知来者逆的博客

对于希望加速模型和处理更大数据集的机器学习工程师来说，CUDA 是一款功能强大的工具。通过了解 CUDA 内存模型、优化内存访问和利用多个 GPU，您可以显著提高机器学习应用程序的性能。虽然我们在本文中介绍了基础知识和一些高级主题，但 CUDA 是一个不断发展的广阔领域。请随时了解最新的 CUDA 版本、GPU 架构和机器学习库，以充分利用这项强大的技术。

常见vs c++错误解决方法

虽然 PyTorch 提供了对 ONNX 的支持，但并不是所有的 PyTorch 算子都可以无缝地转换为 ONNX 格式。为了考虑多平台的支持，这里选择了 ncnn 推理框架。ncnn 提供了 PNNX 模型转换工具，可以将 PyTorch 模型转换为 ncnn 支持的格式。ncnn 和 PNNX 的代码可读性和可扩展性都很好，当遇到不支持的算子时，可以方便地扩展 ncnn 和 PNNX。

AES-256 密钥长度为 256 位，提供了极高的安全性。由于其密钥长度更长，因此具有更大的密钥空间，从而增加了破解的难度，即使是通过蛮力攻击也是很不好破解。

前言一、编译Boost库二、使用boost库结语

CodeFormer是一种基于AI技术深度学习的人脸复原模型，有人脸超分，人脸祛除马赛克，人脸修复，人脸上色C++和python部署。

目前可以识别的目标有2万1000多种，基本可以覆盖真实世界里面所有可以见到的目标。

使用多感知端到端网络处理自动驾驶中的车辆识别，路面可驾驶区域分割和车道线识别与分割

在vs2019下使用C++与Python进行混合编程,在根源上讲，Python 本身就是一个C库，那么这里使用其中最简单的一种方法是把Python的C API来嵌入C++项目中，来实现混合编程。

C++类的常用类的知识点，面试常被问到的问题，快速全面了解C++的类，可送C++视频教程

详细记录基于深度学习算法enet的人脸皱纹检测与定位，从数据收集、标注、处理、到模型训练模型部署。

智能灰度图像、黑白图像自动上色，基于OpenCV和Ncnn，使用C++进行模型推理。输入图片的L通道，使用一个CNN预测对应的ab通道取值的概率分布，最后转化为RGB图像结果。

抠图技术应用很广泛，比如证件照，美体，人体区域特殊处理，还有B站的字幕穿人效果等等。RVM 可在任意视频上做实时高清人像抠图。

PaddleOCR的C++ 推理，环境：Win10, VS2019专业版，GPU是RTX 3080, CUDA 11.0, cuDNN 8.0, OpenCV 4.5。

用于检测当前人物是否佩戴安全帽，从数据收集，标注、训练、到模型部署落地，给出全部的算法、标注好的数据集、完整的模型部署示例，以及在实现过程中可能会踩的坑。

1.语义分割可用于代替传统算法的边缘检测，图像分割，多应用于自动驾驶、文档处理，工业缺陷检测等领域。2.LiteSeg是一种实时的轻量级的语义分割网络，为了在 移动端上能有更快的速度和更好的效果，在论文的基础上做了算法优化。2.博客详细的记录了LiteSeg这个网络从论文复现到优化模型、训练模型、模型部署推理的步骤与代码实现。

对比基于深度学习和传统直线检测算法的精度与检测速度，OpenCV C++ 实现，深度学习更好的取代传统算法一个痛苦的调参过程。

人脸验证比对识别，从模型训练（Pytorch）到项目落地部署（C++），可以用人脸登录，门禁，人脸签到等项目。

C++实现工业级静默活体检测，判别机器前出现的人脸是真实还是伪造。用于判别虚假人脸。

老旧照片修复，基于深度学习，C++实现模型部署

一.指针1.1 变量与内存的关系首先来我们来看计算机内存的示意图，大致分成这几个区，每个区又分成一块块的小方格，那就是字节。当我们写下，int a; 的时候，IDE会向系统在栈区申请一块4个字节的内存，二.数组三.返回指针的函数四.函数指针...

文档边缘检测与OCR文字识别

前言1.拍照文档扫描识别是办公类App里面最常用到的的一类应用，市面上有很多相关的App，及主要技术点有几个要用到图像处理，有边缘检测校正，文档滤镜，和OCR。2.关于边缘文档连续检测，有用传统算法，也有用深度学习的，是于传统算法，场景泛化能力并不是很好，深度学习方向的，我之前用HED写过一个身份证边缘检测项目，但要运行到移动端速度并不理想。3.Mobile LSD（M-LSD一种用于资源受限环境的实时和轻量级的线段检测网络。Mobile LSD在 Android 和 iPhone 移动设备上的运行速

基于深度学习的智能证件照制作，导入一个照片自动剪切替换背景生成常用的证件照

前言关于抠图，首先想到的是PS的抠图，要美工手动一点点的把细节抠出来，抠图的好坏取决一个美工对PS的熟悉程度，在人像抠图方面，对头发的处理更是耗时耗力的一件事，在拍证件照的照像馆都有固定的绿幕来挡掉复杂的背景，以免增加后期的工作量，那么有没有一种完全自动的抠图办法呢？ [A Late Fusion CNN for Digital Matting] CVPR 2019 上的一编论文， 作者提出了全自动抠图这个算法，不需要绿幕，也不需要输入trimap图（有了解传统抠图算法的应该知道这个图是干吗用的），背景

概述1.C++ STL的容器分为三种，序列式容器，关联式容器，无序式容器，这里先说说常用的序列式容器。2.array,vector,deque,list,forward_list这几种都是序列式容器，序列容器是以线性序列的方式存储元素，也就是说，在内存，是连续分配一块内存来存放元素的，是可以经过标迭代的方式遍历元素。3.C++的容器是不能用来装引用和函数的，容器的设计原则是以效率为，安全为次的，所以容器本身并不带有异常处理。一.基本用法所有的序列式容器都有一些共同的属性和用法，这里我拿最学常用的s

前言上个博客试着把yolox在win下的环境配置，然后就要试着训练自己的数据集，我这里用的是VOC格式的数据集，训练环境是win10 x64,CUDA11.0 cudnn 8.1 GPU 是GTX 3080,Anaconda 3.7，数据标注工具是LabelImg。数据准备1.在XXX/YOLOX/datasets/下创建一个VOCdevkit目录，在VOCdevkit下VOC2007目录，VOC2007目录下再创建三个空目录，分别是Annotations、ImageSets、JPEGImages，此

前言1.最近非常火的YOLOX，是旷视提出并开源新一代实时目标检测网络，具体的算法原理和性能可以转到github,想上手试试，是Linux话，可以按照官方文档给步骤一步步执行下去就可以了，如果是Win的话，中间有些不用的步骤。2.我的环境是win10 x64,CUDA10.2 cudnn 7.1 GPU 是GTX 1660ti,anaconda 3.7.环境1.首先我们看看官方的linux下的安装步骤：2.但在win下照着上面步骤来，有可能安装不成功，我这里在win下是用Anaconda 来完成

1.关于边缘检测,我这里用了HED这个边缘检测网络，HED创作于2015年，骨干网络是state-of-the-art的VGG-16，并且使用迁移学习初始化了网络权重。关于HED的算法原理与训练模型代码可以转到github。

Qt和C++实现的图像处理服务器

使用opencv C++实现图像失焦模糊修复

1.GBK转UTF8std::string GBKToUTF8(const char* str_GBK){ int len = MultiByteToWideChar(CP_ACP, 0, str_GBK, -1, NULL, 0); wchar_t* wstr = new wchar_t[len + 1]; memset(wstr, 0, len + 1); MultiByteToW...

前言1.C++的string对中文的查找替换之类的基本操作并不友好，如果要对中文进行操作，要把中文转成宽字符（wstring）来解决，因为中文字符长度不确定的，在unicode中每个中文为2个字节，而有时还可能有英文数字等，这些只占一个字节1个字节，查找的过程很容易下标出错。2.大概的处理概念是，先把string转成wstring，进行操作查找匹配操作之后，再转回来。代码Chinese.h...