DCD_LIN的博客

原创 博客目录

深度学习深度学习【1】ubuntu中利用h5py保存训练好的keras 神经网络模型 深度学习【2】Batch Normalization 论文翻译 深度学习【3】keras：保存keras学习好的深度神经网络模型参数为二进制和txt文件 深度学习【4】基于深度循环神经网络（DRNN）的单通道音乐人声分离 深度学习【5】循环神经网络（RNN）反向传播算法（BPTT）理解 深度学习【6...

原创 linux命令行访问samba共享文件夹

sudo mount -t cifs //ip地址/path/to/share path/to/mount命令行解释：mount：挂载命令-t cifs： 用cifs文件系统挂载samba共享文件，如果提示错误的文件系统的话，可能是没有cifs，需要自己安装。【centos：yum install nfs-utils】//ip地址/path/to/share：共享目录路径path/...

原创 深度学习【62】旋转不变性人脸检测PCN

原创 ubuntu下有道词典不能取词

安装完有道后，发现不能划词\取词。在shell终端驱动youdao-dict后进行屏幕取词翻译，显示如下错误：QOpenGLShaderProgram::uniformLocation( qt_Matrix ): shader program is not linked经过调查发现是有道词典找不到显卡驱动问题。在/etc/ld.so.conf.d中的x86_64-linux-gnu_GL....

原创 深度学习【61】centos中caffe找不到cblas,atlas

之前一直在ubuntu下安装的caffe，在centos安装caffe时，发现找不到cblas和atlas。后面发现是因为在centos里面cblas不叫cblas，atlas不叫atlas。而是cblas叫 satlas , atlas叫 tatlas。因此需要在Makefile里相应的地方（大概在393行处）更改一下：将 LIBRARIES += cblas atlas改成： LIBRAR...

原创 深度学习【60】物体检测：CornerNet

很有意思的一篇文章，使用热图来预测bbox的左上角和右下角，这两个边角点的坐标，而不依赖于anchor box。在人体姿态检测和人脸特征点识别领域里面，有不少论文都是使用热图来表示坐标点。由于bbox也是一组坐标点，所以在物体检测应当也可以使用热图来做，该论文便是一个很好的思路。论文的基础网络使用的是HG网络（漏斗网络），并且又两个HG网络堆叠起来，因此模型还是很大的。根据作者提供的训练好的模型文...

原创 深度学习【59】物体检测：yoloV2笔记之预测

yoloV2的预测代码在examples/detector.c中的test_detector函数中。具体步骤为：1、模型、参数、待检测图片等信息的加载2、图片resize，这里使用的是letterbox_image函数。与opencv的resize函数不同的是letterbox不会使物体变形。这边是移植到手机端的一个坑。3、前向传播，获取网络输出，大小为13*13*425（假设，输入为...

原创 深度学习【58】物体检测：yoloV2笔记之训练

之前基于yoloV2做过一段时间的物体检测，当时对yoloV2整个框架了如指掌。由于没有及时写笔记记录一下，现在回过头来很多东西都快忘光了。本篇博客不会记录如何使用darknet训练yoloV2，而更注重的的是整个yoloV2的算法，以及其中的一些细节。废话不多说，我们直接开始。物体检测训练主函数yoloV2的训练函数主函数在examples/detector.c中的train_det...

原创 在git项目中.md文档里面插入图片

假设在git项目中有images目录，images目录中有图片1.jpg。利用命令进行图片插入,显示不是很正常可以用HTML代码添加图片：<p align='center'><img src='images/1.jpg' title='images' style='max-width:600px'></i...

原创 深度学习【57】ShuffleNet V2

这是shuffleNet的一个改进版本。论文分析了影响运行速度的几个因素，然后提出了一些指导原则。总的来说，这是一篇很不错的论文，值得学习。现在很多模型的速度评估都是用FLOPs这个指标，但这个指标用来评价速度是不直接的。因为影响模型速度的因素不仅仅是FLOPs，内存访问操作所消耗的计算（memory access cost，MAC），以及平台因素。对于MAC这种情况，有很多操作会有非常高...

原创 cmake中添加引用动态链接和静态链接库

动态库的添加：link_directories(${PROJECT_SOURCE_DIR}/lib) #添加动态连接库的路径target_link_libraries(project_name -lmxnet ) #添加libmxnet.so静态库的添加：add_library(mxnet STATIC IMPORTED)set_property(TARGET mxnet PR...

原创 深度学习【56】物体检测：YOLOv3: An Incremental Improvement

的

原创 深度学习【55】物体检测：Light-Head R-CNN: In Defense of Two-Stage Object Detector

的

原创 深度学习【54】物体检测：Feature-Fused SSD: Fast Detection for Small Objects

的

原创 深度学习【53】物体检测：Feature Pyramid Networks for Object Detection

的

原创 深度学习【52】物体检测：DSSD : Deconvolutional Single Shot Detector

f

原创 深度学习【51】物体检测：PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection

da

原创 添加mxnet到python搜索路径

export PYTHONPATH=/path/to/mxnet/python/:$PYTHONPATH

原创 深度学习【50】物体检测：SSD: Single Shot MultiBox Detector论文翻译

SSD在众多的物体检测方法中算是比较重要的。之前学习过，但是没过多久就忘了，因此决定将该论文翻译一下，以加深印象。Abstract我们提出了用单个深度神经网络进行物体检测的方法，称为SSD。在每个特征图中的每个位置，SSD将bbox（bounding boxes）离散化成一系列的固定框，每个框有不同的长宽比（aspect ratios）和缩放率（scale）。在预测的时候，网络会为每个de...

原创 3D【24】PCA点云法向量估计

点云法向量的估计在很多场景都会用到，比如ICP配准，以及曲面重建。基于PCA的点云法向量估计，其实是从最小二乘法推导出来的。假设我们要估计某一点的法向量，我们需要通过利用该点的近邻点估计出一个平面，然后我们就能计算出该点的法向量。或者可以这么说，通过最小化一个目标函数（要求的参数为法向量），使得该点与其每个近邻点所构成的向量与法向量的点乘为0，也就是垂直： 正常情况下，我们可以将点c看成...

原创 3D【23】ICP配准：point-to-plane

论文：Linear Least-Squares Optimization for Point-to-Plane ICP Surface Registration 这篇论文不是原始的point-to-plane ICP，只是对线性最小二乘法优化point-to-plane 损失函数的推导。...

原创 3D【22】ICP配准：Efficient Variants of the ICP Algorithm

论文年代比较久远，但是内容很不错。论文从速度和效果上，对比了ICP配准过程的6个步骤中每个步骤的一些方法。最后给出了一个效果不错，并且速度比价快的框架，也称fastICP。...

原创 3D【21】PCL 双边滤波

需要注意的是，该滤波的输入点云必须是有组织的，也就是类似图片那样按照宽高来存放的。因此该滤波一般是对从rgbd生成的点云进行处理的。点云坐标刻度：米。//#include <pcl/filters/fast_bilateral.h>pcl::PointCloud<pcl::PointXYZRGBA>::Ptr result(new pcl::PointCloud&lt...

原创 3D【20】PCL MLS点云平滑

//#include <pcl/surface/mls.h> pcl::search::KdTree<pcl::PointXYZRGBA>::Ptr search(new pcl::search::KdTree<pcl::PointXYZRGBA>); pcl::MovingLeastSquares<pcl::PointXYZRGBA, p

原创 3D【19】PCL VoxelGrid 下采样

VoxelGrid方法是将3D空间划分成多个很小的体素，然后求处在同一体素内的3d点的中心点作为该体素内的唯一一个3d点，通过这样达到下采样目的。所以应该注意的是该方法不是原来点云的子集，因为很多3d点的位置已经变化了。使用方法如下：//#include <pcl/filters/voxel_grid.h>pcl::PointCloud<pcl::PointXYZRGBA...

原创 3D【18】深度信息增强：Real-Time Depth Refinement for Specular Objects

还是RGBD深度信息增强。 未完。。

原创 3D【17】深度信息增强：Real-time Shading-based Refinement for Consumer Depth Cameras

该论文的目的是增强RGBD中的深度信息。未完。。

原创 python 读取opencv yml

好像python安装的opencv2.×版本不能使用FileStorage读取。R = cv2.cv.Load(root+'/'+png1+'.yml',name="transform")R = np.asarray(R)

原创 3D【16】PCL链接到自己的项目时-libvtkproj4 错误

在CMakeList.txt中的target_link_libraries前面加入：list(REMOVE_ITEM PCL_LIBRARIES "vtkproj4")

原创 用locate命令查找文件时，显示已删除文件

更新一下系统的数据库就ok：sudo updatedb

原创 3D【15】ubuntu16.04下openni2安装

pcl也支持openni2，但是需要源码安装openni2。安装完之后重新安装一下PCL就行了（可以查看cmake步骤是否找到openni2）。先安装依赖：sudo apt-get install -y g++ python libusb-1.0-0-dev freeglut3-dev doxygen graphvizsudo apt-get install libudev-dev ...

原创 3D【14】librealsense 安装

在ubuntu16.04下为creative F200深度摄像机安装librealsense。 首先电脑需要有usb3.0的接口。 先安装依赖包：sudo apt-get update && sudo apt-get upgrade && sudo apt-get dist-upgradesudo apt-get install libusb-1.0-0-...

原创 3D【13】在clion中使用PCL

主要是将PCL加入CMakeList.txt中去，不过我还是遇到了一些问题。比如说cmake没有真正的将pcl的头文件目录取进去。 从源码安装好PCL-1.8后，利用find_package(PCL REQUIRED)寻找PCL包，发现能找到，但是include_directories(PCL_INCLUDE_DIRS)无法添加头文件，因此我就自己手动添加。具体是CMakelist.txt如...

原创 3D【12】PCL源码安装

ubuntu 16.04 PCL官网有提供deb安装文件，直接就可以安装。但不知道为什么clion一直找不到pcl的库。然后apt-get install libpcl-dev又没有visualization库，所以只好源码安装了。安装过程中会遇到libpq的一个问题：//usr/lib/libpq.so.5: undefined reference to `SSL_CTX_new...

原创 深度学习【49】Fast End-to-End Trainable Guided Filter

代码：https://github.com/wuhuikai/DeepGuidedFilter 该论文将何凯明的引导滤波思想引入了深度学习。我们都知道引导滤波的引导矩阵，根据不同的任务需要手工选定。在这篇文章里，作者将引导图片作为神经网络的学习的一部分，根据不同的任务会自动学习出该引导矩阵。 在利用神经网络生成图片中，特别是高分辨率图片，一般其速度非常慢，比如pix2pix。该论文在引入引导滤波

原创 深度学习【48】Cartoon Image Generation from Sketch by Using Conditional Generative Adversarial Networks

该论文用GAN给卡通画上色，其基本框架是pix2pix，主要贡献是在pix2pix的基础上加入了feature loss和色彩平滑loss。由于该论文是基于pix2pix的，所以其使用的G网络和D网络都与pix2pix一样： 左边是G网络，使用的是U-net。右边是D网络使用的是patchGAN中的D网络，其输出是一个30*30的矩阵。我们主要看看损失函数。首先是原始的pix2pix的两个损失函数

原创 shell打开一个新的命令窗口并执行命令

gnome-terminal -x bash -c "conda create -n lsfm -c menpo python=3.5 lsfm;exit;exec bash;"安装好miniconda后一般要重新开一个窗口才能使用conda，所以会用到这个命令。

原创 wget下载到指定目录并指定文件名

wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ./tmp/miniconda3.sh下载到tmp文件夹，并命名为miniconda3.sh

原创 shell获取当前目录，并将其赋值给其他变量

假设当前目录为/home/abc/Path=$(pwd)/testPath=/home/abc/test

原创 sed: -e 表达式 #1, 字符 1: 未知的命令：“'”

利用sed更改文件test.txt的第一行为abc：sed -i '1c abc' test.txt但是当将'1c abc'以变量形式传入的时候，如果使用：line=\''1c abc'\'sed -i $line test.txt会出现sed: -e 表达式 #1, 字符 1: 未知的命令：“'”错误。正确命令是：line='1c abc'sed -i "$line" test.txt...