<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Kerrwy的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Kerrwy</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Kerrwy]]></copyright><item><title><![CDATA[可视化图片时显示中文标签]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/103172828</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/103172828</guid><author>Kerrwy</author><pubDate>Wed, 20 Nov 2019 22:10:19 +0800</pubDate><description><![CDATA[# coding=UTF-8
import cv2
import glob
import os
from PIL import Image, ImageFont, ImageDraw
import numpy as np

# color = [(0,255,0), (255,255,0), (255,0,0)]
color = [(0,255,0), (255,255,0), (255,255,...]]></description><category></category></item><item><title><![CDATA[JupyterNotebook增加kernel选择的方法]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/91046241</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/91046241</guid><author>Kerrwy</author><pubDate>Thu, 06 Jun 2019 16:35:21 +0800</pubDate><description><![CDATA[JupyterNotebook增加kernel选择的方法
我是windows下安装的Anaconda2，对应的python版本是python2.7。为了方便，又借助conda安装了python3.6的虚拟环境。
首先，查看在cmd下查看python内核版本：
import sys
sys.executable

输出格式为：

activate env36  # 进入虚拟环境，查看内核版本位置
i...]]></description><category></category></item><item><title><![CDATA[解释os.walk()]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/88888100</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/88888100</guid><author>Kerrwy</author><pubDate>Fri, 29 Mar 2019 12:01:06 +0800</pubDate><description><![CDATA[for r, dirs,files in os.walk(data_path):


r：表示根目录
dir：是该根目录下的文件夹
files：是该根目录下除文件夹下外的所有文件

一般情况下，我们是以循环的方式使用os.walk()。
所以第一个循环得到的r为data_path相同的路径，dir为该路径下的文件夹，files为该路径下的非文件夹；
第二，三，四…个循环是对上面得到的dir文件夹进...]]></description><category></category></item><item><title><![CDATA[ImageNet在各模型上的准确率]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/88728116</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/88728116</guid><author>Kerrwy</author><pubDate>Thu, 21 Mar 2019 22:39:23 +0800</pubDate><description><![CDATA[数据：ImageNet，以下准确率有些为取整约等后的值。




AlexNet
Top1= 63%，Top5=85%




VGG16
Top1=74%,       Top5=92.7%


GoogleNet
Top5=93%


ResNet
Top1=82%，Top5=96.5%



]]></description><category></category></item><item><title><![CDATA[ImageNet1000类目标]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/88676376</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/88676376</guid><author>Kerrwy</author><pubDate>Tue, 19 Mar 2019 22:56:36 +0800</pubDate><description><![CDATA[n01440764 鱼
n01443537 鱼
n01484850 鱼
n01491361 鱼
n01494475 鱼
n01496331 鱼
n01498041 鱼
n01514668 鸡
n01514859 鸡
n01518878 鸵鸟
n01530575 鸟
n01531178 鸟
n01532829 鸟
n01534433 鸟
n01537544 鸟
n01558993 鸟
n015604...]]></description><category></category></item><item><title><![CDATA[随记：DenseNet]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82622690</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82622690</guid><author>Kerrwy</author><pubDate>Tue, 11 Sep 2018 11:03:07 +0800</pubDate><description><![CDATA[


一、DenseNet







一、DenseNet

论文：Densely Connected Convolutional Networks  
论文链接：https://arxiv.org/pdf/1608.06993.pdf  
代码的github链接：https://github.com/liuzhuang13/DenseNet 

1. 介绍 
 DenseNet是CVPR20...]]></description><category></category></item><item><title><![CDATA[感受野计算公式]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82430530</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82430530</guid><author>Kerrwy</author><pubDate>Wed, 05 Sep 2018 20:50:36 +0800</pubDate><description><![CDATA[在卷积神经网络中，感受野的定义是：卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。 





  举例说明：一般第一层的感受野大小就是Con1的卷积核size。 
  


参考：https://blog.youkuaiyun.com/u012862372/article/details/81045593...]]></description><category></category></item><item><title><![CDATA[Eclipse常用快捷键]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82424745</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82424745</guid><author>Kerrwy</author><pubDate>Wed, 05 Sep 2018 15:29:27 +0800</pubDate><description><![CDATA[转载：https://www.cnblogs.com/mq0036/p/4995390.html

Eclipse常用快捷键

1几个最重要的快捷键 
代码助手:Ctrl+Space（简体中文操作系统是Alt+/） 
快速修正：Ctrl+1 
单词补全：Alt+/ 
打开外部Java文档：Shift+F2

显示搜索对话框：Ctrl+H 
快速Outline：Ctrl+O 
打开资源：Ctrl+S...]]></description><category></category></item><item><title><![CDATA[JAVA中Arrays，ArrayList，List的比较]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82421010</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82421010</guid><author>Kerrwy</author><pubDate>Wed, 05 Sep 2018 11:45:48 +0800</pubDate><description><![CDATA[
List与ArrayList 
List是接口，ArrayList是用一个数组实现的List类。 
一般情况下，建议使用 
List list = new ArrayList();实现了泛型，应用更广泛。
Arrays与ArrayList 
ArrayList是自动扩容的Arrays。有add().remove()这样的方法。 
ArrayList容量可以动态增长，但牺牲效率；Array([])...]]></description><category></category></item><item><title><![CDATA[python找出一个列表中相同元素的多个索引]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82419132</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82419132</guid><author>Kerrwy</author><pubDate>Wed, 05 Sep 2018 11:14:27 +0800</pubDate><description><![CDATA[定义：X=[1,2,3,1,4] 
任务：找出元素为1的索引 
Solution:

# 如果直接用X.index(1),只能得到0这一个索引,而我们需要所有索引.
l = len(X)
zip_list = zip(*(range(l),X))
id1 = [z[0] for i,z in enumerate(zip_list) if z[1]==1]

# 或者更简单的
id1 = [i fo...]]></description><category></category></item><item><title><![CDATA[python 格式化输出保留两位小数]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82416063</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82416063</guid><author>Kerrwy</author><pubDate>Wed, 05 Sep 2018 10:32:35 +0800</pubDate><description><![CDATA[#方法1：
print(&quot;%.2f&quot; % 0.13333)

#方法2
print(&quot;{:.2}&quot;.format(0.13333))

#方法3
round(0.13333, 2)]]></description><category></category></item><item><title><![CDATA[IOU代码]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/82081558</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/82081558</guid><author>Kerrwy</author><pubDate>Sun, 26 Aug 2018 16:07:49 +0800</pubDate><description><![CDATA[面试的时候让手写IOU代码，平时项目中遇到多次，自己还用过，但是写的时候，依然磕磕碰碰，没有写好，今天重新记录一下，鼓励自己！

有两个框，设第一个框的两个关键点坐标：（x1,y1）(X1,Y1)，第二个框的两个关键点坐标：（x2,y2）(X2,Y2)。以大小写来区分左上角坐标和右下角坐标。
首先，要知道两个框如果有交集，一定满足下面这个公式：max(x1,x2)&amp;amp;amp;lt;=min(X1,X2) &amp;amp;amp;...]]></description><category></category></item><item><title><![CDATA[Soft NMS]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/81540812</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/81540812</guid><author>Kerrwy</author><pubDate>Thu, 09 Aug 2018 17:23:07 +0800</pubDate><description><![CDATA[昨天阿里一面，聊到了Soft NMS，回来记下这个点： 
这是ICCV2017的文章，改进NMS，论文链接：https://arxiv.org/abs/1704.04503  【Improving object detection with one line of code】

我们知道nms是用在目标检测中，去除重复框，降低误检率的。大致解释如下： 
 
可以看出，nms略显粗暴啊，因为他直接把...]]></description><category></category></item><item><title><![CDATA[matlab查找两个向量中不同的元素]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/81137923</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/81137923</guid><author>Kerrwy</author><pubDate>Fri, 20 Jul 2018 20:00:26 +0800</pubDate><description><![CDATA[


setdiff
intersect
ismember









setdiff

设有向量A和B，要求出A和B中的不同元素，可使用matlab自带的setdiff函数。语法为：

 c = setdiff(A, B)

其计算公式为c = A - B。

需要注意的是此函数只能求出向量A中与B不同的元素，B中与A不同的元素则要通过setdiff(B,A)求出。例如：



 设A =...]]></description><category></category></item><item><title><![CDATA[使用Kalman滤波器做目标跟踪]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/81120259</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/81120259</guid><author>Kerrwy</author><pubDate>Thu, 19 Jul 2018 18:01:46 +0800</pubDate><description><![CDATA[https://www.mathworks.com/help/vision/examples/using-kalman-filter-for-object-tracking.html：由该例整理而来。




1、前言
2、介绍
3、目标跟踪的挑战
4、使用卡尔曼滤波器跟踪单个目标







1、前言

这个例子说明了如何使用vision.KalmanFilter 对象和configureKa...]]></description><category></category></item><item><title><![CDATA[多目标跟踪中SORT算法的理解]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/81034342</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/81034342</guid><author>Kerrwy</author><pubDate>Fri, 13 Jul 2018 16:51:30 +0800</pubDate><description><![CDATA[多目标跟踪中SORT算法的理解

在跟踪之前，对所有目标已经完成检测，实现了特征建模过程。 
 1. 第一帧进来时，以检测到的目标初始化并创建新的跟踪器，标注id。 
 2. 后面帧进来时，先到卡尔曼滤波器中得到由前面帧box产生的状态预测和协方差预测。求跟踪器所有目标状态预测与本帧检测的box的IOU，通过匈牙利指派算法得到IOU最大的唯一匹配（数据关联部分），再去掉匹配值小于iou_thres...]]></description><category></category></item><item><title><![CDATA[Sort多目标跟踪中的：指派问题与匈牙利解法]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/81018202</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/81018202</guid><author>Kerrwy</author><pubDate>Thu, 12 Jul 2018 16:32:32 +0800</pubDate><description><![CDATA[Sort多目标跟踪中的：指派问题与匈牙利解法

[lot]]]></description><category></category></item><item><title><![CDATA[Ubunt16.04安装caffe；并配置py-faster-rcnn]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/80977987</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/80977987</guid><author>Kerrwy</author><pubDate>Mon, 09 Jul 2018 21:49:48 +0800</pubDate><description><![CDATA[


1、Ubunt16.04安装caffe









1、Ubunt16.04安装caffe

在安装之前，我的电脑上已有配置：ubuntu16.04，cuda8.0，cudnn6.0

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev pr...]]></description><category></category></item><item><title><![CDATA[python中os.path常用模块]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/80907940</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/80907940</guid><author>Kerrwy</author><pubDate>Wed, 04 Jul 2018 09:57:59 +0800</pubDate><description><![CDATA[python中os.path常用模块 
os.path.sep:路径分隔符， linux下就是这个’/’ 
os.path.altsep: 根目录 
os.path.curdir:当前目录 
os.path.pardir：父目录 
os.path.abspath(path)：绝对路径 
os.path.join(): 常用来链接路径 
os.path.split(path): 把path分为目录和...]]></description><category></category></item><item><title><![CDATA[如何快速构建深度学习图像数据集]]></title><link>https://blog.youkuaiyun.com/Kerrwy/article/details/80905258</link><guid>https://blog.youkuaiyun.com/Kerrwy/article/details/80905258</guid><author>Kerrwy</author><pubDate>Tue, 03 Jul 2018 22:22:12 +0800</pubDate><description><![CDATA[最近在实践人脸识别，目标检测等的项目，需要用到数据集的构建，从https://www.pyimagesearch.com/2018/04/09/how-to-quickly-build-a-deep-learning-image-dataset/找来资源，以供学习。我的项目地址：我的Github。




1、介绍
2、创建您的Cognitive Services帐户







1、介绍

为...]]></description><category></category></item></channel></rss>