tensorflow版本:1.12.0 python版本:    3.6.7   2. 下載源碼到本地 facenet官方github: https://github.co

原创 softmax loss 交叉熵損失函數求導

1. softmax 函數求導 求導之前我們先了解softmax 函數,softmax一般是用來作爲網絡的輸出層,直接輸出概率信息,定義如下: 那麼我們對softmax 函數 進行求導,爲了簡潔把求和裏面的一大堆用 簡寫: ①當 i

原创 目標檢測數據集VOC 2007/2012 整理

做目標檢測時我們經常用到voc 2007, voc 2012 數據集,今天就來整理一下。 數據集的下載地址: https://pjreddie.com/projects/pascal-voc-dataset-mirror/   voc 2

原创 人臉活體檢測資料整理

整理資料: 人臉識別中活體檢測算法綜述:https://blog.csdn.net/SIGAI_CSDN/article/details/82772813 知乎上的資料:https://zhuanlan.zhihu.com/p/25401

原创 pytorch 中的softmax, log_softmax, nn.CrossEntropyLoss和NLLLoss

1. softmax和softmax loss知識學習 在進行圖像分類和分割任務時,經常會用到softmax和softmax loss,今天就來徹底搞清楚這兩個的區別。   softmax softmax是用來輸出多個分類的概率的,可以作

原创 ubuntu 下安裝和卸載deb軟件包

安裝: sudo dpkg -i deepin.com.wechat_2.6.8.65deepin0_i386.deb   卸載: 1.列出軟件包名,然後找到對應的包名 dpkg -l   2.卸載相關的軟件 把包名copy一下,然後