踟蹰横渡口,彳亍上滩舟。

原创 思维导图学习—LINUX相关基础思维导图（3）

思维导图学习—LINUX相关基础思维导图（3）目录思维导图学习—LINUX相关基础思维导图（3）操作系统简介linux 学习与入门linux基本操作linux基本命令集Linux内核源码分析linux编程入门项目I_O设备管理_1进程调度与死锁_1进程管理_1内存管理_1文件系统_1下载地址：下载地址操作系统简介linux 学习与入门linux基本操作linux基本命令集Linux内核源码分析linux编程入门项目I_O设备管理_1进程调度与死锁

原创 思维导图学习---数据库相关基础思维导图（2）

思维导图学习—数据库相关基础思维导图（2）下载地址：下载地址数据库相关基础知识Innodb的整体架构图MySQL全面功课_1MySQL全面优化思路_1MySQL索引与索引优化mysql性能调优思路_1MySQL知识点归纳_1Redis知识点归纳...

原创 思维导图学习---计算机相关基础思维导图（1）

思维导图学习—计算机相关思维导图（1）目录思维导图学习—计算机相关思维导图（1）计算机概论思维导图：下载地址计算机系统基础思维导图：下载地址计算机组成与系统架构思维导图：下载地址计算机组成原理思维导图：下载地址计算机网络思维导图：下载地址计算机网络第一章思维导图：下载地址计算机网络第二章思维导图：下载地址计算机网络第三章思维导图：下载地址计算机网络第四章思维导图：下载地址计算机网络第五章思维导图：下载地址计算机网络编程思维导图：下载地址计算机数据链路层思维导图：下载地址计算机

转载 个人常用工具整理

书籍原理和法则，能抵御时间之剑，历久弥新。Getting Things Done by David Allen – 一种非常简单有效的时间管理方法，享誉全球.深度工作：在分心世界中专注成功的规则 by Cal Newport – 深度工作是一种专注于认知要求高的任务而不会分心的能力。5 种选择 by Kory Kogon, Adam Merrill, Leena Rinne – 一种全方位生产力方法论，用于处理优先级、日程安排、技术和精力管理。网站从这里持续获得最新的应用实践。L

原创 YOLO-stream论文阅读

原创 YOLO-pose论文阅读

原创 PP-YOLOE论文阅读

原创 3. 5种常见卷积论文、解读、使用方法、实现代码整理（conv）

代码下载地址：下载地址目录Convolution Series1. Depthwise Separable Convolution Usage2. MBConv Usage3. Involution Usage4. DynamicConv Usage5. CondConv Usage论文列表Pytorch implementation of “MobileNets: Efficient Convolutional Neural Networks f

原创 2. 3种常见网络重参数化论文、解读、使用方法、实现代码整理（Re-Parameter）

源码下载地址：下载地址目录Re-Parameter(ReP) Series1. RepVGG Usage2. ACNet Usage3. Diverse Branch Block(DDB) Usage【先验知识】首先向各位读者介绍一下卷积的一些基本性质，这几篇论文所提出的重参数操作，都是基于卷积的这几个性质。一个普通的卷积操作可以被定义成下面的公式：O=I∗F+REP(b)O=I*F+REP(b)O=I∗F+REP(b)其中，∗*∗为卷积操作，O∈RD×H′

原创 1. 30种常见注意力机制论文、解读、使用方法、实现代码整理（Attention）

各种注意力机制实现代码下载：下载地址目录1. External Attention2. Self Attention3. Squeeze-and-Excitation(SE) Attention4. Selective Kernel(SK) Attention5. CBAM Attention6. BAM Attention7. ECA Attention8. DANet Attention9. Pyramid Split Attention(PSA

原创 2. CVPR2022-Papers-with-Code-Demo（CVPR2022 论文下载）

CVPR2022-Papers-with-Code-Demo☪️CVPR2021论文下载：https://pan.baidu.com/share/init?surl=gjfUQlPf73MCk4vM8VbzoA密码：aicv🔨 目录 |Table of Contents（点击直接跳转） 目录（右侧点击可折叠）Backbone数据集/DatasetNASKnowledge Distillation多模态 / Multimodal 对比学习/Contrastive Learning图

原创 1. CVPR2021-Papers-with-Code-Demo（CVPR2021论文下载）

CVPR2021-Papers-with-Code-Demo☪️论文下载：https://pan.baidu.com/share/init?surl=gjfUQlPf73MCk4vM8VbzoA密码：aicv🔨 目录 |Table of Contents（点击直接跳转）BackboneNAS图神经网络 / Graph Neural Networks胶囊网络 / Capsule Network图像分类 / Image Classification目标检测/Objec

原创 5. 编程规范和编程安全指南--JavaScript

目录1 JavaScript页面类I. 代码实现1.1 原生DOM API的安全操作1.2 流行框架/库的安全操作1.3 页面重定向1.4 JSON解析/动态执行1.5 跨域通讯II. 配置&环境2.1 敏感/配置信息2.2 第三方组件/资源2.3 纵深安全防护2 Node.js后台类I. 代码实现1.1 输入验证1.2 执行命令1.3 文件操作1.4 网络请求1.5 数据输出1.6 响应输出1.7 执行代码1.8 Web...

原创 4. 编程规范和编程安全指南--go语言

目录1 通用类I. 代码实现1.1 内存管理1.2 文件操作1.3 系统接口1.4 通信安全1.5 敏感数据保护1.6 加密解密1.7 正则表达式2 后台类I. 代码实现1.1 输入校验1.2 SQL操作1.3 网络请求1.4 服务器端渲染1.5 Web跨域1.6 响应输出1.7 会话管理1.8 访问控制1.9 并发保护通用类1. 代码实现类1.1 内存管理1.1.1【必须】切片长度校验在对slice进行操作...

原创 3. 编程规范和编程安全指南--java

目录1 安卓类I. 代码实现1.1 异常捕获处理1.2 数据泄露1.3 webview 组件安全1.4 传输安全II. 配置&环境2.1 AndroidManifest.xml 配置2 后台类I. 代码实现1.1 数据持久化1.2 文件操作1.3 文件操作1.4 XML读写1.5 响应输出1.6 OS命令执行1.7 会话管理1.8 加解密1.9 查询业务1.10 操作业务安卓类I. 代码实现1.1 异常捕获...

原创 2. 编程规范和编程安全指南--C/C++

目录1 通用安全指南I. C/C++使用错误1.1 不得直接使用无长度限制的字符拷贝函数1.2 创建进程类的函数的安全规范1.3 尽量减少使用 _alloca 和可变长度数组1.4 printf系列参数必须对应1.5 防止泄露指针（包括%p）的值1.6 不应当把用户可修改的字符串作为printf系列函数的“format”参数1.7 对数组delete时需要使用delete[]1.8 注意隐式符号转换1.9 注意八进制问题II. 不推荐的编程习惯2.1 switc...

原创 1. 编程规范和编程安全指南--python

通用类I. 代码实现1.1 加密算法1.1.1 【必须】避免使用不安全的对称加密算法1.2 程序日志1.2.1 【建议】对每个重要行为都记录日志1.2.2 【建议】禁止将未经验证的用户输入直接记录日志1.2.3 【建议】避免在日志中保存敏感信息1.3 系统口令1.3.1 【必须】禁止使用空口令、弱口令、已泄露口令1.3.2 【必须】口令强度要求1.3.3 【必须】口令存储安全1.3.4 【必须】禁止传递明文口令1.3.5 【必须】禁止在不安全的信道中传输口令.

原创 基于手势识别的鼠标控制实现

代码下载地址：下载地址鼠标功能手势WindowsmacOS移动右手食指朝上✅✅单击右手食指与拇指捏合✅✅双击单击两次✅❌右击右手食指与中指捏合✅✅向上滑右手五指朝上✅✅向下滑右手拇指弯曲，其余四指朝上✅✅拖拽右手中指、无名指、小指朝上✅✅虚拟鼠标一、功能：用手势控制鼠标，鼠标功能对应手势如下：鼠标功能手势WindowsmacOS移动右手食指朝上✅✅单击右.

原创 基于人脸识别、姿态检测、距离估计的看电视姿态检测

人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近代码下载地址：下载地址AI分析看电视行为一、功能：人脸识别：检查谁在看头部姿态估计：检查是否在看距离估计：检查是否离电视太近二、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头三、软件：python 3.7.10pip安装一下依赖包dlibopencv-contrib-python（可能需要先卸载opencv-python：pip unins..

原创 基于人脸识别的人脸考勤机实现（训练、测试、部署）

代码下载地址：下载地址一、硬件：Windows10或11（无需GPU）或MacOS 都测试可行普通RBG USB摄像头二、软件：Python：3.7opencvDlib二、用法：使用python demo_full.py --{参数名}={参数值} -h, --help show this help message and exit --mode MODE 运行模式：reg,recog 对应：注册人脸、识别人脸 --id ID.

原创 基于语义分割的视频弹幕防挡实现（训练、测试、部署实现）

代码下载地址：下载地址一、硬件：Windows10或11（无需GPU，有最好）或MacOS 都测试可行二、软件：Python==3.8TensorFlowimgaugopencvpixellib二、用法：optional arguments: -h, --help show this help message and exit --video VIDEO 要处理的视频 --mode MODE 运行模式：mask,compound 对应：生成蒙版图片、.

原创 基于深度学习的口罩规范佩戴检测【树莓派+PC训练、测试】

训练、测试、部署代码下载地址：下载地址一、硬件：PC端运行：Windows10或11（无需GPU，有最好）或MacOS 都测试可行树莓派运行：树莓派 4B model B 8G 版USB RGB 摄像头二、软件：Python==3.8电脑需要：TensorFlow，树莓派需要：TensorFlow liteopencvpixellib三、用法：2.1、电脑运行运行下列代码python demo.py2.2、树莓派运行进入rasp_lite文件夹；运行下列代码

原创 【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（2）

PointPillars部署：TensorRT推理实现，下载地址：添加链接描述PointPillars高度优化的点云目标检测网络PointPillars。主要通过tensorrt对网络推理段进行了优化，通过cuda/c++对前处理后处理进行了优化。做到了真正的实时处理（前处理+后处理小于 1 ms/Head）。Major Advance训练简单本仓库直接使用mmlab/OpenPCdet进行训练。所以只要你按照官方教程的教程是非常容易训练自己的数据，也可以直接采用官方训练参数来进行部署。但是

原创 【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（1）

Abstract点云中的目标检测是自动驾驶等机器人应用中的一个重要方面。在本文中，作者思考了将点云编码成适合下游检测pipeline的格式问题。最近的文献提出了两种类型的编码器：固定编码器往往更快，但牺牲了准确性，而从数据学习的编码器更准确但是速度较慢。在这篇工作中，作者提出了一种可以利用PointNet去学习以垂直列组织的点云的表示(pillars)的新的encoder。这种编码特征可以用于任何标准的2D卷积检测体系结构，接着作者进一步提出了一个精简的下游网络。大量的实验表明，PointPillars.

原创 基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化和模型压缩实现

基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化实现支持：VGG、MobileNet、Resnet、ShuffleNet等模型。代码下载地址：下载BackBonePrunerPrune RatioOriginal/Pruned/Finetuned AccuracyFLOPs(M)Params(M)MobileV2L1-Norm0.60.937/0.100/0.844313.5->225.52.24->1.15

原创 基于YOLO的手部检测和计数实现（课程设计，训练测试+模型剪枝+模型压缩）（2）

参数数量模型体积Flops前向推断耗时（2070 TI）mAPBaseline (416)61.5M246.4MB32.8B15.0 ms0.7692Prune (416)10.9M43.6MB9.6B7.7 ms0.7722Finetune (416)同上同上同上同上0.7750用 YOLOv3 模型在一个开源的人手检测数据集上做人手检测，并在此基础上做模型剪枝。对于该数据集，对 YOLOv3 进行 channel prunin...

原创 【camera】自动泊车-视觉车位检测相关资料汇总（论文、数据集、源代码、相关博客、演示demo）（1）

【camera】自动泊车-视觉车位检测相关资料汇总（论文、数据集、源代码、相关博客、演示demo）parking slot detection论文2020论文2019论文2018论文2017论文2016论文相关代码相关博客数据集演示Demo论文2020“Context-Based Parking Slot Detection With a Realistic Dataset.” IEEE Access, 2020.“Real Time Detection Algorith

原创 【radar】毫米波雷达相关开源项目代码汇总（工具箱、仿真、2D毫米波检测、融合、4D毫米波检测、分割、SLAM、跟踪）（6）

【radar】毫米波雷达相关开源项目代码汇总（工具箱、仿真、2D毫米波检测、融合、4D毫米波检测、分割、SLAM、跟踪）（6）Toolboxpymmwhttps://github.com/m6c7l/pymmw@inproceedings{constapel2019practical,title={A Practical Toolbox for Getting Started with mmWave FMCW Radar Sensors},author={Constapel, Manfred

原创 【radar】毫米波雷达-相机-激光雷达融合相关论文汇总（特征融合、RPN融合、弱监督融合、决策融合、深度估计、跟踪）（5）

【radar】毫米波雷达-相机-激光雷达融合相关论文汇总（特征融合、RPN融合、弱监督融合、决策融合、深度估计、跟踪）（5）Radar Camera FusionFeature-level Fusion2019-Distant Vehicle Detection Using Radar and Vision2019-RVNet: Deep Sensor Fusion of Monocular Camera and Radar for Image-based Obstacle Detection

原创 【radar】毫米波雷达动态障碍物检测相关论文汇总（聚类、分类、稀疏2D点、4D点、雷达成像、原始数据处理）（4）

【radar】毫米波雷达动态障碍物检测相关论文汇总（聚类、分类、稀疏2D点、4D点、雷达成像、原始数据处理）（4）Detection of Dynamic ObjectsClustering2012-Grid-Based DBSCAN for Clustering Extended Objects in Radar Data2016-Adaptive Clustering for Contour Estimation of Vehicles for High-Resolution Radar2

原创 【radar】毫米波雷达静态障碍物识别及其相关资料（仿真、生成、标定、运动估计、静态障碍物识别）（3）

【radar】毫米波雷达相关资料（毫米波仿真、毫米波生成模型、毫米波标定、毫米波运动估计、毫米波静态障碍物识别）（3）毫米波标定：多毫米波雷达联合标定、相机和毫米波雷达联合标定、毫米波雷达和激光雷达联合标定、毫米波雷达、相机、激光雷达联合标定方案。毫米波雷达静态障碍物分类、检测、识别和分割方案仿真Diversified Radar Micro-Doppler Simulations as Training Data for Deep Residual Neural NetworksMeasur

原创 【radar】毫米波雷达相关资料（文献综述列表、顶会研讨会资料列表、顶会workshops资料列表、工具书、使用手册）（2）

【radar】毫米波雷达相关资料（毫米波雷达文献综述列表、毫米波雷达顶会研讨会资料列表、毫米波雷达顶会workshops资料列表、毫米波雷达工具书、毫米波雷达使用手册）（2）Review PapersIEEE Signal Processing Magazine Special IssuesAutonomous Driving Part I Sensing and PerceptionRadar Systems for Modern Civilian Applications Part I Pa

原创 【radar】毫米波雷达相关数据集（检测、跟踪、里程计、SLAM、定位、场景识别）总结（1）

毫米波雷达相关数据集（检测、跟踪、里程计、SLAM、定位、场景识别）总结（1）Radar相关产品和链接TI AWR2243Arbe PhoenixContinental ARS 540Oculli FalconOculli EagleVayyarAstyx (Acquired by Cruise)Huawei 4D radar newsZF PREMIUM newsWaymo newsA list of automotive radar companies linkRadar

原创 【camera-radar】基于ROS的多传感器融合感知系统实现（雷达+相机）（3）

实现功能：代码下载地址：下载地址1）基于深度学习的目标检测；2）基于雷达的距离估计和预测；3）多传感器感知结果融合模块。雷达感知模块解析4. Run nodes:python3 fusion_node/main.pypython3 gps_node/main.pypython3 radar_node/main.pypython3 2d_detection_node/main.py #(additional instructions in 2d_detection_node/README.md

原创 【camera-radar】基于ROS的多传感器融合感知系统实现（雷达+相机）（2）

实现功能：代码下载地址：下载地址1）基于深度学习的目标检测；2）基于雷达的距离估计和预测；3）多传感器感知结果融合模块。相机感知模块解析4. Run nodes:python3 fusion_node/main.pypython3 gps_node/main.pypython3 radar_node/main.pypython3 2d_detection_node/main.py #(additional instructions in 2d_detection_node/README.m

原创 【camera-radar】基于ROS的多传感器融合感知系统实现（雷达+相机）（1）

实现功能：代码下载地址：下载地址1）基于深度学习的目标检测；2）基于雷达的距离估计和预测；3）多传感器感知结果融合模块。环境配置、数据下载、节点启动1. Install ROS melodic:Instructions are available at:http://wiki.ros.org/melodic/Installation/Ubuntu2. install dependencies:pip3 install -r requirements.txtMost of the pack

原创 基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）（2）

量化：High-Bit(>2b): QAT, PTQ, QAFT; Low-Bit(≤2b)/Ternary and Binary: QAT剪枝：正常、规整和分组卷积结构剪枝针对特征(A)二值量化的BN融合(训练量化后，BN参数 —> conv的偏置b)High-Bit量化的BN融合(训练量化中，先融合再量化，融合：BN参数 —> conv的权重w和偏置b)

原创 基于pytorch的模型剪枝+模型量化+BN合并+TRT部署（cifar数据）（1）

相关代码下载地址：下载地址压缩量化：High-Bit(>2b): QAT, PTQ, QAFT; Low-Bit(≤2b)/Ternary and Binary: QAT剪枝：正常、规整和分组卷积结构剪枝针对特征(A)二值量化的BN融合(训练量化后，BN参数 —> conv的偏置b)High-Bit量化的BN融合(训练量化中，先融合再量化，融合：BN参数 —> conv的权重w和偏置b)部署TensorRT(fp32/fp16/int8(ptq-calibration.

原创 基于pytorch量化感知训练（mnist分类）--浮点训练vs多bit后量化vs多bit量化感知训练效果对比

基于pytorch量化感知训练–浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址：下载地址灰色线是量化训练，橙色线是后训练量化，可以看到，在 bit = 2、3 的时候，量化训练能带来很明显的提升。实验分析在 bit = 1 的时候，我发现量化训练回传的梯度为 0，训练基本失败了。这是因为 bit = 1 的时候，整个网络已经退化成一个二值网络了，而低比特量化训练本身不是一件容易的事情，虽然我们前面用 STE 解决了梯度的问题，但由于低比特会使得网络的信息损失巨大，因此通常

原创 基于pytorch后量化（mnist分类）---浮点训练vs多bit后量化vs多bit量化感知训练效果对比

基于pytorch后量化（mnist分类）—浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址：下载地址试了 bit 数为 1～8 的准确率，得到下面这张折线图：发现，当 bit >= 3 的时候，精度几乎不会掉，bit = 2 的时候精度下降到 69%，bit = 1 的时候则下降到 10%。这一方面是 mnist 分类任务比较简单，但也说明神经网络中的冗余量其实非常大，所以量化在分类网络中普遍有不错的效果。卷积层量化...