qq_38765642的博客

至此，encode就完成了，一开始我们的网络没有经过训练，框都是乱跑的，经过编码之后约束到一个区间。这个时候，我们网络的输出pred_bboxes经过encode之后得到的框(记作res)几乎就是target框，还记得之前的Anchor中心点所在网格的左上角坐标a=(6,2)吗，加到res上不就是人工标注嘛！20的feature map为例**，stride=32，对应9组anchor中的第一组：[(116, 90), (156, 198), (373, 326)]。80的feature map上有56。

1、widerface：源格式转VOC格式，VOC2COCO、VOC2YOLO。后续其他数据集等待更新…

模型中的parameter和buffer数据的区别

【YOLOV5-5.x 源码讲解】整体项目文件导航。现在基本完成，花点时间整理下yolov5的学习笔记。

后续其他高阶玩法不定时更新。

拼接数据

MMDetection入门完整版笔记

OpenCV3源代码实践1、图像显示/** 图像显示*/#include <opencv2/opencv.hpp>using namespace cv;int main(){ Mat srcImage = imread("1.jpg"); # 载入1.jpg的3通道的彩色图像，flags=0为灰度图 imshow("【原始图】", srcImage); waitKey(0); destroyAllWindows();}2、图像腐蚀图像腐蚀是最基本的形态学运算之

Non-local neural networks很详细

生成模型和判别模型这里1

详解相机标定算法原理1.1 为什么要相机标定？相机的作用就是将真实的三维世界转换成二维平面世界，可以将相机看成一个函数，输入是一个三维的场景，输出是我们获得的二维的图片。从三位世界到二维世界的这个映射关系是不可逆的，也就是说无法仅通过一张二维图片来得到真实的三维世界。相机标定模型如图1所示：相机标定就是通过输入带有标定pattern的标定板来计算相机参数，来用简单的数学模型来表达复杂的成像过程。求解这个数学模型，也就是求解相机的参数，包括相机的内参，外参以及畸变参数。有了这个数学模型，我们可以对相机

SVD奇异值分解详细

3D-2D估计输入:3d空间点 2d像素点，输出:相机的位姿此时相机位姿估计已知一张图片含有3D信息，另一个只有2D信息，此问题采取特征点法估计若干图像中的相机运动。思路为先从图像中提取若干特征，然后在3D-2D图像间进行特征匹配，这样就得到许多匹配好的点，再根据这些点进行相机位姿的求解，即求解相机相对于世界坐标系的姿态改变量R,t。其旋转矩阵设为R，平移向量设为t。3D-2D估计本质是pespective-n-point（PnP）一个问题，即给定世界坐标系中n个3D点及其在图像中的相应2D投影的情况

相机位姿相机位姿估计是指给定若干图像，估计其相机运动的问题。求解方法通常分为特征点法和直接法。1、特征点法特征点法的思路是先从图像当中提取许多特征，然后在图像间进行特征匹配，这样就得到许多匹配好的点，再根据这些点进行相机位姿的求解。根据传感器形式的不同，可以分成三种情况：（1）2D-2D：单目相机获取的图像，只能获取像素坐标（2）3D-3D配对点: RGBD图像或双目相机，可以获取深度信息（3）3D-2D：已知一张图中的3D信息，另一张图只有2D信息从问题的角度分析：在两帧各自的相机坐标系

3D human pose 重要论文以及笔记（持续更新）单目3D人体姿态估计论文清单 浙大CAD&CG实验室整理基于深度学习的单目2D/3D姿态估计综述（2021）3D human pose 重要论文分类（持续更新）

三维人体姿态估计年度进展综述（周晓巍教授）报告笔记报告视频

3D人体姿态估计评估指标相比于2D人体姿态估计使用的评估指标，3D人体姿态估计的指标不同。详细介绍

常用激活函数（激励函数）理解与总结整理深度学习经常使用的激活函数：比较详细持续更新

单目相机 - 针孔相机模型单目相机 - 针孔相机模型

世界坐标系、相机坐标系、图像平面坐标系详细介绍

pytorch中存储各层权重参数时的命名规则，为什么有些层的名字中带module.很详细

卷积，反卷积，空洞卷积详细

Opencv-python（cv2）图像读取、显示与保存，看这一篇就够了很详细

人体姿态估计-生成heatmap的方法有时间整理下生成heatmap的方法~????主要是两类方便快速的方法，以前的方法这里不讨论这里假设heatmap大小为(64,48)，关键点的坐标为(32,24)即将一个(64,48)的黑图的中心点点亮1、利用CV2函数，利用高斯模糊函数生成heatmap函数：cv2.GaussianBlur(heatmap, kernel, sigma)参数说明：heatmap：要进行高斯模糊的原图像imgkernel： 高斯核大小 ，一般为正数和奇数sigma

torch.optim.lr_scheduler：调整学习率详细

Pytorch分布式训练DataParallel和DistributedDataParallel详解本人项目涉及到分布式训练，之前简单介绍了分布式训练神经网络训练——分布式训练（一）笔者用pytorch比较多，故此记录下pytorch的分布式训练的两种方式，开始学习吧~1. 入门Pytorch 分布式训练主要有两种方式：torch.nn.DataParallel ==> 简称 DP，数据并行，PS结构torch.nn.parallel.DistributedDataParallel ==

基础知识碎片~神经网络训练——分布式训练（一）由于本人研究方向需要提高结果精度，需要分布训练和混合精度两种方法训练来训练自己的网络，所以在此纪录下个人的理解，话不多说，开始学习吧~????✔ 分布式理解：深度学习常见的训练方式分为三种：（1）单机单卡（单GPU）这种训练方式一般就是在自己笔记本上，穷学生专属，就如我????‍♀️，就是一台机器，上面一块GPU，最简单的训练方式。（2）单机多卡（多GPU并行）一台电脑可以配置4块GPU或者更多，如果在4块GPU上都跑一次BP算法计算出梯度，把所有

np.transpose很详细通俗易懂

RLE：Run Length Encoding（行程长度压缩算法）在机器视觉领域的深度学习中，每个数据集都有一份标注好的数据用于训练神经网络。为了节省空间，很多数据集的标注文件使用RLE的格式，比如 kaggle 挑战赛的 Airbus Ship Detection Challenge。但是神经网络的输入一定是一张图片，为此必须把RLE格式的文件转变为图像格式。

Python-OpenCV:cv2.imread(),cv2.imshow(),cv2.imwrite()很详细

PyTorch-网络的创建，预训练模型的加载modules(),named_modules(),children(),named_children() 访问模型的各个子模块详细，还有其他

超好用的第三方库pathlib，快速获取项目中各种路径详细

CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？第一个回答十分详细

python中的easydict模块使用python中的easydict模块使用

python：获取当前目录、上层目录路径python：获取当前目录、上层目录路径

反卷积和上采样+卷积的区别？很详细

PyTorch中模型的parameters()方法浅析详细详细

深度特征融合—理解add和concat之多层特征融合超详细

nn.Sequential(*layers)详细

pytorch中残差网络resnet的源码解读很详细彻底搞懂ResNet50