<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[bearmomo的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/bearmomo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; bearmomo]]></copyright><item><title><![CDATA[pyqt5 实时刷新显示文本]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/107690577</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/107690577</guid><author>bearmomo</author><pubDate>Thu, 30 Jul 2020 15:08:00 +0800</pubDate><description><![CDATA[如下面所示：


def make(self):
    ×××
    ×××
    self.tixing.setText('提示：请等待')
    ×
    ×
    ×
    ×
    self.tixing.setText('提示：结束')


这样运行的话，按键后，标签只能显示最后一个文本，此时加入：


QtWidgets.QApplication.processEvents()

或者

QApplication.processEvents()

根据你的main函数决定是哪种，]]></description><category></category></item><item><title><![CDATA[pytorch 打印自定义模型并正确寻找每一层的名字]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/107016508</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/107016508</guid><author>bearmomo</author><pubDate>Mon, 29 Jun 2020 11:20:45 +0800</pubDate><description><![CDATA[再我们生成热力图或者需要找到自定义模型的某一层时，这时候就需要通过某一层的名字来定位该层。

当我们自定义模型后，那么寻找该层的名字时，就通过观察模型输出的架构。

通过print(Net)得到下面的模型。

那么我想找到其中某层的名字，就看带有：的前（）中的名字。凡是（）：这种形式的都是模型的层的名称序列。通过缩进看名称的包含关系。比如我使用


layer_name='pretrained_model.layer1.0.group1.conv3'找到其中某一层卷积层。



Net(
 (pretr..]]></description><category></category></item><item><title><![CDATA[Linux系统使用pyinstaller打包pytorch模型疯狂踩坑记（含权重文件和图片等）]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/106362874</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/106362874</guid><author>bearmomo</author><pubDate>Tue, 26 May 2020 19:15:52 +0800</pubDate><description><![CDATA[整了一天半，整到心态爆炸，终于整好了，哭了。

首先，先自学了pyqt5编写界面，编写的过程就下次再说吧。

编写完之后，文件夹中包括权重文件和两张图片。作为小白，咱也不知道这个打包竟然不能打包图片和权重文件，百度了好几圈终于知道了，/(ㄒoㄒ)/~~

然后这些图片咋整啊，后来看到了大佬写的代码，把图片先转成py文件，再从py文件中解码出来。代码如下：

1.图片转py文件代码：


import base64


def pic2py(picture_name):
    """
    将图像文件转换]]></description><category></category></item><item><title><![CDATA[用pycharm搭建ros环境]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/103355896</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/103355896</guid><author>bearmomo</author><pubDate>Mon, 02 Dec 2019 19:57:42 +0800</pubDate><description><![CDATA[https://www.ncnynl.com/archives/201611/1056.html

参考这个链接
]]></description><category></category></item><item><title><![CDATA[板子上电的一些指令（简单）]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/78790004</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/78790004</guid><author>bearmomo</author><pubDate>Wed, 13 Dec 2017 11:29:41 +0800</pubDate><description><![CDATA[刚入门的白到不能自已的小白，只是给自己写下不忘。
   
setenv ipaddr 192.168.0.161      
   
    
Linux setenv命令用于查询或显示环境变量。设置板子IP地址。           Linux setenv命令用于查询或显示环境变量。设置板子IP地址
setenv serverip 192.168.0.169        Linu]]></description><category></category></item><item><title><![CDATA[Linux的一些指令概念（简单）]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/78769630</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/78769630</guid><author>bearmomo</author><pubDate>Mon, 11 Dec 2017 10:29:10 +0800</pubDate><description><![CDATA[1.开始下达指令
   
     


   


与开机/关机有关的指令：
将数据同步到硬盘的指令：sync
关机指令：shutdown
重启、关机：reboot，halt,poweroff
寻求帮助：指令空格之后两个短杠help       date --help
            man空格之后指令  按空格键往下翻页，按q键离开
具体概念 鸟哥的Linu]]></description><category></category></item><item><title><![CDATA[DSP开发的一点概念]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/78739136</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/78739136</guid><author>bearmomo</author><pubDate>Thu, 07 Dec 2017 15:01:55 +0800</pubDate><description><![CDATA[SDK：（百度）
软件开发工具包（外语首字母缩写：SDK、外语全称：Software Development Kit）一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。

软件开发工具包括广义上指辅助开发某一类软件的相关文档、范例和工具的集合。软件开发工具包是一些被软件工程师用于为特定的软件包、软件框架、硬件平台、操作系统等创建应用软件的开发]]></description><category></category></item><item><title><![CDATA[mean shift算法详细]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/78662519</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/78662519</guid><author>bearmomo</author><pubDate>Wed, 29 Nov 2017 10:40:50 +0800</pubDate><description><![CDATA[http://blog.youkuaiyun.com/zhjm07054115/article/details/24453947
http://blog.youkuaiyun.com/zhjm07054115/article/details/24547979

http://blog.youkuaiyun.com/zhjm07054115/article/details/24516197

http://blog.csdn]]></description><category></category></item><item><title><![CDATA[DM8148芯片开发平台]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/78182766</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/78182766</guid><author>bearmomo</author><pubDate>Mon, 09 Oct 2017 15:06:33 +0800</pubDate><description><![CDATA[DM8148是一款高集成、可编程的Davinci系列的处理器，可以很好的应用于高清视频会议、视频监控等，使用片上系统（SoC）架构，具有多个面向不同应用的不同架构的处理器核，该平台包括了主频高达1GHZ的cortex-A8内核的ARM处理器和主频为750MHz的C674x数字信号处理器（DSP），采用双核架构。还有第二代高清视频/图像协处理器（HDVICP2），可以很好的满足高清视频编码的要求。此]]></description><category></category></item><item><title><![CDATA[区域生长]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/77962755</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/77962755</guid><author>bearmomo</author><pubDate>Wed, 13 Sep 2017 10:29:06 +0800</pubDate><description><![CDATA[http://m.blog.youkuaiyun.com/jiangjiao4726/article/details/77881264
http://blog.youkuaiyun.com/qiuqchen/article/details/45127449

http://www.cnblogs.com/xuhui24/p/6262011.html]]></description><category></category></item><item><title><![CDATA[图像边缘检测——canny算子原理与代码]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/77946662</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/77946662</guid><author>bearmomo</author><pubDate>Tue, 12 Sep 2017 16:25:31 +0800</pubDate><description><![CDATA[转自：http://blog.youkuaiyun.com/dcrmg/article/details/52344902






Canny边缘检测算法是澳大利亚科学家John F. Canny在1986年提出来的，不得不提一下的是当年John Canny本人才28岁！到今天已经30年过去了，Canny算法仍然是图像边缘检测算法中最经典、有效的算法之一。

一起睹一下大家Canny的风采]]></description><category></category></item><item><title><![CDATA[OSTU大律法二值化原理]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/77944860</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/77944860</guid><author>bearmomo</author><pubDate>Tue, 12 Sep 2017 14:32:44 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/zhonghuasong/p/7250540.html




介绍

Ostu方法又名最大类间差方法，通过统计整个图像的直方图特性来实现全局阈值T的自动选取，其算法步骤为：

1) 先计算图像的直方图，即将图像所有的像素点按照0~255共256个bin，统计落在每个bin的像素点数量

2) 归一化直方图，也即将每个bin]]></description><category></category></item><item><title><![CDATA[目标跟踪算法综述--Object tracking: a survey.ACM Computer surveys]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/77574871</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/77574871</guid><author>bearmomo</author><pubDate>Fri, 25 Aug 2017 15:30:42 +0800</pubDate><description><![CDATA[目标跟踪复杂的原因：
  1.从3D到2D图像，一些信息丢失。
  2.图像的一些噪声。
  3.复杂的目标动作。
  4.检测目标的非刚性或者链式特征。
  5.复杂的物体形状。
  6.环境光照（亮度）的变化。
  7.实时跟踪的要求。
传统的图像跟踪的一些算法如下图所示：]]></description><category></category></item><item><title><![CDATA[图像分类——细粒度的概念]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/77505901</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/77505901</guid><author>bearmomo</author><pubDate>Wed, 23 Aug 2017 14:49:02 +0800</pubDate><description><![CDATA[http://www.cjig.cn/html/jig/2016/9/20160904.htm]]></description><category></category></item><item><title><![CDATA[物体检测的一些概念（1）]]></title><link>https://blog.youkuaiyun.com/bearmomo/article/details/77500770</link><guid>https://blog.youkuaiyun.com/bearmomo/article/details/77500770</guid><author>bearmomo</author><pubDate>Wed, 23 Aug 2017 10:21:45 +0800</pubDate><description><![CDATA[转自：http://blog.youkuaiyun.com/zhang_shuai12/article/details/52716952




1、迁移学习

迁移学习也即所谓的有监督预训练(Supervised pre-training)，我们通常把它称之为迁移学习。比如你已经有一大堆标注好的人脸年龄分类的图片数据，训练了一个CNN，用于人脸的年龄识别。然后当你遇到新的项目任务是：人脸性别识]]></description><category></category></item></channel></rss>