- 博客(95)
- 收藏
- 关注
RSS订阅原创 昇腾modelzoo复现yolov4_v2（模型后处理）
6.pth2onnx.pyimport sysimport onnximport osimport argparseimport numpy as npimport cv2import onnxruntimeimport torchfrom tool.utils import *from models import Yolov4def detect(session, image_src): IN_IMAGE_H = session.get_inputs()[0].sha
2021-07-09 15:21:38
625
原创 昇腾modelzoo复现yolov4_v1（模型训练+网络定义）
参考链接：https://github.com/Tianxiaomo/pytorch-YOLOv4模型训练+推理步骤：1. 下载代码和预训练模型，准备数据2. 数据预处理：使用data_process的脚本进行自己标注的数据进行处理3. 训练模型（需要修改train.py/cfg.py/dataset.py/以及tool中关于数据预处理的相关定义，请看代码去改）4. 测试模型（修改test.py进行预测）5. pytorch模型转onnx模型（修改pytorch2onnx.py）6.
2021-07-09 14:59:09
2771
原创 pytorch实现yolov4_v2（网络模块）
1.CSPdarknet.pyimport mathfrom collections import OrderedDictimport torchimport torch.nn as nnimport torch.nn.functional as F#-------------------------------------------------## MISH激活函数#-------------------------------------------------#cla
2021-07-09 12:26:28
453
原创 pytorch实现yolov4_v1（数据处理+训练测试+转模型）
参考链接：https://blog.csdn.net/qq_44876051/article/details/107665310?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_baidulandingword-2&spm=1001.2101.3001.4242https://www.cnblogs.com/wujianming-110117/p/13845974.htmlpytorch代码实现：https://githu
2021-07-09 11:32:11
1782
6
原创 yolov3_v2（模型训练+后处理）
二、模型训练代码链接：https://github.com/YunYang1994/tensorflow-yolov3本章是复现以上的代码，并自己做了些其他修改，比如数据处理、后处理等，这里只贴出修改过的一些代码，其他代码可从上面链接下载。1.convert_weight.py 下载预训练模型wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.g..
2021-07-08 15:41:35
2785
1
原创 yolov3_v1（数据处理）
参考链接：https://segmentfault.com/a/1190000021794637?utm_source=tag-newesthttps://blog.csdn.net/qq_38232598/article/details/88695454代码：https://github.com/YunYang1994/tensorflow-yolov3一、数据预处理1.数据标注安装labelIme：pip install labelImg在控制台输入labelImg，调出
2021-07-08 15:01:53
445
原创 Linux的基础操作
环境变量：1.放在/home（~/.bashrc）下的环境变量配置文件，只会对当前用户起作用；在/etc（/etc/profile）下的环境变量所有的用户都起作用2.命令显示当前系统定义的所有环境变量：env3.输出当前的PATH环境变量的值：echo $PATH4.新添加环境变量：export PATH=/home/uusama/mysql/bin:$PATH （$PATH代表原来的环境配置）5.在终端输入export只会在当前窗口生效，关闭终端后就失效了；在.bashrc中expor...
2021-07-06 09:11:53
120
原创 tensorflow-gan（集合）
参考链接：https://blog.csdn.net/weixin_41923961/article/details/80686419https://blog.csdn.net/qq_27898631/article/details/87607020https://blog.csdn.net/Sakura55/article/details/81514828https://blog.csdn.net/yunyi4367/article/details/80489962tensorflo.
2021-07-06 09:11:43
247
原创 生成对抗网络——dcgan
参考链接：https://blog.51cto.com/gloomyfish/2348169?source=drhhttps://blog.csdn.net/hiudawn/article/details/80775740https://blog.csdn.net/DLW__/article/details/99942598https://blog.csdn.net/u013250416/article/details/78254444数据集：代码实现1：dcgan--mni
2021-07-06 09:11:17
286
2
原创 生成对抗网络——cgan
GAN：生成对抗网络（Generative Adversarial Networks [4]）主要由生成器 (generator) 和判别器 (discriminator)组成。它的原理也比较清晰，generator 负责输入随机噪声z，输出一个图片 G(z) ，而真实样本x，判别器 D 则用尽全力希望把真实样本和虚假样本区分开来。而 G 则希望产生的 G(z) 以假乱真，欺骗判别器，让其判断不出来。从而有了这么一种对抗的关系。gan的缺点：1.不适合处理离散形式的数据 例如——文本2....
2021-07-06 09:11:09
1243
原创 keras实现LeNet5
1.数据集2.train.pyimport numpy as npimport kerasfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, Conv2D, MaxPooling2D, Flattenfrom keras.optimizers import Adamimport tensorflow as tf
2021-07-05 09:43:02
309
原创 keras实现mobilenet_v2
数据集结构如第一篇文章（keras实现LeNet5）。1.model.pyfrom keras.models import Modelfrom keras.layers import Input, Conv2D, GlobalAveragePooling2D, Dropoutfrom keras.layers import Activation, BatchNormalization, add, Reshapefrom keras.layers import DepthwiseConv2
2021-07-05 09:42:53
1251
3
原创 keras实现resnet50
数据集结构如第一篇文章（keras实现LeNet5）。1.model.py 构造网络# coding=utf-8from keras.models import Modelfrom keras.layers import Input, Dense, BatchNormalization, Conv2D, MaxPooling2D, AveragePooling2D, ZeroPadding2Dfrom keras.layers import add, Flatten, Activ..
2021-07-05 09:42:46
2236
6
原创 keras实现AlexNet、vgg13、vgg16
没有微调参数，训练睁闭眼的效果差。数据集结构如第一篇文章（keras实现LeNet5）。1.model.py 构造了AlexNet、vgg13、vgg16网络#coding=utf-8from keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activation, Flattenfrom keras.layers import Conv2D, MaxPooling2D, ZeroPaddin..
2021-07-05 09:42:38
659
原创 keras实现卷积神经网络——经典网络（LeNet5、AlexNet）
1.LeNet5import numpy as npimport kerasfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, Conv2D, MaxPooling2D, Flattenfrom keras.optimizers import Adamimport tensorflow as tffrom tensor
2021-07-05 09:42:31
374
原创 tensorflow学习--手写tf网络
数据集：1.data_loader.pyimport cv2import osimport numpy as npimport random# f1=open('dataset/train_data.txt','w+')# path='dataset/'# for file in os.listdir(path):# if file.endswith('png'):# line=path+file+' 1'+'\n'# f1.w
2021-07-05 09:42:16
162
原创 tensorflow的简单测试应用
1.验证卷积函数的运算过程"""函数格式：tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu = Noen, name = None)1.input：指需要做卷积的输入图像要求是一个4维的Tensor，shape为[batch, in_height, in_width, in_channels]：batch：训练时一个batch的图片数量in_height：输入图像的高度in_width：输入图像的宽度in_
2021-07-05 09:41:53
1455
原创 tensorflow模型处理（查看节点、模型转换、模型测试）
本章提供了tensorflow模型常用的一些处理方法，包括：tensorboard查看ckpt网络结构tensorboard查看pb网络结构ckpt模型转pb模型pb模型转pbtxt文件测试pb模型pb模型转tflite模型测试tflite模型h5模型转pb模型测试caffe模型1.1 查看ckpt网络结构_v1.py运行脚本在控制台输入命令：tensorboard --logdir=d:/log --host=127.0.0.1浏览器输入：http.
2021-07-05 09:41:47
1126
原创 pytorch实现resnet50（训练+测试+模型转换）
本章使用pytorch训练resnet50，使用cifar数据集。数据集：代码工程：1.train.pyimport torchfrom torch import nn, optimimport torchvision.transforms as transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderfrom resnet50 import ResNet5
2021-07-05 09:41:24
13516
5
原创 tensorflow实现resnet50（训练+测试+模型转换）
本章使用tensorflow训练resnet50，使用手写数字图片作为数据集。数据集：代码工程：1.train.pyimport argparseimport cv2import tensorflow as tf# from create_model import resnet_v2_50from create_model import resnet_v2_50import numpy as npfrom data_loader import get_data, g
2021-07-05 09:41:11
5193
3
原创 tensorflow实现循环神经网络——经典网络（LSTM、GRU、BRNN）
参考链接：https://www.cnblogs.com/tensorflownews/p/7293859.htmlhttp://www.360doc.com/content/17/0321/10/10408243_638692495.shtmlhttp://blog.itpub.net/31555081/viewspace-2221434/https://blog.csdn.net/qq_34000894/article/details/80421007循环神经网络——RNN：..
2021-07-02 14:00:39
1395
原创 tensorflow实现卷积神经网络——经典网络（LeNet5、AlexNet、VGG-16、ResNet）
网络介绍：https://blog.csdn.net/loveliuzz/article/details/79131131https://blog.csdn.net/jiaoyangwm/article/details/800116561.CNN---LeNet5https://blog.csdn.net/happyorg/article/details/78274066https://www.cnblogs.com/chizi15/p/9808330.htmlhttps://b
2021-07-02 13:58:33
523
原创 深度学习 网络训练技巧
网络训练技巧：1.数据增强：缩放、随机位置截取、翻卷、随机旋转、亮度、对比度、颜色变化等方法。2.学习率衰减：随着训练的进行不断的减小学习率。例如：一开始学习率0.01，在10000步后降为0.001。用法：lr = tf.cond(tf.less(step, 10000), lambda: 0.1, lambda: 0.01)3.dropout：一般用在全连接层。用法：tf.nn.dropout4.正则化：有L1和L2正则化，较多的是L2正则化，引入正则化相当于在loss函数上面加上
2021-07-02 13:57:30
885
原创 AdaBoost和随机森林算法实现（sklearn调用）
代码实现：AdaBoostfrom numpy import *import numpy as npimport cv2import matplotlib.pyplot as pltimport pandas as pdimport timefrom numpy import *from sklearn.metrics import accuracy_scorefrom sklearn.ensemble import AdaBoostClassifierfrom sklearn.m
2021-07-02 13:56:54
486
原创 手部姿态检测（按帧）
目的：识别手部在脸上的动作，比如：涂眼霜、涂水乳、敷面膜、没动作方法1：svm数据集：20-30人，3w+张图片准确度：0.85（opencv的手部特征检测器不准）训练技巧：1.分别选取稳定的几个点代表整个手部，脸部也是如此2.坏帧清洗，自动剔除没有检测到手或者图片模糊导致检测不准的帧3.数据做归一化处理特征：1.计算手部中心点和脸部中心点的欧氏距离2.计算指尖中心点到内眼角的欧氏距离3.计算指尖与眼睛的y轴距离4.计算手部和脸部所有关键点向量的欧式距离5.计算手部和
2021-07-02 13:56:14
971
原创 手部姿态检测（按视频段）_v1（数据处理）
参考时空图卷积，加上了空间信息，把二维的坐标点加上时间帧的维度，形成三维的矩阵数据。方法2：st-gcn、hcn、2s-agcn数据集：20人，7k+段视频准确度：0.95训练技巧：1.自动清洗数据，判断人脸检测是否变形，判断一段视频的有效帧是否足够2.尝试了1s/2s/4s视频进行预测，最终选择2s 64帧作为一条数据，有15帧有效则数据可用，否则是无效数据3.数据预处理，把一段视频的所有帧，脸部和手部的检测点转化成3维数据（2d坐标+置信度），等于加上时间信息数据处理步骤：
2021-07-02 13:55:24
427
原创 手部姿态检测（按视频段）_v5（模拟现网 模型集成_stgcn）
目前最优：1.2s-agcn放弃，清洗不清洗都比不上另外两个；2.若是清洗，选择hcn更好； 2s-15帧3.若是不清洗，选择stgcn更好。 2s-15帧，取所有64帧最终使用：stgcn视频获取规则：1.按视频段推进，预测完一段视频后，可以选择经过一个间隔期，然后从新找一段视频，进行预测；2.按视频帧推进，预测完一段视频后，滑窗推进n帧（5/10？），得到新的一段视频，进行预测。预测规则：1.预测n段视频，得到n个预测结果，取出现次数最多的label作为最终结果；2...
2021-07-02 13:52:17
517
原创 手部姿态检测（按视频段）_v4（2s-agcn）
参考链接：https://github.com/lshiwjx/2s-AGCNhttps://blog.csdn.net/zahidzqj/article/details/95813290https://www.jiqizhixin.com/articles/2020-01-15-142s-agcn（双流自适应图卷积）：1.2019年提出的一种新的自适应图卷积网络，改进了stgcn的一些缺点2.双流是：分别训练关节(单个关键点)和骨骼(两个关键点之间)，然后把两个模型的softmax
2021-07-02 10:58:48
760
4
原创 手部姿态检测（按视频段）_v3（hcn）
参考链接：https://github.com/huguyuehuhu/HCN-pytorchhcn（分层共现网络）：1.2018年提出，早于st-gcn2.区别于GCN和RNNs，这是基于CNN的骨骼行为识别3.通过维度转换，实现了对通道的卷积处理，建立了任意两个节点之间的可学习权重连接，将图当成强连通图对待试验结果：代码工程：本文只贴出三个文件，数据处理+训练+测试，其他的可从参考链接下载。data.py 数据处理from torch.util..
2021-07-02 10:37:03
444
原创 手部姿态检测（按视频段）_v2（stgcn）
参考链接：https://github.com/yongqyu/st-gcn-pytorchhttps://www.cnblogs.com/shyern/p/11262926.htmlhttps://blog.csdn.net/qq_36893052/article/details/79860328https://www.zhihu.com/collection/437834930网络特点：stgcn（时空图卷积）：1.2018年提出，网络由九层时空图卷积，一共有9个时间卷积核，
2021-07-02 09:42:33
1176
原创 c语言实现 基础矩阵运算
参考链接：https://blog.csdn.net/qq_41649694/article/details/81432663https://blog.csdn.net/Gou_Hailong/article/details/98329113?utm_medium=distribute.wap_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.nonecase&depth_1-utm_source=distribute.wap
2021-07-01 17:28:21
420
2
原创 运动状态识别（python转c）
由于算法要运行在手表上，算力和内存空间有限，需要进行内存压缩和c代码实现。Status_detection.c 状态识别（计算步数+分段滤波）#include <stdio.h>#include <stdbool.h> #include <math.h>#include <stdlib.h>#define buf_p 7#define EPS 0.000001float g_Tx[250], g_Tx1[250];float..
2021-07-01 17:19:59
733
原创 C++ 读取文件夹图片的方法
#include<io.h>#include<iostream>#include<vector>#include <fstream>using namespace std;void get_image_names(std::string file_path, std::vector<std::string>& file_names){ intptr_t hFile = 0; _finddata_t fileInfo..
2021-07-01 17:13:06
1562
原创 手表运动状态识别（静止/走路/跑步）_数据样例
原始数据：包括acc和gyro的三轴数据样例1：走路数据{"accX":[458,490,546,560,612,582,489,522,550,524,0,0,0,0,0],"accY":[65044,65077,65091,65099,65121,65140,64951,64894,64897,65005,0,0,0,0,0],"accZ":[4123,4090,4046,4002,3941,4020,4041,3972,3973,4015,0,0,0,0,0],"bleIndex":1,"g
2021-07-01 17:09:41
1514
原创 手表运动状态识别（静止/走路/跑步）_v2（使用传统处理方法）
目的：人在穿戴手表的时候，通过6轴传感器采集到三个方向的加速度acc和角速度gyro，以此检测人体的运动状态，是处于静止（坐着）、走路或跑步状态。方法2：传统处理方法数据集：20-30人准确度：0.99具体步骤：1.使用低通滤波去噪，获得平滑的曲线2.寻找所有的波峰波谷，修正波峰波谷3.计算相邻的距离和高度，判断是否走路备注：目前仅用了a0的信号数据效果图：静止样例1静止样例2运动样例1运动样例2信号滤波+寻找波峰波谷:import
2021-07-01 16:44:13
2008
3
原创 手表运动状态识别（静止/走路/跑步）_v1（使用机器学习方法）
目的：人在穿戴手表的时候，通过6轴传感器采集到三个方向的加速度acc和角速度gyro，以此检测人体的运动状态，是处于静止（坐着）、走路或跑步状态。方法1：随机森林（AdaBoost/单一决策树/随机森林/极限随机树）数据集：20-30人准确度：0.95尝试特征：夹角余弦、方差、梯度、中位数、波峰值、平方根、累计加速度训练技巧：1.数据解析+清洗，使用滑窗方式，间隔20个点2.下采样间隔取点，归一化，pca降维原数据结构：清洗后数据结构：先介绍方法1，使用机器学
2021-07-01 15:58:29
1453
2
原创 图像裁剪和拼接（普通版、overlap版）
图像切块（普通版）from PIL import Imageimport osdef mkdir(path): folder=os.path.exists(path) if not folder: os.makedirs(path)path='img/test2/src/'save_cut='img/test2/cut/'save_resize='img/test2/resize/'n=0files=os.listdir(path
2021-07-01 10:40:37
2117
3
原创 tensorflow实现deblurgan_v1
参考链接：https://blog.csdn.net/z704630835/article/details/84135277https://github.com/dongheehand/DeblurGAN-tf数据集：代码实现：data_loader.pyimport tensorflow as tfimport osclass dataloader(): def __init__(self, args): self.channel
2021-07-01 10:27:53
469
原创 keras实现deblurgan-v1（图像去模糊）
参考链接：https://blog.csdn.net/dcrmg/article/details/82892909https://blog.csdn.net/leviopku/article/details/83818997棋盘效应：https://blog.csdn.net/qq_34622844/article/details/88936690https://github.com/KupynOrest/DeblurGAN/issues/41代码实现：train.py
2021-07-01 10:10:52
518
原创 tensorflow-gan（集合）
参考链接：https://blog.csdn.net/weixin_41923961/article/details/80686419https://blog.csdn.net/qq_27898631/article/details/87607020https://blog.csdn.net/Sakura55/article/details/81514828https://blog.csdn.net/yunyi4367/article/details/80489962tensorflow
2021-07-01 09:30:13
398
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人