查资料的时候看了一个不文明的事情，转载别人的东西而不标注出处，结果原创无人知晓，转载很多人评论~~标注了转载而不说出处这样的人有点可耻！写在前面：Gaussian Mixture Model (GMM)。事实上，GMM 和 k-means 很像，不过 GMM 是学习出一些概率密度函数来(所以 GMM 除了用在 clustering 上之外，还经常被用于 density estimation )，简
主要记录一下数据集的制作，看了很多的文章和参考，数据集的制作，因为没有找到一个现成的YOLOV3格式的数据集，就打算自己搞一下，学习一下如何训练数据集的。 1.虚拟机： vmware14+ubuntu16.04 2.darknet
opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别Abstract:本文记录了在学习深度学习过程中，使用opencv+mtcnn+facenet+python+tensorflow，开发环境为ubuntu18.04，实现局域网连接手机摄像头，对目标人员进行实时人脸识别，效果并非特别好，会继续改进这里是如果各位老爷看完觉得对你有帮助的话，请给个小星星，3q
转载
2024-08-08 15:59:05
127阅读
使用的代码是ruotian luo的开源代码，github地址：https://github.com/ruotianluo/pytorch-faster-rcnn0. 安装依赖包Torchvision 0.3 ，opencv-python, easydict1.6，tensorboard-pytorch，scipy，pyyaml…一. 下载项目代码，安装COCO API下载项目代码git clon
OpenCV 基础方法，Caffe，TensorFlow模型加载环境配置： 方法预览class QuickDemo
{
public:
QuickDemo();
void colorSpace(Mat* mat);// 色彩转换
void matCreate(Mat mat);// 创建Mat
void pixelTransformation(Mat mat);// 像素转换
void
以下我一直以为我下载的是opencv4.1.0的源码编译的，其实是opencv4.4.0。另外ubuntu16.04下编译的opencv4.1.0在ubuntu20.04上可以直接使用，无问题。当然我下面在ubuntu20.04下编译的opencv4.4.0（我一直以为是4.1.0）在ubuntu20.04下使用也没问题。看过之前介绍的应该知道我用的是ubuntu16.04+opencv3.4.1
目录step1 运行环境和前期准备step2 编译OpenCV和Contrib库step3 深度学习模型下载及调用示例总结 OpenCV是一个非常强大的计算机视觉库，特别是进入3.X时代以后，它抛弃了整体统一架构，采用内核+插件的架构形式，使得主体更加稳定，附加的库更加灵活多变。 目前的OpenCV3分为稳定的核心功能库和contrib库（包含了特征匹配等）。OpenCV3.3以后，contri
# 如何在云服务器上训练SSD模型
## 1. 流程概述
在云服务器上训练SSD模型通常包括以下步骤：
| 步骤 | 操作 |
| ---- | ---- |
| 步骤一 | 准备数据集和SSD模型 |
| 步骤二 | 配置环境和依赖 |
| 步骤三 | 开始训练模型 |
| 步骤四 | 评估模型效果 |
## 2. 操作步骤
### 步骤一：准备数据集和SSD模型
在这一步，你需要准
原创
2024-02-24 05:11:56
77阅读
用已知数据集训练出一个较为精准的模型是一件乐事，但当关机或退出程序后再次接到 “ 用新的格式相同的数据来进行预测或分类 ” 这样的任务时；又或者我们想把这个模型发给同事并让TA用于新数据的预测......难道又要自己或他人重复运行用于训练模型的源数据和代码吗？joblib 下载/加载最佳模型下载最佳模型反复调优后，我们通常能够获得一个相对精准的模型。常见的做法是将其保存在一个变量中用于后续的预测。
转载
2023-10-25 10:14:39
137阅读
Opencv4.x深度学习之Tensorflow2.3框架训练模型第一部分:开发环境1.Win10 x64 2.Opencv-Python 3.Tensorflow 2.3.0 CPU第二部分:安装1.安装miniconda 地址:https://docs.conda.io/en/latest/miniconda.html安装一路默认,提示要勾选的地方都勾选2.安装VC++,根据个人需要,我安装了
Opencv4.x深度学习之Tensorflow2.3框架训练模型第一部分:开发环境1.Win10 x64 2.Opencv-Python 3.Tensorflow 2.3.0 CPU第二部分:安装1.安装miniconda 地址:https://docs.conda.io/en/latest/miniconda.html安装一路默认,提示要勾选的地方都勾选2.安装VC++,根据个人需要,我安装了
SSD(single shot multibox detector)SSD模型结构SSD(Single Shot MultiBox Detector)算法是Wei Liu在ECCV 2016提出的一种(one-stage方法)目标检测模型，算法的主网络结构是VGG16。直接回归目标类别和位置(不需要候选框提取的过程)，是针对于卷积网络的结果进行处理在不同尺度的特征图上进行预测(比起two stag
转载
2024-04-09 01:40:40
521阅读
SSD 使用自己的数据集训练模型SSD中预留了多种数据集的训练方式，可在caffe/data目录下看到这些数据集预处理的方式，这里使用VOC0712格式数据集 1、准备原始数据检查原始数据集是否符合以下规范 dataset （数据集目录） -
转载
2023-08-25 17:36:29
226阅读
从零开始到最后成功的操作过程： （1）首先下载models，本地路径结构为～/tensorflow/models，其中～表示本地的home路径，然后在models中的research路径下执行下列两条命令 protoc object_detection/protos/*.proto --python_out=. export PYTHONPATH="${PYTHONPATH}:～/tensorfl
转载
2024-05-10 09:23:45
38阅读
## SSD pytorch如何训练
### 问题背景
在目标检测任务中，SSD（Single Shot MultiBox Detector）是一种经典的深度学习模型。我们想要使用PyTorch框架来训练一个SSD模型，以便在自定义数据集上进行目标检测任务。
### 解决方案
#### 1. 数据准备
首先，我们需要准备训练数据。我们需要一个包含图像和标注框的数据集。图像可以是任何形式的图像文
原创
2023-12-21 03:52:23
154阅读
Linux下的trim支持叫discard，现在ext4和xfs都支持（btrfs应该也支持），内核需要>=2.6.37，xfs的支持在3.0才比较完善。具体需要设置这2个方面：1.文件系统表修改fstab文件，在挂载参数中加上discard；最好也同时加上noatime，如下/dev/sda3 / ext4 noatime,no
SSD全称为Single Shot MultiBox Detector，为one-stage的目标检测算法。与two-stage的目标检测算法不同，SSD完全消除了Proposal的生成过程，将所有的计算统一到一个Network中。并且，其在不同尺度的feature maps上输出bounding boxes，以此来应对目标检测中物体尺寸大小不一的问题。与同为one-stage目标检测的Yolo
转载
2023-11-19 10:28:26
153阅读
本次内容主要讲解什么是支持向量，SVM分类是如何推导的，最小序列SMO算法部分推导。 最后给出线性和非线性2分类问题的smo算法matlab实现代码。 一、什么是支持向量机(Support Vector Machine) 本节内容部分翻译Opencv教程： http://docs.opencv.org/doc/tutorials/ml/introduction_to_svm/introdu
一、安装darknet 1、执行以下命令安装：git clone https://github.com/AlexeyAB/darknet.git
cd darknet
make2、根据官网步骤，进行相关参数的修改即可（以下步骤是参考官网步骤），使用CUDA编译，修改Makefile文件，将GPU=0和CUDNN=0改为1：cd darknet
vim Makefile按“i”键进行插入修改，“Es
一、背景当前深度学习通用目标检测框架分为两大类： SSD的出现是在16年，YOLOv1之后，YOLOv2之前，既然都是one-stage的算法，SSD的出现必然和YOLOv1比试一番。YOLOv1和SSD的主要区别就是，YOLOv1只利用了末端特征图信息，SSD则利用了最后几层特征图综合起来的信息，所以，从理论上说，SSD比YOLOv1的准确度必定更高。二、SSD算法是什么首先说明卷积的
转载
2023-12-15 05:51:31
53阅读
