原创 深度可分離卷積（Depthwise Seperable Convolution）與Mobilenet
一、標準卷積流程： 一次性完成，輸入爲， 過濾器爲(個數爲N)，輸出爲 計算量爲： 圖1.1 卷積示意 圖1.2 計算量 二、深度可分離卷積（Depthwise Seperable Convolution）流程： 分兩
2020-07-03 10:53:47
原创 從頭實現YOLO V3：利用Tensorflow-Keras，含YOLO模型結構圖（詳細）
前言 本次利用Tensorflow-Keras實現YOLO-V3模型，目的是自己動手實現YOLO-V3的重要結構，這樣才能更爲深入瞭解模型以及提升編程能力；略去了不太重要的結構，如tiny版本就沒有繼續實現； 重點研究了模型結構，在lev
2020-07-03 10:53:37
17
原创 經典網絡學習-看過的blog彙總
MobileNet： 深度學習之MobileNetV1 https://blog.csdn.net/qq_31531635/article/details/80508306 深度學習MobileNet】——深刻解讀MobileNet網絡結
2020-07-03 10:53:37
原创 numpy 快速
np.concate 比較慢 pd.concat([])也比較慢 還有 慢 ref = np.array([ref_list]*20000000) 快 ref = np.zeros((20000000,10)) ref[:,:] = [
2020-07-03 10:53:37
原创 編譯可訓練的tesseract時遇到的問題，tesseract-OCR，training-tool
（1）據查https://blog.csdn.net/weixin_39569611/article/details/87278729，今年很早就不能用brew install --with-training-tools tesserac
2020-07-03 10:53:37
27
原创 查找百度網盤資源的真實地址
(function(){ var _id = 309847; var isHome = $('a[title="我的卡包"]').html(); # 修改此處：資源所在文件夾 var _temp = i
2020-07-03 10:53:37
原创 python + pycryptodome 實現AES加密
測試代碼示例： from Crypto.Cipher import AES from binascii import b2a_hex from binascii import a2b_hex import pandas as pd i
2020-03-10 15:51:53
原创 圖像保存後再打開，有噪點
https://zhidao.baidu.com/question/1928646843295285467.html 存成jpg有誤差，存bmp就沒問題了
2020-02-23 01:13:49
原创 編譯可訓練的tesseract時遇到的問題，tesseract-OCR
據查，今年很早就不能用brew install --with-training-tools tesseract 安裝可訓練的tesseract了， https://blog.csdn.net/weixin_39569611/article
2019-07-11 02:47:36
94
原创 從頭實現YOLO V3：利用Tensorflow-Keras，含YOLO模型結構圖
前言 本次利用Tensorflow-Keras實現YOLO-V3模型，目的是自己動手實現YOLO-V3的重要結構，這樣才能更爲深入瞭解模型以及提升編程能力；略去了不太重要的結構，如tiny版本就沒有繼續實現。 重點研究了模型結構，在lev
2019-07-03 02:06:06
30
原创 openCV+python實現人臉實時檢測
一、靜態的圖像人臉檢測 import numpy as np import cv2 as cv path = 'haarcascade_frontalface_default.xml' face_cascade = cv.Casc
2019-06-12 00:57:45
原创 mobilenet學習-blog
輕量級模型：MobileNet V2 https://blog.csdn.net/kangdi7547/article/details/81431572 MobileNet v2 算法筆記 https://blog.csdn.net/
2019-05-03 12:12:12
原创 圖解深度可分離卷積（Depthwise Seperable Convolution）
一、標準卷積流程： 一次性完成，輸入爲， 過濾器爲(個數爲N)，輸出爲 計算量爲： 圖1.1 卷積示意 圖1.2 計算量 二、深度可分離卷積（Depthwise Seperable Convolution）流程： 分兩
2019-05-02 15:18:19