原创 【Tensorrt】跑通Jetson Nano TensorRt sampleSSD例程

https://blog.csdn.net/lidawei0124/article/details/90116124

原创 【gflags 】google gflags 使用方法

參考: https://blog.csdn.net/jcjc918/article/details/50876613  

原创 【TensorRT】Faster RCNN部署

參考github的samples,寫下加深理解 Faster RCNN是一個二階段模型,部署起來比一階段網絡麻煩一些。在本示例中,使用了TensorRT的一個叫做RPROI_TRT的plugin library,它融合了RPN和ROIPo

原创 【GIOU】目標檢測中的Loss改進:GIOU

目標檢測中的Loss改進:GIOU https://zhuanlan.zhihu.com/p/63389116

原创 【論文】RecSys 2019最佳論文:基於深度學習的推薦系統是否真的優於傳統經典方法

RecSys 2019最佳論文:基於深度學習的推薦系統是否真的優於傳統經典方法   https://zhuanlan.zhihu.com/p/84361803

原创 【畫圖】推薦一款深度學習畫圖工具

https://github.com/HarisIqbal88/PlotNeuralNet

原创 【torchvision】transforms的二十二個方法

https://zhuanlan.zhihu.com/p/53367135

原创 【Attention in CV】SeNet

ImageNet Top5錯誤率:2.25% 中心思想:對於每個輸出channel,預測一個常數權重,對每個channel加權一下。 這樣模型會更加關注“有用”的層 SeNet用在resnet中,提升很大,分類任務重SE-ResNet5

原创 【YOLOv4】

這篇論文的trick是真多,消融實驗做的很詳細 另外如何優化網絡結構做到單卡訓練也是比較重要的 1、Introduction: 作者自認爲的貢獻: 設計了一個高效的模型,可以在單1080TI上訓練,萬千屌絲的救星。 驗證和對比了各種各樣

原创 【圖像處理】Python3識別判斷圖片主要顏色並和顏色庫進行對比的方法

方案一:(參考網上代碼,感覺實用性不是很強)使用PIL截取圖像,然後將RGB轉爲HSV進行判斷,統計判斷顏色,最後輸出RGB值 方案二:使用opencv庫函數進行處理。(效果不錯)         1、將圖片顏色轉爲hsv,       

原创 【GAP】Global average Pooling

這個概念出自於 network in network  主要是用來解決全連接的問題,其主要是是將最後一層的特徵圖進行整張圖的一個均值池化,形成一個特徵點,將這些特徵點組成最後的特徵向量 進行softmax中進行計算。 舉個例子 假如,最後

原创 【C++】size_t的意義

學過計算機組成原理應該不會對此有疑問。int小於等於數據線寬度,size_t大於等於地址線寬度。 size_t存在的最大原因可能是因爲:地址線寬度歷史中經常都是大於數據線寬度的。 在數據只有8位的年代,地址率先進入10位,12位,在數據1

原创 【SNIPER】

目的:優化SNIP,減少計算量的同時提升精度(相比SNIP提升4.6個點) base model: Faster RCNN 速度:每秒5張圖 思想: SNIP借鑑了多尺度訓練的思想,藉助了圖像金字塔作爲模型的輸入,提高了效果但是增加了計算

原创 【YOLOV3-ASFF】

現狀:目前多尺度特徵融合基本使用的都是FPN,YOLOv3這種特徵直接concat或者element-wise add方式,作者並不認爲這種方式可以有效的融合不同尺度的特徵。 思想:自適應特徵融合方式(ASFF) 其中,最右邊的綠色框是

原创 【python2 轉 python3】cPickle轉pickle

需要用python3讀一個python2dump的文件,而python3中不再支持cPickle 解決辦法: https://rebeccabilbro.github.io/convert-py2-pickles-to-py3/