AI知识搬运工

1.卡尔曼滤波简介卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。在很多工程应用(如雷达、计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要课题。例如,对于雷达来说，人们感兴趣的是其能够跟踪目标。但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置

1.简单编译 源文件：hello.cpp#include<iostream>using namespace std;int main(){ cout << "Hello, World!" << endl; return 0;}用SCons编译它，需要在一个名为SConstruct的文件:Program('hello.cpp') 这个短小的配置文件给了SCons两条信息：你想编译什么（一个可执行程序），...

TensorFlow的RTX 2080 Ti深度学习基准-2020年在本文中，Lambda讨论了RTX 2080 Ti与其他GPU相比的深度学习性能。我们使用RTX 2080 Ti来训练ResNet-50，ResNet-152，Inception v3，Inception v4，VGG-16，AlexNet和SSD300。我们在训练每个网络时测量每秒处理的图像数。一些注意事项：我们使用TensorFlow 1.12 / CUDA 10.0.130 / cuDNN 7.4.1 单GP...

shuffleNet+deeplabv3训练1，环境安装conda create -n deeplabconda install tensorflow-gpu==1.13.1conda install Pillow==5.4.1pip install pycocotools==2.0.0pip install labelme==3.11.22,数据准备 (1)使用labelme标注分割训练数据（2）拆分数据python split_dataset.py -..

图像分割常用的损失函数本文主要介绍医学图像中常用的损失函数，包括cross entropy, generalized dice coefiicients, focal loss等。 一、cross entropy交叉熵 图像分割中最常用的损失...

一，环境安装1. Create a conda virtual environment and then activate it.```shell scriptconda create -n nanodet python=3.8 -yconda activate nanodet```2. Install pytorch```shell scriptconda install pytorch torchvision cudatoolkit=11.0 -c pytorch```..

转自：http://www.cnblogs.com/skyfsm/p/8330882.html 数据集首先介绍一下数据，我们这次采用的数据集是CCF大数据比赛提供的数据（2015年中国南方某城市的高清遥感图像），这是一个小数据集，里面包含了5张带标注的大尺寸RGB遥感图像（尺寸范围从3000×3000到6000×6000），里面一共标注了4类物体，植被（标记1）、建筑（标记2）、水体（...

滑动窗口与anchors生成是目标检测中常用的方法，下面使用python实现一下，做个笔记1，滑动窗口import cv2import numpy as npdef sliding_window(image, stepSize, windowSize): # slide a window across the image for y in range(0, image.shape[0], stepSize): for x in range(0, image.

YOLOv5进行目标检测的"落地化"应用：安全帽佩戴检测该项目使用了YOLOv5s、YOLOv5m、YOLOv5l来训练安全帽佩戴检测数据集，代码和权重均已开源！安全帽佩戴检测数据集也是开源的（共含7581 张图像）！项目链接：https://github.com/PeterH0323/Smart_Construction数据集链接：https://github.com/njvisionpower/Safety-Helmet-Wearing-DatasetSmart_Construc

转自：https://blog.youkuaiyun.com/MargretWG/article/details/72357204此篇是看CS231n的课后笔记，方便以后查阅，因为刚开始接触，如果有错误，欢迎指正~更多内容关注微信公众号：ML_Study一、 Classification+Localization定位定位一般是指一张图有一个类别，有单个物体需要去定位常用数据库：ImageN...

Object Detection API（5）——使用OpenCV调用自己的模型博客：https://blog.youkuaiyun.com/qq_34106574 简书：https://www.jianshu.com/u/fb86cd4f8bf8       本节将使用OpenCV的接口来调用我们上一节导出的“冰冻”模型。首先，如果要使用OpenCV的接口来调用我们借助特定模型迁移训练的结果，我们除了pb模...

 Object Detection API（1）——安装及测试： https://blog.youkuaiyun.com/qq_34106574/article/details/80138703   最近在学习Tensorflow推出的object detection api，所以写下一些笔记来记录执行的步骤以及遇到的问题，以备忘。整个笔记过程会从object detection ap...

Object Detection API（2）—— 自定义数据组织： https://blog.youkuaiyun.com/qq_34106574/article/category/7628923 点击打开链接本节的目的在于记录将自己的数据组织成Object Detection API可以训练的数据，即record格式。（1）标注图像：使用lablme开源工具，自行百度下载，GitHub有各平台安装方法。下...

Object Detection API（3）—— 训练自己的模型https://blog.youkuaiyun.com/qq_34106574/article/category/7628923    由上一节的数据组织结果，可以得到自定义数据的record格式，my.record,my-val.record.本节对相应的配置文件进行修改，使用自定义record数据进行模型训练。1，训练过程：...

# coding=utf-8"""Keras implementation of SSD."""import keras.backend as Kfrom keras.layers import Activationfrom keras.layers import AtrousConvolution2Dfrom keras.layers import Conv2Dfrom kera...

转自：https://blog.youkuaiyun.com/guoyunfei20/article/details/78723646该文翻译整理自：selective search for object detection（c++ / python）一、目标检测 VS 目标识别目标识别（objec recognition）是指明一幅输入图像中包含那类目标。其输入为一幅图像，输出是该图像中的...

Object Detection API（4）——Freeze Model模型导出博客：https://blog.youkuaiyun.com/qq_34106574简书：https://www.jianshu.com/u/fb86cd4f8bf8 上一节使用自定义record数据进行模型训练和测试，本节将训练模型导出为pb格式，方便程序调用，后面还会介绍如何使用opencv的c++程...