<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[BBZZ2的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/BBZZ2</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; BBZZ2]]></copyright><item><title><![CDATA[TMS320F28377原理图]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/144668334</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/144668334</guid><author>BBZZ2</author><pubDate>Mon, 23 Dec 2024 15:29:36 +0800</pubDate><description><![CDATA[要学习的一款DSP芯片是TMS320F38377d的原理图，该芯片是美国TI（德州仪器）公司规模化量产的最新C-2000系列DSP芯片，如下图所示

该芯片采用1.2V的内核电压和3.3V的I/O电压，主频高达200MHz，包括1M的Flash闪存和204K的RAM，拥有4个片上12/16位ADC模数转换器、3个片上DAC数模转换器、4个SCI/UART串行通信接口、6通道DMA直接内存访问控制器等丰富的外设，]]></description><category></category></item><item><title><![CDATA[TMS320C6713 数字信号处理器（DSP）原理图及代码]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/144476344</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/144476344</guid><author>BBZZ2</author><pubDate>Sat, 14 Dec 2024 21:09:12 +0800</pubDate><description><![CDATA[TMS320C6713 是德州仪器（TI）推出的数字信号处理器（DSP）产品。它具备高性能、低功耗、灵活性强和处理速度快等特点，可应用于音视频信号处理、通信信号处理、控制系统、医疗器械等多个领域。其原理是利用高速时钟和多路运算器进行信号的采样、滤波、FFT、时域分析等复杂运算，采用紧凑型指令集和高度优化架构，实现高效内存管理和快速数据通信以提供高性能实时操作。在音频处理方面可实现音乐解码、编辑、转换等功能，在视频方面可实现高清视频压缩等功能，是一种应用广泛且可靠性高的数字信号处理器，未来还有望进一步升级拓展]]></description><category></category></item><item><title><![CDATA[基于DSP芯片TMS320F2812的振镜式激光打标控制系统设计]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/144251047</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/144251047</guid><author>BBZZ2</author><pubDate>Wed, 04 Dec 2024 21:54:30 +0800</pubDate><description><![CDATA[DSP  二氧化碳激光高速振镜控制器]]></description><category></category></item><item><title><![CDATA[实时"头发-面部皮肤"分割与人脸肤色分类]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/103821149</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/103821149</guid><author>BBZZ2</author><pubDate>Fri, 03 Jan 2020 15:24:01 +0800</pubDate><description><![CDATA[一种基于深度卷积神经网络（DCNN）用于于头发和面部皮肤实时分割方法
原创 imalg图像算法 发布于2020-01-03 10:38:47 阅读数 7 收藏
展开

团队信息

摘要

现代的语义分割方法通常过于关注模型的准确性，因此引入繁琐的主干，这会带来沉重的计算负担和内存占用。为了解决这个问题，作者提出了一种基于深度卷积神经网络（DCNN）的高效分割方法，用于头发和面部皮肤分割任务，该方法...]]></description><category></category></item><item><title><![CDATA[Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty for Autonomo]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/102925656</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/102925656</guid><author>BBZZ2</author><pubDate>Tue, 05 Nov 2019 22:13:31 +0800</pubDate><description><![CDATA[论文：Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty for Autonomo

2019-10-31 11:10:55_123杨子江阅读数 82更多

分类专栏：图像处理目标检测追踪相关

原文链接：https://mp.weixin.qq.com/s/UPo44DI...]]></description><category></category></item><item><title><![CDATA[pytorch-yolov3  train  报错]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/101022935</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/101022935</guid><author>BBZZ2</author><pubDate>Thu, 19 Sep 2019 14:53:59 +0800</pubDate><description><![CDATA[UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool insteadhttps://github.com/eriklindernoren/PyTorch-YOLOv3/blob/master/models.py#L191

将model.py

obj_mask转...]]></description><category></category></item><item><title><![CDATA[目标检测网络之 YOLOv3]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/83105024</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/83105024</guid><author>BBZZ2</author><pubDate>Wed, 17 Oct 2018 09:44:49 +0800</pubDate><description><![CDATA[ 



yolo-idea

 

本文逐步介绍YOLO v1~v3的设计历程。

YOLOv1基本思想

YOLO将输入图像分成SxS个格子，若某个物体 Ground truth 的中心位置的坐标落入到某个格子，那么这个格子就负责检测出这个物体。



yolo-grid-predict

 

每个格子预测B个bounding box及其置信度(confidence score)，以及C个类...]]></description><category></category></item><item><title><![CDATA[基于讯飞语音，百度语音，图灵机器人树莓派的智能语音机器人mic]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/83060606</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/83060606</guid><author>BBZZ2</author><pubDate>Mon, 15 Oct 2018 16:23:18 +0800</pubDate><description><![CDATA[基于讯飞语音，百度语音，图灵机器人树莓派的智能语音机器人

 

1.安装python下的库之PyAudio


首先卸载掉以前我们用的库，安装新的库。原因是以前的库有BUG，在python里带的pyaudio库各种报错，最后查看了“stackoverflow”上的一些解决方案，定位错误的源头，发现我的库里read函数不能屏蔽IOerror。所以一定是版本问题。 
所以要解决的第一步就是卸载老的库...]]></description><category></category></item><item><title><![CDATA[Installing pytorch]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/78639039</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/78639039</guid><author>BBZZ2</author><pubDate>Sun, 26 Nov 2017 19:08:20 +0800</pubDate><description><![CDATA[Installing previous versions of PyTorch

We’d prefer you install the latest version, but old binaries and installation instructions are provided below for your convenience.
Via conda

To install]]></description><category></category></item><item><title><![CDATA[pytorch 学习]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/78639028</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/78639028</guid><author>BBZZ2</author><pubDate>Sun, 26 Nov 2017 19:07:10 +0800</pubDate><description><![CDATA[pytorch 学习笔记(一)



pytorch是一个动态的建图的工具。不像Tensorflow那样，先建图，然后通过feed和run重复执行建好的图。相对来说，pytorch具有更好的灵活性。

编写一个深度网络需要关注的地方是： 
1. 网络的参数应该由什么对象保存 
2. 如何构建网络 
3. 如何计算梯度和更新参数

数据放在什么对象中

pytorch中有两]]></description><category></category></item><item><title><![CDATA[tensorflow 之 bazel安装 & 使用]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/78226468</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/78226468</guid><author>BBZZ2</author><pubDate>Fri, 13 Oct 2017 15:19:36 +0800</pubDate><description><![CDATA[tensorflow 之 bazel安装 & 使用




目录：

1，机器学习 & MR

Hadoop进阶（hadoop
 streaming c++实现 & MapReduce参数调优）

hadoop
 streaming （shell执行 & combiner & 数据分割）

hadoop
 streaming python 处理 lzo 文件遇到的问]]></description><category></category></item><item><title><![CDATA[nvidia jetson TX2配置caffe]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/78187182</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/78187182</guid><author>BBZZ2</author><pubDate>Mon, 09 Oct 2017 21:46:51 +0800</pubDate><description><![CDATA[英伟达在2017年3月发布了全新嵌入式计算平台TX2，从网上的介绍来看，TX2延续了小体积、高度集成的特性，整合了 4 核 ARM A57 CPU、Pascal 架构 GPU(16 纳米工艺)、最高 8G 内存、32G 固态存储器等组件。标准功耗为 7.5W。另外，TX2 也可以将功率提高到 15W，从而提升计算能力。

   看到如此诱人的配置，笔者入手了一块TX2，见下图



]]></description><category></category></item><item><title><![CDATA[DPM]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77963971</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77963971</guid><author>BBZZ2</author><pubDate>Wed, 13 Sep 2017 11:48:36 +0800</pubDate><description><![CDATA[DPM(Deformable Parts Model)

Reference:

Object detection with discriminatively trained partbased models. IEEE Trans. PAMI, 32(9):1627–1645, 2010.

"Support Vector Machines for Multiple-Instance]]></description><category></category></item><item><title><![CDATA[yolo解]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77961541</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77961541</guid><author>BBZZ2</author><pubDate>Wed, 13 Sep 2017 08:52:02 +0800</pubDate><description><![CDATA[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。

论文笔记：You
 Only Look Once: Unified, Real-Time Object Detection

评论：基于深度学习方法的一个特点就是实现端到端的检测。相对于其它目标检测与识别方法（比如Fast R-CNN）将目标识别任务分类目标区域预测和类别预测等多个流程，YOLO将目标区域预测和目标类]]></description><category></category></item><item><title><![CDATA[YOLO 图解]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77961528</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77961528</guid><author>BBZZ2</author><pubDate>Wed, 13 Sep 2017 08:49:13 +0800</pubDate><description><![CDATA[YOLO核心思想：从R-CNN到Fast R-CNN一直采用的思路是proposal+分类 （proposal 提供位置信息， 分类提供类别信息）精度已经很高，但是速度还不行。 YOLO提供了另一种更为直接的思路： 直接在输出层回归bounding box的位置和bounding box所属的类别(整张图作为网络的输入，把 Object Detection 的问题转化成一个 Regression ]]></description><category></category></item><item><title><![CDATA[models生成与加载]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77931357</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77931357</guid><author>BBZZ2</author><pubDate>Mon, 11 Sep 2017 11:27:15 +0800</pubDate><description><![CDATA[TensorFlow练习2: 对评论进行分类


本帖是前一贴的补充：


使用大数据，了解怎么处理数据不能一次全部加载到内存的情况。如果你内存充足，当我没说
训练好的模型的保存和使用
使用的模型没变，还是简单的feedforward神经网络（update：添加CNN模型）
如果你要运行本帖代码，推荐使用GPU版本或强大的VPS，我使用小笔记本差点等吐血
后续有关于中文的练习《]]></description><category></category></item><item><title><![CDATA[tensorflow的基本运作]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77744387</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77744387</guid><author>BBZZ2</author><pubDate>Thu, 31 Aug 2017 11:45:25 +0800</pubDate><description><![CDATA[1、tensorflow的基本运作

为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：
import tensorflow as tf
 #定义‘符号’变量，也称为占位符
 a = tf.placeholder("float")
 b = tf.placeholder("float")

 y = tf.mul(a, b) #构造一个op节点

 sess = tf.Ses]]></description><category></category></item><item><title><![CDATA[Python机器学习实践与Kaggle实战]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77193442</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77193442</guid><author>BBZZ2</author><pubDate>Tue, 15 Aug 2017 15:23:03 +0800</pubDate><description><![CDATA[（转）https://mlnote.wordpress.com/2015/12/16/python%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E8%B7%B5%E4%B8%8Ekaggle%E5%AE%9E%E6%88%98-machine-learning-for-kaggle-competition-in-python/


 
Auth]]></description><category></category></item><item><title><![CDATA[import moviepy 报错]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77163394</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77163394</guid><author>BBZZ2</author><pubDate>Mon, 14 Aug 2017 16:39:00 +0800</pubDate><description><![CDATA[i was trying to create an application with Python using the moviepy library.
 I installed it using:
pip install moviepy11

I found this from a MoviePy crash-course:

Import everything needed to ]]></description><category></category></item><item><title><![CDATA[存储图和训练好的权重]]></title><link>https://blog.youkuaiyun.com/BBZZ2/article/details/77062649</link><guid>https://blog.youkuaiyun.com/BBZZ2/article/details/77062649</guid><author>BBZZ2</author><pubDate>Thu, 10 Aug 2017 17:01:29 +0800</pubDate><description><![CDATA[（1）tensorflow存储图和训练好的权重


from __future__ import absolute_import, unicode_literals
import input_data
import tensorflow as tf
import shutil
import os.path

export_dir = './tmp/expert-export'

if os.]]></description><category></category></item></channel></rss>