froot的博客

原创 【论文】Lightweight SSD: Real-time Lightweight Single Shot Detector for Mobile Devices+源码github地址！

本文主要提出了一种新的轻量级目标检测模型Lightweight SSD论文下载地址：scitepress.org/Papers/2021/101880/pdf/index.html包含提出轻量级主干（backbone）结构： MBlitenet提出新的特征融合方法： CFPN提出新的position regression loss（位置回归损失函数）： Biou复现YOLOv4中使用到的数据增强方法： Mosaic提出新的数据增强方式：RGBMixGray源码Github代码仓地址：ht

原创 【tamarin-prover及其他工具】使用时报错commitBuffer: invalid argument (invalid character)

是常见报错情况，其他软件使用时报上述错误也可采用下面的解决手段。进行通信协议安全分析时时报错。和使用工具无关，该报错。，安装完成后，在使用。

原创 【Tensorflow object detection API + 微软NNI】图像分类问题完成自动调参，进一步提升模型准确率！

【Tensorflow object detection API + 微软NNI】图像分类问题完成自动调参，进一步提升模型准确率！

原创 【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解

Strong SORT算法基于经典的Deep SORT模型，并从目标检测模型、表征特征模型和匹配算法等各个方面对其进行了升级优化。

原创 【RK3399Pro-firefly】关于可用的gpio的引脚使用（包含芯片手册引脚查询等内容）

思路需要找到一个系统中存在的gpio引脚，同时在板卡上也能找到它的对应位置。，文档里有的引脚挨个进行尝试，无论是I2C等功能，一般也都是gpio复用的；用户态使用GPIO。

原创 【CS224W】斯坦福图机器学习-相关笔记-Fall 2021

【CS224W】斯坦福图机器学习-相关笔记斯坦福图机器学习-哔哩哔哩课程链接值得参考的github1. 导论，传统的图学习方法（Lecture1，Lecture2）graphs are general language for describing and analyzing entities with relations/interactions.描述和分析实体之间的关系和结构知识图谱仅仅只是图神经网络中的一类networkgraph...

原创 【RKNN Toolkit 1.6.0】在PC端的Ubuntu16.04中安装RKNN Toolkit 1.6.0开发环境

1. 背景目标利用RK3399pro平台，移植深度学习目标检测算法，实现嵌入式平台的深度学习应用本文在PC端的Ubuntu16.04中安装RKNN Toolkit 1.6.0开发环境，方便模型转换（例如从tensorflow平台下的.pb文件转换为RK平台下需要的.rknn文件）2. 实操步骤2.1 利用conda创建新的环境conda create -n [name] #创建名为name的conda环境，如tensorflowsource activate [name] #激活刚才创建

原创 【RKNN-Toolkit-Tensorflow】得到不同模型的box_priors.txt文件（如：rknn-toolkit\example\mobilenet-ssd中）

1. 背景目标利用RK3399pro平台，移植深度学习目标检测算法，实现嵌入式平台的深度学习应用2. 步骤及解决过程2.1 训练所需要的目标检测模型，利用Tensorflow object detection API完成模型的训练验证以及最终将模型转为.pb文件的形式，具体训练过程可参考如下博客：【Tensorflow object detection API】使用SSD-Mobilenet训练模型+ubuntu 16.04+python3（步骤十分清晰！）【COCO数据集】ubuntu16.04

原创 【清华大学课程】曼昆－经济学原理笔记（全集）

1. 交易成本是啥？不同的交易成本不同2. 经济学基本原理10个：十个原理分成了三类问题：（1） 人们怎么做决策（微观经济学）人们面临得失交换（tradeoffs 权衡取舍）得到什么就要付出成本某物的机会成本就是为此放弃的东西（cost）一定是起码两个之间的选择，经济学就是一个选择的过程说A的时候想到B、C等其他考虑，选择的范围很大机会成本就是所有放弃的选择里面成本最高的理性的人思考边际量（margin 换成数学就是要看导数）人们作最优决策时比较边际的成本和收益通过最后一个单位来决

原创 【COCO数据集】ubuntu16.04+python+获取并保存特定的某一类（例如“person”类）

【COCO数据集】获取并保存特定的某一类（例如“person”类）1. 开始直接找到相应的github中保存COCO特定类别的开源轮子：Jalagarto/coco_utils2. 存在问题：save_imgs函数中requests.get(im['coco_url']).content是直接从COCO的URL网络链接中下载这张图片，速度很慢，需要几个小时；采用“科学上网”依旧下载速度很慢。3. 解决办法：利用迅雷等手段快速的将整个COCO数据集从官网下载到本地，利用opencv来从本地直接读

原创 【CS224N-2019】斯坦福CS224N-2019自然语言处理----作业详解

CS224N-2019-Natural Language Processing with Deep Learning-solutions0. github代码仓：CS224N-2019欢迎各位star！！1. course link-课程链接: cs224n2. lecture video(2019)-课程视频链接 : video-bilibili3. 代码拥有详细注释，完美理解各个流程中tensor的shape变化，与理论计算推导过程一一对应！4. 课程相关笔记可见博客：【深度学习】cs

原创 【leetcode】剑指offer专项突击版详解（C++）

题目所在链接：leetcode剑指offer专项突击版1. 整数剑指 Offer II 002. 二进制加法class Solution {public: string addBinary(string a, string b) { int carry = 0; string res; int i = a.size() - 1; int j = b.size() - 1; while(i >= 0 ||

原创 【leetcode】剑指offer专项训练详解（C++）

原创 python 直接赋值、使用切片函数[:]赋值、浅拷贝、深拷贝的区别，详解！

在直接赋值、切片函数、浅拷贝、深拷贝上犯了太多次错，为了记住！my_foods = ['a', 'b', 'c']# 1. 直接赋值: 等价于引用了同一个地址,其实就是对象的引用friends_food = my_food#例子：my_foods.append('d')friends_food.append('e')# 结果是# my_foods = ['a', 'b', 'c','d','e']# friends_food = ['a', 'b', 'c','d','e']# 2.

原创 【5G基础知识】5G网络的架构分析

无线侧：手机或者集团客户通过基站接入到无线接入网，在接入网侧可以通过RTN或者IPRAN或者PTN解决方案来解决，将信号传递给BSC/RNC。在将信号传递给核心网，其中核心网内部的网元通过IP承载网来承载。https://blog.csdn.net/LaoYuanPython/article/details/107143296http://www.openpcba.com/web/contents/get?id=3417&tid=15...

原创 【leetcode】算法入门基础学习计划（详细题解）

278. 第一个错误的版本// The API isBadVersion is defined for you.// bool isBadVersion(int version);class Solution {public: int firstBadVersion(int n) { if(n<0) return false; if(n == 0) return 0; int left = 0; int right

原创 AttributeError：module ‘word2vec-google-news-300’ has no attribute ‘load data’

问题简述：使用如下代码直接获得word2vec-google-news-300，没有办法，因为没有翻墙，所以下不下来：import gensim.downloader as apiwv_from_bin = api.load("word2vec-google-news-300")ps：手动下载下来然后使用上述代码，就会报错AttributeError：module ‘word2vec-google-news-300’ has no attribute ‘load data’解决办法：手动下载

原创 【天池大赛-tf.keras】入门NLP新闻文本分类--采用（Word2vec+ GrandientBoosting）和（Word2vec+LSTM）两种方法！

【天池大赛–tf.keras】入门NLP - 新闻文本分类赛题背景介绍和链接：零基础入门NLP - 新闻文本分类方法1：Word2vec+ GrandientBoosting方法2：Word2vec+LSTM

原创 【TF-IDF】用python根据tf-idf计算一个文档的关键词或者短语的权重，并生成词云

【TF-IDF】用python根据tf-idf计算一个文档的关键词或者短语的权重，并生成词云1. 根据tf-idf计算一个文档的关键词或者短语：代码如下：在这里插入代码片2. 生成词云：代码如下：

原创 【tf-keras】CIFAR10数据集--图像分类准确率达到89.8%--整体分类过程详细分析

在构建深度学习过程最重要的步骤为：（1）模型 （2）损失函数 （3）优化器选择本博客将会从上述步骤，以CIFAR10数据集为代表，利用keras展开描述整体过程；

原创 【Tensorflow 目标检测中数据增强究竟起了什么作用？】探索数据增强的真正作用（通过具体模型+具体数据增强Data Augmentation方式来实例验证）

探索数据增强的真正作用只保留person和car类别，利用该voc数据集进行验证；训练不包含任何数据增强方法的mobilenet-ssd，最终map为：训练只包含random_vertical_flip（#随机垂直翻转）的mobilenet-ssd，最终map为：两个map的差别分析原因：...

原创 【python+Tensorflow】socket通信实战（全网最全面实现介绍！！）

python socket通信

原创 全网最详细解释mAP（Mean Average Precision）----利用Tensorflow Object Detection API中的PASCAL VOC的mAP计算做逐步细节解释！！

1. mAP（Mean Average Precision）首先，VOC数据集对mAP的定义：（1） True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；（2） False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；（3） False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；（4） True negatives(TN):

原创 【opencv-python-tensorflow object detection API】利用opencv读取到rtsp的实时帧，采用目标检测模型对实时视频流进行检测（可用！）

利用tensorflow object detection API来训练适合工作目标检测模型，其中使用和训练方式博客链接如下：【Tensorflow object detection API】使用SSD-Mobilenet训练模型+ubuntu 16.04+python3（步骤十分清晰！）如下代码能够利用opencv实时读取到rtsp的视频流，并且采用多线程方式解决了opencv的花屏问题，将视频流送进目标检测模型，进行目标检测：import threading# 导入各种包import nu.

原创 【opencv-python】利用opencv读取rtsp的实时帧

一开始，直接使用opencv的cv2.VideoCapture直接读取rtsp视频流，但是这样做的缺点是延迟严重、出现掉帧、花屏现象等，原因在于opencv自己有一个缓存，每次会顺序从自己的缓存中读取，而不是直接读取最新帧，代码如下：import cv2cap = cv2.VideoCapture("rtsp://admin:admin@IP地址:端口号/live0")ret,frame = cap.read()while ret: ret,frame = cap.read() .

原创 【tensorflow】利用ckpt文件计算模型的参数量（parameters calculation）

from tensorflow.python import pywrap_tensorflowimport osimport numpy as npimport argparsedef main(args): model_dir = args["model_dir_path"] detecotr = TOD() detecotr.paramstest(model_dir)class TOD(object): def __init__(self):

原创 ubuntu16.04+Tensorflow object detection API+real-time object detection

#导入各种包import numpy as npimport osimport six.moves.urllib as urllibimport sysimport tarfileimport tensorflow as tfimport zipfileimport time from distutils.version import StrictVersionfrom collections import defaultdictfrom io import StringIOfro

原创 【Tensorflow object detection API】训练模型时做数据增强的方法

修改训练所用的config文件： data_augmentation_options { random_horizontal_flip { } } data_augmentation_options { ssd_random_crop { } }可以采用的数据增强方式：normalize_image #归一化random_pixel_value_scale #随机像素值比例random_image_scale #随机图像比例random_rgb_t

原创 【Tensorflow slim API】图像分类训练时在tensorboard中可视化每层卷积的输出结果（便于观察每层输出！步骤清晰有用！）

【Tensorflow slim API】图像分类训练时在tensorboard中可视化每层卷积的输出结果利用tensortflow slim API进行图像分类的步骤参考如下博客：【tensorflow-slim】使用tensroflow-slim训练自己的图像分类数据集+冻成pb文件+预测（本文针对场景分类，手把手详细教学！）具体修改其中的train_image_classifier.py文件如下：# Copyright 2016 The TensorFlow Authors. All Ri

原创 【tensorflow】在使用tensorboard时，突然报错ImportError libcublas.so.9.0

背景情况：训练正常、验证正常，但是在使用tensorboard可视化具体训练情况时，突然报错ImportError libcublas.so.9.0ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory查找网络上的情况，大多数是说tensorflow和cuda的版本不匹配，但是考虑训练和测试过程都正常，因此不同意这个观点最后考虑是动态链接库没有正常链接到，改正的方法就是在环.

原创 【python】批量处理csv和txt文件（csv和txt相互转换+csv的读取和写入+txt的读取和写入）

import cv2import osimport csvcsvfile = open("/home/jari/guoshi/workspace/mobilenetssd/models-master/research/slim/mobilenet_v2_place6/placerightresult.csv","r")reader = csv.reader(csvfile)index = 0for item in reader: print(item[0]) filename

原创 【python3】实现HOG（histogram oriented gradient）并且将结果转换成可视化图像展示

实现HOG（histogram oriented gradient）并且将结果转换成可视化图像展示本博客采用skimage，因为如果直接采用opencv中的HOGDescriptor() ,并不具备将HOG处理后的梯度直方图再结合原图像显示功能，因此使用skimage，代码如下：import cv2import osimport numpy as npfrom skimage import exposurefrom skimage.feature import hogfrom skimag

原创 【Tensorflow object detection API】使用SSD-Mobilenet训练模型+ubuntu 16.04+python3（步骤十分清晰！）

[Tensorflow] 使用SSD-Mobilenet训练模型1. 准备工作从github上克隆tensorflowmodels数据集需要自己制作，关于制作过程在最后会介绍，此处先使用VOC2012数据集;下载原有模型：...

原创 【python3】YOLOv4中的Mosaic数据增强方式代码

YOLOv4中的Mosaic数据增强方式实现代码Mosaic是一种通过混合4张训练图像的数据增强方式，示例如下图，这样做也同时混合了四张图片的语义，目的在于使被检测的目标超出它们普遍的语义，使得模型具有更好的鲁棒性。同时，这样做使得训练时的批量归一化（Batch Normalization，BN）操作一次统计了4张图像，能够很好的降低训练时最大的mini-batch的大小。详细具体步骤代码参考行文最后链接；裁剪图片为了拼接：# Generate sub-image datac

原创 【AI研习社分类相关竞赛】美丽城市--垃圾分类识别

dataimport csvimport osimport cv2filepath = '/home/jari/guoshi/workspace/classgabbage/data/train.csv'file_pathname = '/home/jari/guoshi/workspace/classgabbage/data/train'def read_path(file_pathname, special_filename, clas): #遍历该目录下的所有图片文件 .

原创 【pytorch】Mask-RCNN官方源码剖析(Ⅲ)

模型定义(modeling)-关键部分无论是在前面的训练文件中还是测试文件中，都使用了build_detection_model(cfg)函数来创建模型，该函数可以通过配置文件组合出不同类型的模型，为了了解模型的内部定义细节，需对./maskrcnn_benchmark/modeling/下的文件进行分析：detector 模型定义了入口detectors.py 文件解析：根据给定的配置信息实例化一个generalized_rcnn.py文件解析：...

原创 【pytorch】Mask-RCNN官方源码剖析(Ⅱ)

./maskrcnn_benchmark/structures/定义了检测模式下包含的数据结构：bounding_box.py定义了class BoxList(object) 类，该类用于表示一系列的bounding boxes。这些boxes会以 N * 4大小的tensor来表示。为了唯一确定boxes在图片中的准确位置，该类还保存了图片的维度，另外也可以添加额外的信息到特定的bounding box中，如标签信息。import torch# transposeFLIP_LEFT_RI

原创 【pytorch】Mask-RCNN官方源码剖析(Ⅰ)

【pytorch】Mask-RCNN官方源码剖析

原创 【python3】批量删除voc数据集xml文件里的某些节点，得到单独某一类别的数据集（代码清晰，易操作！）

import xml.etree.cElementTree as ETimport os# VOC 2007 train+valpath_root = "/home/jari/guoshi/tool/personaddcar/trainval/VOCdevkit/VOC2007/Annotations/" CLASSES = ["person","car"]xml_list = os.listdir(path_root)count = 0for axml in xml_list:

转载 【转载】使用TensorFlow object detection API的详细理解教程！！（帮助深入理解）

TensorFlow 训练 CNN 分类器TensorFlow-slim 训练 CNN 分类模型TensorFlow-slim 训练 CNN 分类模型（续）TensorFlow 自定义模型导出：将 .ckpt 格式转化为 .pb 格式