红黑树

原创 人工智能简介

人工智能是用人工的方法在机器（计算机）上实现的智能

原创 C\C++小知识

记录C\C++中的一些小知识点

原创 C++学习系列1:#include＜＞和#include““的区别

include＜＞和#include““的区别#include“”优先从自己定义的源文件中查找，找不到之后才去标准库文件中查找。#include<>优先从引入的标准库文件中查找。<>里面一般都放标准库.h。...

原创 C++快速排序

#include <iostream>using namespace std;void fast_sort(int *input, int left, int right) { if (left >= right) { return; }// from lower to higher int base = input[left]; int i = left; int j = right; int tmp;

原创 YoloV3详解

目录paper网络结构图数据处理Default anchorsLossFunction LossReferencepaperhttps://arxiv.org/pdf/1804.02767v1.pdf网络结构图性能上远超Darknet-19，但在效率上同样优于ResNet-101和ResNet-152。下表是在ImageNet上的实验结果：数据处理train_pipeline = [ dict(type='LoadImageFromFile', to_float32=True),

原创 解决pycharm中文乱码问题

问题：pycarm里面的中文，没有办法正常显示原因：因为Pycharm会使用系统默认的字体，所以当系统中没有这个字体的时候，他就没法显示解决办法：sudo yum -y install fontconfig （安装字体库）安装完成后，在/usr/share目录就可以看到fonts和fontconfig目录了寻找中文字体（可以在windows里面找，路径：C:\Windows\Fonts）cd /usr/share/fonts && sudo makedir chinese

原创 pycharm，python模板

# -*- coding: utf-8 -*- ##--------------------------------------------------------# @Author: Lintao# @Date: ${DATE} ${TIME}# @Version 1.0# --------------------------------------------------------```

原创 Linux相关功能介绍

Linux相关功能介绍主要记录一下与Linux相关的命令以及遇见的一些问题（都在Centos上面实验过）挂载硬盘主要用来挂载插在机器上面的硬盘 操作步骤fdisk -l # 查看挂载盘的节点名称 mount 节点名称 挂载目录 问题报错：mount: /mnt/test not mounted or bad option 使用：lsblk -f 查看一下磁盘系统格式 挂载有节点名称的那个分盘 报错：Read-only file system mount -o re

原创 gitlab本地Centos 7 服务器搭建

gitlab本地Centos 7 服务器搭建安装gitlab：安装sshsudo yum install -y curl policycoreutils-python openssh-server将SSH服务设置成开机自启动，安装命令：sudo systemctl enable sshd启动SSH服务，安装命令：sudo systemctl start sshd安装防火墙sudo yum install firewalld systemd -y开启防火墙，安装命令：sud

原创 Docker部署Flask服务说明

Docker部署Flask服务说明Flask codeimport imageiofrom flask import Flask, jsonify, requestapp = Flask(__name__)def parse_video_stream(): file_obj = request.files['file'].stream.read() file_name = request.files['file'].filename video_reader = im

原创 Centos 挂载Nas

Centos 挂载Nas1. 安装nfs协议工具sudo yum -y install nfs-utilsshowmount -e 172.16.2.151 ，结果显示如下(base) [root@localhost ]# showmount -e 172.16.2.151Export list for 172.16.2.151:/2/VIDEO 172.16.0.0/16/1/PUBLIC 172.16.0.0/16,10.0.10.0/24(base) [root@localh

原创 多个Git配置多个ssh密钥

多个Git配置多个ssh密钥同一台电脑的同一个ssh共钥无法配置到多个github账号。例如公司的电脑ssh公钥配置到公司的github账号后，无法在使用同一个公钥配置个人的github账号。这时候需要生成多个ssh密钥，分别配置给不同的github账户生成新的ssh keycd ~/.sshssh-keygen -t rsa -f "test"-f 给新生成的密钥自定义命名，否则生成的是默认密钥：id_rsa与id_rsa.pub 它会覆盖掉现有的默认密钥执行完成后，会在 ~/.ssh

原创 tmux简单使用

tmux简单使用tmux的会话新建会话简单启动会话：tmux (默认名字是数字，e.g: 0、1、2 …)给会话命名启动：tmux new -s 会话名字退出会话关闭并退出：ctrl + d后台运行：ctrl + b d查看会话列表终端查看tmux会话：tmux ls会话环境查看会话列表：ctrl + b s进入一个后台运行会话从终端进入：tmux a -t 会话名字从会话中进入：ctrl+b s 查看需要进入那个会话销毁会话从终端中销毁会

原创 cmake学习

参考资料https://www.hahack.com/codes/cmake/https://github.com/wzpan/cmake-demoDemocmake_minimum_required(VERSION 3.14) # 最低版本要求project (Test) # 项目名称SET(CMAKE_C_COMPILER g++) # 设置编译器为g++或者gcc，可以用默认add_compile_options(-std=c++11) # 设置编译器的

原创 git 添加默认配置颜色

git config --global color.status autogit config --global color.diff autogit config --global color.branch autogit config --global color.interactive auto

原创 Python + opencv 操作远程IP摄像头

#!/usr/bin/env python'''Usage:------ ipcam.pyKeys:----- ESC - exit'''# Python 2/3 compatibilityfrom __future__ import print_functionimport sysPY3 = sys.version_info

原创 SSD详解

文章目录数据增强网络结构图Loss训练参数数据增强每一次训练都是随机在以下操作中选取一种用原始图像与目标的overlap的0.1, 0.3, 0.5, 0.7, 0.9中选取一个patch随机采样一个patch网络结构图Loss训练参数...

原创 激活函数总结

目录sigmoidTanhsoftplusReLU(Rectifier Linear Unit)系列ReLULeaky ReLU/ PReLU/ RReLUBReLU(Bounded ReLU)ELUSELUGELUSwishMishMaxoutReferencesigmoid公式：f(x)=11+e−xf(x) = \frac{1}{1 + e^{-x}}f(x)=1+e−x1​图像：Tanh公式：f(x)=ex−e−xex+e−xf(x) = \frac{e^x - e^{-x}}{e

原创 yolov3 详解

目录paper网络结构图数据处理Default anchorsLossFunction LossReferencepaperhttps://arxiv.org/pdf/1804.02767v1.pdf网络结构图性能上远超Darknet-19，但在效率上同样优于ResNet-101和ResNet-152。下表是在ImageNet上的实验结果：网络详细结构图：网络简版结构图：数据处理...

原创 SSD 详解

目录paper网络结构图数据处理数据增强Default anchorsLossMatching Strategy 匹配策略Hard Negative Mine 困难负样本挖掘Function LossReferencepaperhttps://arxiv.org/pdf/1512.02325.pdf网络结构图简版：详细版：特点：Multi-scale feature maps for...

原创 torchviz 可视化pytorch

目录installuseinstallsudo apt-get install xdg-opensudo apt-get install graphvizpip install graphvizusefrom torchviz import make_dot x = Variable(torch.randn(1, 3, 300, 300))y = net(x)vis_graph ...

原创 C\C++ google style

原创 Deep-learning 论文总结

https://handong1587.github.io/categories.html#deep_learning-ref

原创 Object-Detection-Loss

文章目录Smooth L1 Loss作用数学公式优点缺点IOU Loss算法介绍优点GIOU Loss算法介绍优点DIOU And CIOU Loss算法介绍DIoU(Distance-IoU)算法优点CIOU Loss(Complete-IoU)算法优点Reference:Smooth L1 Loss作用当预测框与 ground truth 差别过大时，梯度值不至于过大；当预测框与 ground truth 差别很小时，梯度值足够小。数学公式损失函数对X的导数分别为：方程 (4)，

原创 Yolov3

论文链接地址：https://pjreddie.com/media/files/papers/YOLOv3.pdfYOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax网络结构：　　Feature Extractor(darknet-53)：　　　　这个新型网络在性能上远超Darknet-19，但在效率上同样优于ResNet-...

原创 RCNN，Fast RCNN，Faster RCNN的发展历程自我理解

这三种网络结构主要是用于物体的检测以及识别。一、RCNN：　　首先使用搜索算法(SelectiveSearch)在图像上面选取出来大约2k个候选框，然后将这些候选框都送入到网络中进行特征提取，然后在对其进行分类与回归。RCNN存在三个明显的问题：1)多个候选区域对应的图像需要预先提取，占用较大的磁盘空间；2)针对传统CNN需要固定尺寸的输入图像，crop/warp(归一化)产生物体...

原创 C++ 特性

C++ 是高级语言，但是高级语言运行的时候都需要翻译。翻译的方式有两种：解释器和编译器　　解释器：解释器读取高级语言程序并执行程序语句，采取的是逐行翻译的方式，每读一行就执行该行，然后读取下一行，交替进行的。　　编译器：编译器读取高级语言程序，并在执行程序命令之前将源代码全部编译好。这种情况下，高级语言称为源代码，而编译之后的程序称为目标代码或者可执行程序。术语表：解决问题(pr...

原创 opencv3 学习笔记（形态学转换）

1、腐蚀：整幅图的白色区域将减少2、膨胀：整幅图的白色区域将增大3、开运算：先腐蚀后膨胀，被用来去除噪音4、闭运算：先膨胀后腐蚀，一般被用来填充图像中的小洞5、形态学梯度：就是一幅图像膨胀与腐蚀的差别，可以拿到图像中前景物体的轮廓6、礼帽：原始图像与进行开运算之后得到的图像的差7、黑帽：原始图像与进行闭运算之后得到的图像的差 ...

原创 opencv3 学习笔记（Canny边缘检测：cv2.Canny()）

1、原理：　　1.1 噪音去除　　　　由于边缘检测很容易受到噪音的影响，所以第一步就是使用高斯滤波器(5x5)去除噪音　　1.2 计算图像的梯度　　　　对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数(图像梯度)(Gx和Gy)。根据得到的这两幅梯度图找到边界的梯度和方向。公式如下：　　　　　　梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两条对角线...

原创 C++ 学习笔记（指针）

字符串是以‘\n’作为终止符的，所以字符数组的大小比单词的字符数多一个。每一个变量都有一个内存位置，每一个内存位置都定义了可使用连字号(&)运算符访问的地址，他表示了内存的一个地址。什么是指针：　　指针是一个变量，其值为另一个变量的地址，既内存位置的直接地址。就像其他变量或常量一样，必须使用指针存储其他变量地址之前，对其进行声明。指针变量声明的一般形式为：type *var-nam...

原创 tensorflow 数据处理

读取图片的方法(三种)：　　第一种：直接把图片看做是一个图片直接读取进来，先获取图片的原始数据，然后在解码　　　　import tensorflow as tf　　　　image_raw_data = tf.gfile.FastGFile("./test.jpg").read()　　　　image = tf.image.decode_jpeg(image_raw_data)　　　　im...

原创 tensorflow 常见的错误

一：OutOfRangeError (see above for traceback): FIFOQueue '_1_batch/fifo_queue' is closed and has insufficient elements (requested 32, current size 0)　　当出现这种错误的时候，肯定是队列中出了错误，可以仔细的检查，是否是路径错了，图片转化错误，还是la...

原创 tensorflow 读取器

TensorFlow 读取器：　　tf.ReaderBase：这是所有不同读取器的基类，每一步产生一个记录值。　　tf.TextLineReader：一个输出由换行符分隔的文件行的阅读器，用于读取有换行符的文件　　tf.WholeFileReader：一次性读出整个文件的所有内容作为文件值。(常见)　　tf.TFRecordReader：这是一个用于读取tfrecords文件的读取器。(...

原创 Python 文件之间的循环调用问题

运行A.py，会发现报错：ImportError: cannot import name b运行B.py，会发现报错：ImportError: cannot import name a代码：A .py# coding:utf-8from B import bdef a(): print "A file"if __name__ == '__main__': b()B.pyf...

原创 YOLOv2

论文地址：https://arxiv.org/abs/1612.08242网络结构：　　大多数检测框架依赖于VGG-16作为的基本特征提取器。VGG-16是一个强大的，准确的分类网络，但它是不必要的复杂。在单张图像224×224分辨率的情况下VGG-16的卷积层运行一次前馈传播需要306.90亿次浮点运算。YOLO框架使用基于Googlenet架构的自定义网络。这个网络比VGG-16更快，一...

原创 RFBNet

论文链接：https://arxiv.org/abs/1711.07767RFBNet整体是在SSD的基础上面进行修改的网络结构：和SSD不同的是：1、主干网上用两个RFB结构替换原来新增的两层。2、conv4_3和conv7_fc在接预测层之前分别接RFB-s和RFB结构。引入RFB的出发点通过模拟人类视觉的感受野加强网络的特征提取能力Inception：通过采用不同的bran...

原创 Ubuntu 装机配置

#!/bin/bash# gain apt lock.sudo rm -rf /var/lib/dpkg/locksudo rm -rf /var/cache/apt/archives/locksudo rm -rf /var/lib/apt/lists/lock# configure apt proxy.cat>/etc/apt/apt.conf<<EOFAcquire...

原创 归一化之BatchNorm、LayerNorm、InstanceNorm、GroupNorm

BN，LN，IN，GN从学术化上解释差异：　　BatchNorm：batch方向做归一化，算NHW的均值，对小batchsize效果不好；BN主要缺点是对batchsize的大小比较敏感，由于每次计算均值和方差是在一个batch上，所以如果batchsize太小，则计算的均值、方差不足以代表整个数据分布；　　LayerNorm：channel方向做归一化，算CHW的均值，主要对RNN作用明显；　...

原创 目前常见的权重优化方式

常量初始化 把权值或者偏置初始化为一个常数，具体是什么常数，可以自己定义positive_unitball初始化 让每一个神经元的输入的权值和为 1，例如：一个神经元有100个输入，让这100个输入的权值和为1. 首先给这100个权值赋值为在(0，1)之间的均匀分布，然后，每一个权值再除以它们的和就可以啦。这么做，可以有助于防止权值初始化过大，从而防止激活函数(si...

原创 决策树算法（ID3）

决策树：　　决策树又称为判定树，是运用于分类的一种树结构，其中的每个内部节点代表对某一属性的一次测试，每条边代表一个测试结果，叶节点代表某个类或类的分布。决策树的决策过程需要从决策树的根节点开始，待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶子节点作为最终的决策结果。ID3：　　ID3算法是由Ross Quinlan提出的决策树的一种算法实现，以信息论为...