有些代码不应该被忘记-CSDN博客

原创梳理TensorFlow模型在Jetson TX2上进行inference的主要流程

1 内容概述本文档主要内容：梳理TensorFlow模型在Jetson TX2上进行inference的主要流程，涉及到相关软件的安装、依赖库的编译配置以及PC端的深度网络模型在Jetson TX2的移植步骤。2 开发环境注意：PC端和Jetson TX2所使用的TensorRT安装包是不一样的，前者使用的是Tesla GPUs版本，而后者使用的是Jetson Platform

2017-11-29 10:07:16 9693 12

原创 opencv 玻璃镜面缺陷检测，缺陷信息标记及提取

玻璃镜面缺陷检测，包括划痕检测，点缺陷检测，直线检测等。代码程序如下：//////#include //#include //#include //#include //using namespace std;////int main()//{// IplImage *src = cvLoadImage("que.jpg", CV_LOAD_IMAGE_GRAYSCALE)

2017-06-30 19:46:31 27544 16

转载 26条深度学习经验

在本文中，他精炼地总结了学到的26个有代表性的知识点，包括分布式表示，tricks的技巧，对抗样本的训练，Neural Machine Translation，以及Theano、Nvidia Digits等，非常具有参考价值。八月初，我有幸有机会参加了蒙特利尔深度学习暑期学校的课程，由最知名的神经网络研究人员组成的为期10天的讲座。在此期间，我学到了很多，用一篇博客也说不完。我不会用60个

2017-06-15 11:18:32 1575

原创深度学习与计算机视觉梳理思考

前深度学习时代的计算机视觉互联网巨头看重深度学习当然不是为了学术，主要是它能带来巨大的市场。那为什么在深度学习出来之前，传统算法为什么没有达到深度学习的精度？在深度学习算法出来之前，对于视觉算法来说，大致可以分为以下5个步骤：特征感知，图像预处理，特征提取，特征筛选，推理预测与识别。早期的机器学习中，占优势的统计机器学习群体中，对特征是不大关心的。我认为，计算机视觉可以说是机器学习

2017-04-26 16:49:02 886

转载各类识别、深度学习-开源代码文献梳理

可以看看这个 http://blog.csdn.net/workerwu/article/details/46537849Deep Residual NetworksDeep Residual Learning for Image Recognition https://github.com/KaimingHe/deep-residual-networksIdentity Ma

2017-04-25 11:52:57 1229

原创深度学习检测方法梳理

1. R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation技术路线：selective search + CNN + SVMsStep1:候选框提取(selective search)训练：给定一张图片，利用seletive search方法从中提取出2000个候

2017-04-24 18:24:55 5669

转载基于深度学习的单目图像深度估计

作者：buldajs链接：https://www.zhihu.com/question/53354718/answer/207687177来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。基于深度学习的单目深度估计算近年比较火的方向之前搜集过相关的论文，尝试回答一下。 Depth Map Prediction from a Single Ima...

2018-08-21 15:26:15 3231

转载 ubuntu16.04安装opencv3.4.1教程(亲测完全有效)

最近opencv3.4.1发布了，想换个新的试试鲜，于是把配置的过程通过博文的方式记录下来，方便查阅。本教程原为3.3.0，但经过博主亲测，3.4.0、3.4.1皆适用注：如果ubuntu默认下载在Download文件下，后面所有步骤全都不用改！！原文网址：https://blog.csdn.net/cocoaqin/article/details/78163171https:...

2018-07-21 19:51:12 3317 2

原创 GitHub上传文件步骤命令（供自己查看）

git clean -fgit initgit add .git commit -m "提交文件"git pull --rebase origin mastergit remote add origin [email protected]:scutan90/DeepLearning-500-questions.gitgit push -u origin master

2018-06-27 10:36:47 878

转载 TensorFlow实战：Mask R-CNN介绍与实现，instance segmention

目录(?)[+]简介论文地址：Mask R-CNN源代码：matterport - github代码源于matterport的工作组，可以在github上fork它们组的工作。软件必备复现的Mask R-CNN是基于Python3，Keras，TensorFlow。Python 3.4+TensorFlow 1.3+Keras 2.0.8+Jupyt

2017-12-05 08:43:55 5639 2

原创 ubuntu16.04 完整make安装opencv 3.2.0

ubuntu下卸载opencv步骤1. 进入build文件夹，命令行执行make uninstall2. cd ..3. sudo rm -r build4. sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/lo

2017-11-29 10:04:43 1885

原创图像识别和图像分割项目相关步骤

1 数据采集1）不同地点、不同环境、不同天气等复杂环境下采集；2）主要分为：石子路、水泥路、草地、土泥路、模板路、其他；3）使用LI-OV580 双目摄像头采集，像素30-200万可调2 数据预处理参考链接：http://blog.csdn.net/qq_31531635/article/details/71170861图像处理11）数据放射性变换，平移（Trans

2017-08-18 20:03:19 4298

原创 FCN相关问题的一些整理 (FCN VGG Segnet resnet )

1 FCN 相对CNN的优点1) 2014年，加州大学伯克利分校的Long等人提出的完全卷积网络(Fully Convolutional Networks)，推广了原有的CNN结构，在不带有全连接层的情况下能进行密集预测。这种结构的提出使得分割图谱可以生成任意大小的图像，且与图像块分类方法相比，也提高了处理速度。在后来，几乎所有关于语义分割的最新研究都采用了这种结构。2) 除

2017-08-18 09:26:48 18429 2

转载语义分割，ICNet for Real-Time Semantic Segmentation

本文的工作很具有实用价值。本文提出了一个实时性的语义分割网络，Image Cascade Network（ICNet），在兼顾实时性的同时比原来的Fast Semantic Segmentation,比如SQ, SegNet, ENet等大大地提高了准确率，足以与Deeplab v2媲美，给语义分割的落地提供了可能。具体各个网络速度与性能的对比如下图所示：文章首先对语义

2017-07-19 10:51:15 3708

转载深度学习新星：GAN的基本原理、应用和走向

转载自：http://www.leiphone.com/news/201701/Kq6FvnjgbKK8Lh8N.htmlGAN是“生成对抗网络”（Generative Adversarial Networks）的简称，由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年，GAN热潮席卷AI领域顶级会议，从ICLR到NIPS，大量高质量论文被发表和探讨。

2017-07-18 19:59:45 1072

转载 RCNN学习笔记(7):Faster R-CNN 英文论文翻译笔记

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal NetworksShaoqing Ren, Kaiming He, Ross Girshick, Jian Sunreference link：http://blog.csdn.net/liumaolincycle/article/detail

2017-07-14 10:04:49 886

转载 RCNN学习笔记(6)：YOLO

Reference link: http://blog.csdn.NET/tangwei2014这是继RCNN，fast-RCNN 和 faster-RCNN之后，rbg（Ross Girshick）大神挂名的又一大作，起了一个很娱乐化的名字：YOLO。虽然目前版本还有一些硬伤，但是解决了目前基于DL检测中一个大痛点，就是速度问题。其增强版本GPU中能跑45fps，简化版本155fps

2017-07-14 10:03:03 613

转载 RCNN学习笔记(5)：faster rcnn

reference link：http://blog.csdn.net/shenxiaolu1984/article/details/51152614http://blog.csdn.net/luopingfeng/article/details/51245694http://blog.csdn.net/xyy19920105/article/details/50817725

2017-07-14 10:00:57 469

转载 RCNN学习笔记(4)：fast rcnn

以下介绍具体包括如下4个stage算法:1.Rol pooling layer(fc) 2.Multi-task loss(one-stage) 3.Scale invariance(trade off->single scale(compare with multi-scale for decreasing 1mAP) )4.SVD on fc layers(speed up t

2017-07-14 09:59:59 415

转载深度学习之各种优化算法

机器之心编译参与：沈泽江　　梯度下降法，是当今最流行的优化（optimization）算法，亦是至今最常用的优化神经网络的方法。本文旨在让你对不同的优化梯度下降法的算法有一个直观认识，以帮助你使用这些算法。我们首先会考察梯度下降法的各种变体，然后会简要地总结在训练（神经网络或是机器学习算法）的过程中可能遇到的挑战。　　目录：梯度下降的各种变体

2017-07-13 11:04:19 1295

转载 RCNN学习笔记(3):Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net)

基础框架:CNN网络需要固定尺寸的图像输入，SPPNet将任意大小的图像池化生成固定长度的图像表示，提升R-CNN检测的速度24-102倍。固定图像尺寸输入的问题，截取的区域未涵盖整个目标或者缩放带来图像的扭曲。事实上，CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面，改进后的网络如下图所示：SPP是BOW的扩

2017-07-12 10:53:46 407

转载 RCNN学习笔记(2):Rich feature hierarchies for accurate object detection and semantic segmentation

reference link: http://blog.csdn.NET/hjimce/article/details/50187029一、相关理论本篇博文主要讲解2014年CVPR上的经典paper：《Rich feature hierarchies for Accurate Object Detection and Segmentation》，这篇文章的算

2017-07-12 10:52:21 664

转载 RCNN学习笔记(1):Rich feature hierarchies for accurate object detection and semantic segmentation

rcnn主要作用就是用于物体检测，就是首先通过selective search 选择2000个候选区域，这些区域中有我们需要的所对应的物体的bounding-box，然后对于每一个region proposal 都wrap到固定的大小的scale,227*227(AlexNet Input),对于每一个处理之后的图片，把他都放到CNN上去进行特征提取，得到每个region proposal的f

2017-07-12 10:51:18 513

转载 RCNN学习笔记(0):rcnn简介

reference link: http://blog.csdn.NET/shenxiaolu1984/article/details/51066975Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，2010年更带领团队获得终身成就奖，如今供职于Facebook旗下的FAIR。

2017-07-12 10:49:29 335

原创 DCNN-tensorflow（深度卷积）以MNIST集合上进行分类为例

在采用深度卷积网进行MNIST数据集进行分类，准确率达到99.2%左右import tensorflow as tfimport mathimport input_datadef weight_variable(shape): initial = tf.truncated_normal(shape,stddev=0.1); return tf.Variable

2017-07-12 09:07:54 1093

转载循环神经网络(RNN, Recurrent Neural Networks)介绍

循环神经网络(RNN, Recurrent Neural Networks)介绍这篇文章很多内容是参考：http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/，在这篇文章中，加入了一些新的内容与一些自己的理解。循环神经网络(Recurrent

2017-07-11 15:57:44 553

转载免费领取全新30套训练数据集, 包含：“股票数据”、“行人检测常用数据”、“汽车数据集” 点击链接，立即领取： http://mp.weixin.qq.com/s/rm_SBbGSVtrmhJcGUp

免费领取全新30套训练数据集,包含：“股票数据”、“行人检测常用数据”、“汽车数据集”点击链接，立即领取：http://mp.weixin.qq.com/s/rm_SBbGSVtrmhJcGUpBmaQ

2017-07-11 14:54:02 1857 1

转载语义分割中的深度学习方法全解：从FCN、SegNet到各版本DeepLab

图像语义分割就是机器自动从图像中分割出对象区域，并识别其中的内容。量子位今天推荐的这篇文章，回顾了深度学习在图像语义分割中的发展历程。发布这篇文章的Qure.ai，是一家用深度学习来读取医学影像的公司，他们在官方博客上梳理了语义分割中的深度学习方法。他们希望通过这份介绍，能让大家了解这个已经在自然图像处理比较成熟、但是在医学图像中仍需发展的新兴技术。作者

2017-07-11 14:46:43 29171 4

随着科学技术的发展以及硬件计算能力的大幅提升，人工智能已经从几十年的幕后工作一下子跃入人们眼帘。人工智能的背后源自于大数据、高性能的硬件与优秀的算法的支持。2016年，深度学习已成为Google搜索的热词，随着最近一两年的围棋人机大战中，阿法狗完胜世界冠军后，人们感觉到再也无法抵挡住AI的车轮的快速驶来。在2017年这一年中，AI已经突破天际，相关产品也出现在人们的生活中，比如智能机器人、无人驾驶

2017-07-11 14:27:59 11280

转载 CVPR 2016 全部文章摘要阅读

为了说明看过CVPR2016全部文章的摘要，总结一下，摘要只保留了创新点部分。ORAL SESSIONImage Captioning and Question AnsweringMonday, June 27th, 9:00AM - 10:05AM.These papers will also be presented at the following poste

2017-07-05 20:32:31 12411

转载深度学习来做图像分割 Fully Convolutional Networks for Semantic Segmentation (FCNs)

摘要卷积网络在特征分层领域是非常强大的视觉模型。我们证明了经过端到端、像素到像素训练的卷积网络超过语义分割中最先进的技术。我们的核心观点是建立“全卷积”网络，输入任意尺寸，经过有效的推理和学习产生相应尺寸的输出。我们定义并指定全卷积网络的空间，解释它们在空间范围内dense prediction任务(预测每个像素所属的类别)和获取与先验模型联系的应用。我们改编当前的分类网络(AlexN

2017-07-05 20:19:39 25715 1

转载 Tensorflow --VGG网络

1 VGG网络总结感觉就是再alex-net的基础上，研究了下如何加深网络来提高性能的。总体上也是五层卷积加上三层全链接，但是这五层卷积中都会以pooling来分割，且五层卷积尝试叠加多层卷积再一起，并且尝试以更小的核以及提高核的数量来提高网络的性能，比如alex-net的核的大小为11×11×96不等，vgg网络一般都是用3×3的核，但是她核的数量提高了很多，有3×3×256不等，来提高

2017-07-05 20:14:50 2632

原创 Tensoflow--用深度学习来做图像分割 FCNs

1 文章及其地址 Fully Convolutional Networks for Semantic Segmentation (FCNs) http://arxiv.org/pdf/1605.06211v1.pdf2 总述感觉就是在vgg网络的基础上，将最后三层全连接改为cnn，即全都为卷积层了，fully convolutional networks，然后再反卷积，使输

2017-07-05 20:12:03 3496 5

转载 C++生成DLL

一、创建DLL1.生成DLL文件，导出函数，一般有两种方法，一种是在函数声明前面加上__declspec(dllexport)，另一种是用def文件来动态导出函数。这篇写一个用def导出函数的小demo。2.创建makedll文件。（1）.makedll.h[cpp] view plain copy#d

2017-07-04 10:47:57 805

转载微软Google等互联网公司经典面试智力题和解答

一、微软58题 A.逻辑推理 1、你让工人为你工作7天，给工人的回报是一根金条。金条平分成相连的7段，你必须在每天结束时给他们一段金条，如果只许你两次把金条弄断，你如何给你的工人付费？ 2、请把一盒蛋糕切成8份，分给8个人，但蛋糕盒里还必须留有一份。 3、小明一家过一座桥，过桥时是黑夜，所以必须有灯。现在小明过桥要1秒，小明的弟弟要3秒，小明的爸爸要6秒，小明的妈妈要8秒，小明的

2017-07-03 16:48:09 6301 1

转载 OpenCV 检测二维码并定位

注意：该程序功能是检测二维码，不是识别，只是在图中定出二维码的位置即可原图是这样：如果出现这张图片时，程序需要找到二维码其余图片是这样：程序步骤： 1.图片缩小 2.灰度化，直方图均衡化，对比度增强，滤波 3.otsu阈值分割 4.五次膨胀 5.轮廓查找，如果轮廓满足一下条件，认为可能为二维码区域，像素面积大于60，长短轴之比小于1.3

2017-07-03 14:37:04 7302 1

转载 C++相对路径和绝对路径

C++相对路径和绝对路径学习备忘转自：http://www.cnblogs.com/vranger/p/3820783.html 电脑硬盘E盘下，建文件夹“test”，"test"下建立子文件夹“file”，"file"下建子文件夹“data”,电脑资源管理器显示目录 E:\test\file\data当前路径 E:\test\file========

2017-07-03 09:05:25 558

转载机器学习/深度学习工程师速查表大全

Github：https://github.com/kailashahirwar/cheatsheets-aiGithub：https://github.com/kailashahirwar/cheatsheets-ai对新手来说，学习机器学习和深度学习是比较困难的，各种深度学习库也是比较难理解，所以，我创建了这个机器学习和深度学习速查表，希望对多家有帮助：1.Ke

2017-07-03 08:23:40 971

转载多图｜一文看懂25个神经网络模型

在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，也有一些完全不同的怪物。尽管所有这些架构都各不相同、功能独特，当我在画它们的节点图时……其中潜在

2017-07-03 08:20:46 90060 2

原创为什么 PyTorch 这么火？一线开发者这样说

编者按：2017 年初，Facebook 在机器学习和科学计算工具 Torch 的基础上，针对 Python 语言发布了一个全新的机器学习工具包 PyTorch。一经发布，这款开源工具包就受到了业界的广泛关注和讨论，经过几个月的发展，目前 PyTorch已经成为从业者最重要的研发工具之一。PyTorch 为什么如此受欢迎，研究人员是出于怎样的考虑选择了 PyTorch？针对这些问题，我们今天不妨来

2017-06-30 21:37:47 1864

空空如也

空空如也