TEDDY的博客

原创 对深度学习图像处理做个总结

任务类型分：图像分类：目标检测：图像分割：

原创 图像分类---汇总贴

需要的知识点：误分类分析代码篇：分类可视化篇：自我搭建小的网络识别类似于小图片（或者串联级任务小模型，例如：微笑识别模型）经验汇总帖案例汇总贴

原创 TensorRT_Win10上WSL实践篇

煤流检测 yolov8 的分割模型。

原创 新的Ubuntu服务器上如何安装深度学习环境的docker

公司nvidia驱动和环境里的TensorFlow，torch 是不一样的。一开始担心 是不是 要 降级 Ubuntu下的显卡驱动。软件：只安装了nvidia的驱动，能用nvidia-smi查看显卡信息，但是 nvcc -V看不到东西。硬件：联想的双3090显卡 总共 48GB显存 4TB 刀片式服务器。镜像包是 nvidia_cu11_tf15.tar，里面包含。

原创 Vmware 网络恢复断网和连接

vmware 无法将网络更改为桥接状态: 没有未桥接的主机网络适配器。等各种稀奇古怪的问题；

原创 图像通用预处理操作

【代码】图像通用预处理操作。

原创 yolov8模型转onnx模型 和 tensorRT 模型

最后导出的onnx模型在 你原来的 model 目录下。

原创 YOLO终极解析---YOLOV8

选用梯度流更丰富的C2f结构替换了YOLOv5中的C3结构为了轻量化也缩减了骨干网络中最大stage的blocks数同时不同缩放因子N/S/M/L/X的模型不再是共用一套模型参数M/L/X大模型还缩减了最后一个stage的输出通道数进一步减少参数量和计算量。YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。结合CIoU Loss做回归分支的损失函数使得分类和回归任务之间具有较高的一致性。

原创 conda 环境转移到新电脑

有一种较好的方式，就是 把 同事 提前配好的conda环境打包，我这里是 yolov7.tar.gz，复制到 新电脑环境，然后 把它 解压 到 你安装好的 miniconda 的 envs 目录下。在新的Ubuntu下安装 cuda，cudnn的十分麻烦，一不小心就弄错了，无数次重装，可能都环境都没配好。conda activate yolov7 激活环境，不移植到 envs 目录下这些目录都不起作用的。一定要移动到 envs 目录下，这样才能 使用。

原创 ubuntu 20.04设置开机自启动脚本

这行代码规定了这个service在开机启动时所执行的命令是：/etc/rc.local start。即运行 /etc/rc.local 脚本。不过可以看出，这个脚本的内容少了 [Install] 段，也就是说，没有定义如何做到开机启动，所以显然这时这个service是无效的。注意：调用 sh 脚本最后必须加上 & 是让脚本启动后在后台运行的作用， 否则可能会一直卡在开机界面。然后执行以下命令赋予 /etc/rc.local 执行权限，这步一定要有，否则没效果的。下的配置文件, 所以还需要在。

原创 创建一个训练模型 带 GPU的docker

yuto_algorithm： 你docker的 名字，用 docker ps -a 这个命令，看得到。-v /data:/data ： 路径映射，这个很重要， 你算法一定要在 路径映射的那个路径里，nvidia-docker： 如果你想起一个带GPU cuda 的docker，就加上这个。fadada0f5641，镜像名字，一般用公司那个各种环境都安装好了的镜像。--restart= 可以是 always，开机自启动，或者 no。创建一个 有 GPU 的 训练环境。docker才能访问到。

原创 多久啊全局变量报错：Requested setting SITE_NAME, but settings are not configured.

在 foreignODdjango 文件夹里 的 settings.py 定义了几个 全局函数。SITE_DESC="pyhon爱好者,希望和大家一起学习,共同进步"在 manage.py 引用，试一下 全局函数 是否可用。SITE_NAME="hupeng的个人博客"

原创 docker + Django + uWSGI + Nginx 搭建Ubuntu下web服务

目前我的需求是这样子的，一台 研华带显卡的工控机，加3个海康威视的相机，然后 安装docker，部署 打包好的 镜像上去，开启服务，然后用 几张图片或者 测试视频 测一下。jiangjun 小弟 推荐 用 grpc ， 通过字节流传给服务器， grpc是微服务 ，0.0.0.0指的是本机上的所有。，是真正表示“本网络中的本机”。

原创 联想服务器上安装 ffmpeg

源码包进行编译安装，比较麻烦，下面是直接使用apt进行安装：

原创 labelme使用小细节指南

勾选 edit 里的： Keep Previous Annotation。如果以前外接显示器在该显示器打开过，再次打开可能会显示不出来，可以用。alt + 空格键 调出来 最大化，即可显示。命令加上 labelme --autosave。2、自动保存标注文件问题。3、标签自动复制到下一张。4、打分割标签的问题。

原创 新的Ubuntu服务器上如何安装深度学习环境的docker

硬件：联想的双3090显卡 总共 48GB显存 4TB 刀片式服务器。软件：只安装了nvidia的驱动，能用nvidia-smi查看显卡信息，但是 nvcc -V看不到东西。镜像包是 nvidia_cu11_tf15.tar，里面包含。

原创 如何把一个python文件部署为一个微服务

第一步：保证自己的py脚本在本地可以运行起来服务。

原创 VMware虚拟机安装Ubuntu18.0406

前面我已经下载好 Ubuntu，建议在官网下， 速度最快。记得网络一定要选 桥接模式！选NAT 连不上网络。然后参考这篇，我是从。

原创 Ubuntu 虚拟机 安装nvidia驱动失败，进不了系统

在上面那个页面，直接使用组合键：Ctrl + Alt + F3 便可以进入命令行模式。如果可以成功进入，则说明ubantu系统确实起来了，只是界面相关的模块没有成功启动而已。此时， 你要记得你当初 的账号 名字 和密码， 比如 Tan。但是要删除东西，最好 命令 前 加 sudo。

原创 YOLOv8训练自定义数据集(超详细)

准备深度学习环境。

原创 yolov5数据集制作

就是两种 txt：一种是一个图片对应一个txt一种是存储所有图像名称的txt文件提问：labelimg 标签生成的 xxx.jpg 和 xxx.xml VOC数据集(都在一个文件夹里)，怎么生成以上YOLOv5数据集呢？

原创 高斯滤波 中值滤波 均值滤波的区别

图像常常被强度随机信号（也称为噪声）所污染．一些常见的噪声有椒盐（Salt & Pepper）噪声、脉冲噪声、高斯噪声等．椒盐噪声含有随机出现的黑白强度值．而脉冲噪声则只含有随机的白强度值（正脉冲噪声）或黑强度值（负脉冲噪声）．与前两者不同，高斯噪声含有强度服从高斯或。椒盐噪声是指在图像传输系统中由于解码误差等原因，导致图像中出现孤立的白点或者黑点。的噪声．研究滤波就是为了消除噪声干扰。适用于去除通过扫描得到的图像中的。(服从正态分布的噪声)，起到。1 图像滤波的基本概念。各种噪声图像的特征 见。

原创 halcon--- 图像变量---图像 image，区域 region，轮廓 XLD

图像 image不必多说，最终处理，显示都是基于 image 这种类型。区域 Region最终要通过 reduce_domain 的方式 去得到 image 图像，去处理。Region可以理解为符合某些性质像素的子集。 Region的形状可以是任意的，单独的一个点都可成为是一个Region。 Region实例（region.hdev）常见得到Region的算子threshold（）gen_circle (Circle, 200, 200, 100.5) （ge...

原创 halcon---ROI的一些用法

参考我这篇做的笔记鸟叔机器视觉halcon05_Hdevelop图像与ROI_哔哩哔哩_bilibiliregion 和 XLD ，中文即 区域和轮廓。ROI 的 生成的 两种主要方式。ROI 之间 可以做哪些 运算。ROI 配合其他算子 强大的用法。几个halcon不错的网站：http://www.51halcon.com...

原创 人群计数 MCNN 解析 PGCNet

人群计数研究的发展传统的：直接回归计数法--- input(图片)——>outout(人数) 参考目前深度学习主流的： input(图片)——>output(密度图)——>估计人数为什么不基于深度学习的目标检测、原因是目标检测对于密集对象与超小目标对象很难正确识别与准确计数。无法正确给出密集人群的模型与聚集程度。进展 | 密集人群分布检测与计数_Dataset首先对于这个新的细分领域的深度学习可以从这篇文章入门开始：人群计数：从MCNN开始谈起~ - 知乎.

原创 模型训练时，提高数据加载的一些技巧

预处理提速尽量减少每次读取数据时的预处理操作，可以考虑把一些固定的操作，例如 resize ，事先处理好保存下来，训练的时候直接拿来用 Linux上将预处理搬到GPU上加速： NVIDIA/DALI ：https://github.com/NVIDIA/DALI 作者：人民艺术家链接：https://www.zhihu.com/question/307282137/answer/907835663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。IO提速.

原创 SSD网络

two-stage：以R-CNN系列为代表，这类方法通常包括两个部分，第一部分先使用selective search、卷积神经网络等筛选出一些proposal boxes，然后第二部分再对这些proposal boxes进行分类和回归。这就相当于进行了两次分类和回归，因此检测的准确率较高，但是可想而知检测的速度也就比较慢了。 one-stage：以YOLO为代表，这类方法的主要思路就是在图片的不同位置进行密集采样，然后使用CNN网络提取特征并直接进行分类和回归，整个过程只要一步就可完成。这种方法的优势是检

原创 YOLO承上启下---YOLOV2的精进

YOLO v2 也即 YOLO 9000YOLO v2改进的地方0. 主干网络从GoogleNet 换成性能更好的Darknet19.提取特征更细粒度。1. YOLO v2受到faster rcnn的启发，引入了anchor。（anchor是通过在训练集上K-Means方法得到的）2. 引入BN层，训练更快，更稳定，取代dropout防止过拟合，同时提升了mAP值。参考13. 预训练模型先在224×224数据集上训练，最后在448×448数据集上训练10轮，使模型适应检测的448×448

原创 GIT 命令集锦

$ git logls -a$ git clone https://github.com/PaddlePaddle/Paddle.git$ git config --list$ git clone http://172.26.37.17/XXXX-IMD-AI/BatSlitSystem.git$ git checkout -b Rebuiding$ git checkout -b Rebuilding$ git checkout -b Rebuilding$ git pull$ git.

原创 #ifndef 和 #pragma once：防止头文件的重复定义

可以把include 理解为 "把目标文件内容复制到这个位置".你觉得include多次会发生什么?include多次不影响是因为头文件中加了一组宏, 最好能自己理解一下这组宏的意思.另外不推荐使用#pragma once, 因为这个好像只在VS中起作用.　重复包含的影响：在预处理对时候，include相同的文件，预处理器会检查XXX是否有定义再决定要不要复制内容，重复包含会是编译器多检查几次而已。另外在使用增量编译的时候，这个文件变化，所有 include 这个文件的文件都需要重新编译，即使没有

原创 GIOU loss

IOUIOU在0~1之间，两个框完全重合为1，所以 为0时没有重合，即值越低 IOU效果越差IOU loss = 1 - IOU，loss 越小，效果越好，这是 IOU loss 和 IOU 的区别GIoU目标检测中的IOU&升级版GIOU - 知乎IoU的局限性预测框和真实框之间没有重合时，IoU 值为 0， 导致优化损失函数时梯度也为 0，意味着无法优化。当IOU=0时：https://www.zhihu.com/equation?tex=GIOU%3D-1%2

原创 Qt中的动态链接库编程(共享库（Shared Libraries）)

__stdcall、Q_DECL_IMPORT、Q_DECL_EXPORT - 狂奔~ - 博客园Qt中的动态链接库编程(Q_DECL_IMPORT、Q_DECL_EXPORT)_FDMin的博客-CSDN博客_q_decl_exportQt的跨平台特性很好，对于本文的主题——动态链接库的支持也很好。QT对各种平台的动态链接库编程技术都有包装，QT把这种技术统一命名为共享库（Shared Libraries）。通过使用Qt包装过的类和宏，可以编写跨平台的共享库和插件——当然，这只是源代码级别的跨

原创 visual studio里发现的一个有用的快捷键

ctrl + k，o 可以在 c++ .h和。cpp文件之间跳转

原创 C++学习---札记

C++中的delete和delete[ ]的区别所以，new的时候使用了[ ]，那么delete的时候还是使用[ ]吧！

原创 opencv读取图片供pytorch推理——细节记叙

原创 QT疑难点

1. this->state_label.setText(tr("未登录"));timer = new QTimer(this);timer->start(15 * 1000 * 60);->的作用；2. 信号和曹 再温习一遍3.// 定时器设定 timer = new QTimer(this);定时器 是不是 一个后台线程，不阻塞QTUI界面线程3.当前不会命中断点，还没有为该文档加载任何符号VS关于Visual Studio "当前不会...

原创 Python之logging.handlers.TimedRotatingFileHandler

..import osimport loggingimport sysfrom logging.handlers import TimedRotatingFileHandlerimport time LOG_PATH = "logs" def get_logger(name): logger = logging.getLogger(name) if os.path.exists(LOG_PATH): pass else:

原创 如何离线安装pip包（以paddleX为例）

生成离线安装包 安装包有各种依赖，因此生成包可能是生成相关的依赖包和主体的综合体。python项目中必须包含一个 requirements.txt 文件，用于记录所有依赖包及其精确的版本号。以便重新环境部署。使用pip生成：pip freeze >requirements.txt会生成一个requirements.txt文件，安装或升级包后，要更新这个文件。如果要创建这个环境的副本，使用pip:pip install -r requirements.txt　...

原创 python里的log日志记录模块

https://www.cnblogs.com/yyds/p/6901864.html

原创 图像分类模型总结

【结构变迁】LeNet：第一个成功的卷积神经网络。 AlexNet：类似LeNet，层次更深更大。使用了层叠的卷积来抓取特征（通常是一个卷积层马上一个maxpooling层）。 ZF Net：增加了中间卷积层的尺寸，让第一层stride和filter size更小。 VGG：只使用filter size = 3和pooling size = 2 从头到尾堆叠。 GoogLeNet：较少参数量，最后一层用平均池化代替全连接层，top-1成功率提高了0.6%。 ResNet：引入了跨层连接和bat