<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[动力中原]]></title><description><![CDATA[视觉算法分享交流]]></description><link>https://blog.youkuaiyun.com/qq_43019451</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_43019451]]></copyright><item><title><![CDATA[Win11下Linux子系统迁移方法及报错解决]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/128995187</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/128995187</guid><author>qq_43019451</author><pubDate>Sun, 12 Feb 2023 15:25:34 +0800</pubDate><description><![CDATA[win11系统下 Linux子系统 Ubuntu子系统 从C盘迁移至其他盘步骤及报错解决]]></description><category></category></item><item><title><![CDATA[kinetics-skeleton格式行为数据提取方法]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/123441228</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/123441228</guid><author>qq_43019451</author><pubDate>Sat, 12 Mar 2022 12:35:26 +0800</pubDate><description><![CDATA[利用lightweight-OpenPose自动提取姿态生成kinetics-skeleton格式数据]]></description><category></category></item><item><title><![CDATA[ONNX-TensorRT模型转换代码编译笔记]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/120221754</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/120221754</guid><author>qq_43019451</author><pubDate>Fri, 10 Sep 2021 15:12:10 +0800</pubDate><description><![CDATA[ONNX-TensorRT模型转换代码编译笔记


]]></description><category></category></item><item><title><![CDATA[Jetson NX和Nano上使用TensorRT部署YOLOv4模型速度测试]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/119409183</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/119409183</guid><author>qq_43019451</author><pubDate>Thu, 05 Aug 2021 10:31:12 +0800</pubDate><description><![CDATA[Jetson NX和Nano板卡上使用TensorRT推理速度测试前言Xavier NX 上TensorRT测试：Nano上TensorRT推理测试：
前言
  以下所有测试基于enazoe大佬的yolo-tensorrt项目进行，坏境配置比较简单。
  简单测试一下YOLOv4模型在NX和Nano上的推理速度，实际推理速度可能会有波动，如发现问题欢迎大家交流！
Xavier NX 上TensorRT测试：

    
        模型 
        输入尺寸 
        加速精度 
    ]]></description><category></category></item><item><title><![CDATA[st-gcn训练自建行为识别数据集]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/118787580</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/118787580</guid><author>qq_43019451</author><pubDate>Fri, 16 Jul 2021 11:16:04 +0800</pubDate><description><![CDATA[st-gcn训练自建行为识别数据集代码下载与环境配置准备行为数据
代码下载与环境配置
首先参照下面的命令，下载st-gcn算法的训练代码，配置环境。
git clone https://github.com/yysijie/st-gcn.git
cd st-gcn
pip install -r requirements.txt
cd torchlight
python setup.py install
cd ..

准备行为数据
训练之前，需要根据kinetics-skleton数据集的格式，提取自建数据集]]></description><category></category></item><item><title><![CDATA[ubuntu 更换Anaconda源 解决pytorch无法下载的问题]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/113251782</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/113251782</guid><author>qq_43019451</author><pubDate>Wed, 27 Jan 2021 16:24:25 +0800</pubDate><description><![CDATA[ubuntu 更换Anaconda源 解决pytorch无法下载的问题
试了Anaconda清华源、阿里源那些都无法正常下载Pytorch。后来发现更新到北京外国语大学的开源镜像站，能很快地下载Pytorch。
更新步骤如下：
首先在命令行输入如下指令，打开配置文件。
sudo gedit ~/.condarc

在打开的文件中加入如下内容：
channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.bfsu.]]></description><category></category></item><item><title><![CDATA[Ubuntu 更新镜像源 安装CUDA10.2+CuDNN 环境配置 记录]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/112115928</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/112115928</guid><author>qq_43019451</author><pubDate>Sat, 02 Jan 2021 20:45:52 +0800</pubDate><description><![CDATA[目录Ubuntu16.04更换镜像源CUDA10.2及CuDNN7.6.5
Ubuntu16.04更换镜像源
# 备份原始软件源
sudo  cp   /etc/apt/sources.list   /etc/apt/sources.list.bak
#更改文件权限
sudo  chmod  777  /etc/apt/sources.list
#打开文件进行编辑
sudo  gedit   /etc/apt/sources.list

打开文件后将原始内容删除，更换为新的镜像源，下面给出的是阿里镜像源：
]]></description><category></category></item><item><title><![CDATA[FastAPI封装YOLO目标检测模型]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/110186752</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/110186752</guid><author>qq_43019451</author><pubDate>Thu, 26 Nov 2020 15:35:05 +0800</pubDate><description><![CDATA[本文中使用FastAPI对目标检测模型进行了http封装，前端只需要将图片转为base64传入，生成json格式的检测结果返回。]]></description><category></category></item><item><title><![CDATA[ubuntu卸载NVIDIA驱动、卸载CUDA10.0、卸载CUDA10.2、安装NVIDIA驱动]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/109567104</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/109567104</guid><author>qq_43019451</author><pubDate>Sun, 08 Nov 2020 23:29:46 +0800</pubDate><description><![CDATA[ubuntu卸载NVIDIA驱动、CUDA10.0和CUDA10.2卸载CUDA10.0卸载CUDA10.2卸载NVIDIA驱动安装NVIDIA驱动
卸载CUDA10.0
sudo  /usr/local/cuda/bin/uninstall_cuda_10.0.pl

卸载CUDA10.2
 sudo /usr/local/cuda-10.2/bin/cuda-uninstaller

卸载NVIDIA驱动
sudo apt-get purge nvidia*
sudo /usr/bin/nvidia-u]]></description><category></category></item><item><title><![CDATA[Jetson Nano 相关配置-安装中文输入法、增加虚拟内存、安装VS Code...]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/109142807</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/109142807</guid><author>qq_43019451</author><pubDate>Sun, 18 Oct 2020 11:47:09 +0800</pubDate><description><![CDATA[Jetson nano相关开发环境配置更新国内镜像源：风扇控制指令设置ibus中文输入法：增加虚拟内存：安装pip3安装VSCode编译安装CMake
更新国内镜像源：
ubuntu中通过修改sources.list文件中内容来更改软件下载源，但是要注意nano是arm64架构，使用的镜像源和普通台式电脑的amd64架构不同。
更改软件源之前一般要备份：
sudo mv /etc/apt/sources.list /etc/apt/sources.list.bak 

然后修改source.list文件内容]]></description><category></category></item><item><title><![CDATA[C++ OpenCV-dnn模块调用模型进行目标检测 （支持CUDA加速）]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/108972783</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/108972783</guid><author>qq_43019451</author><pubDate>Fri, 09 Oct 2020 09:52:25 +0800</pubDate><description><![CDATA[前言
OpenCV4.4开始支持YOLOv4模型的调用，需要使用Opencv的DNN模块。
编译安装OpenCV和OpenCV-contrib库步骤，点此链接。
C++ OpenCV调用YOLO模型的完整代码点此下载
一、模型加载
	constexpr const char *darknet_cfg = "../face/yolov3-tiny.cfg";//网络文件
	constexpr const char *darknet_weights = "../face/yolov3-tiny.weights"]]></description><category></category></item><item><title><![CDATA[目标检测自动标注生成xml文件]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/108546828</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/108546828</guid><author>qq_43019451</author><pubDate>Sat, 12 Sep 2020 12:48:24 +0800</pubDate><description><![CDATA[link
文章目录前言一、使用opencv调用模型二、在xml文件中创建树并写入坐标定义一个main函数总结

前言
在训练目标检测时，标注数据是一项简单而又浪费时间的事情，如果能够自动标注数据将可以高效的扩充数据集，从而提高训练模型的效果。
目前能想到的一种自动标注方法是先训练一个检测效果较好的模型，然后使用这个模型对需要标注的图片进行检测，将检测到的BBox写入到标注文件中。这里来简单说明一下相关代码。
python脚本文件下载地址：https://download.youkuaiyun.com/download/]]></description><category></category></item><item><title><![CDATA[opencv-python dnn模块使用CUDA加速]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/105894552</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/105894552</guid><author>qq_43019451</author><pubDate>Sat, 02 May 2020 20:05:18 +0800</pubDate><description><![CDATA[opencv-python dnn模块调用NVIDIA的GPU用CUDA加速dnn模块加载darknet模型安装opencv-contrib-pythonCUDA加速调用模型进行检测
dnn模块加载darknet模型
下面以使用opencv的dnn模块调用Darknet训练的yolo的模型。这里加载了我之前训练的一个人脸识别的模型。
weightsPath = "face.weights"
con...]]></description><category></category></item><item><title><![CDATA[Jetson nano  更新软件源  安装OpenCV 经验]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/103292910</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/103292910</guid><author>qq_43019451</author><pubDate>Thu, 28 Nov 2019 16:25:52 +0800</pubDate><description><![CDATA[主要这几天在Jetson nano上安装opencv时遇到依赖项无法正常安装的问题，折腾了好久，最后竟通过很简单的方法解决了，所以写 此篇博客记录下来。]]></description><category></category></item><item><title><![CDATA[对损失函数以及参数w的梯度下降公式的推导]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/90415239</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/90415239</guid><author>qq_43019451</author><pubDate>Sat, 27 Jul 2019 16:48:31 +0800</pubDate><description><![CDATA[根据《统计学习方法》第6章中6.1节介绍，下面对损失函数以及参数www的梯度下降公式的推导：
SigmoidSigmoidSigmoid函数为：
g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1​ 给定一个样本xxx，可以使用一个线性函数对自变量进行线性组合 z=w0+w1x1+w2x2+⋯+wnxn=∑i=0nwixi=wTXz=w_0+w_1x_1+w...]]></description><category></category></item><item><title><![CDATA[Windows和ubuntu下使用Anaconda中安装tensorflow-gpu的简单方法]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/97027625</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/97027625</guid><author>qq_43019451</author><pubDate>Tue, 23 Jul 2019 21:08:58 +0800</pubDate><description><![CDATA[在anaconda环境下快速安装Tensorflow首先创建新的虚拟环境激活新建的环境安装tensorflow测试
首先创建新的虚拟环境
避免新装的模块对原来的环境造成影响，一般需要新建一个虚拟环境来安装tensorflow。通过下面这一行命令来创建，其中-n后面的“tensorflow”是新建的环境名称，可以根据自己的需要来设置，后面“python=3.6”为新建环境中python的版本。
co...]]></description><category></category></item><item><title><![CDATA[用python代码读取txt文件，绘制方波时序图]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/89918191</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/89918191</guid><author>qq_43019451</author><pubDate>Tue, 07 May 2019 11:53:20 +0800</pubDate><description><![CDATA[最近，朋友和我提到想将实验采集的数据绘制成一个记录高低电平变化的时序图，刚好最近我学了Matplotlib，第一反应就是可以用这个模块试一试。本人初学Python，边查函数查语法看中文手册，晚上鼓捣到凌晨两点多，可能使用的方法比较笨拙，但也是实现了。
首先来看看数据，其中分为高和低两部分，数据内容为时间，结果需要将对应时间长度的高低电平显示在时序图中。因为高低电平是交替变化，所以这里将两组数据交替...]]></description><category></category></item><item><title><![CDATA[Pycharm关闭错误提示，关闭“This inspection detects shadowing names defined in outer scopes.”等]]></title><link>https://blog.youkuaiyun.com/qq_43019451/article/details/89792558</link><guid>https://blog.youkuaiyun.com/qq_43019451/article/details/89792558</guid><author>qq_43019451</author><pubDate>Fri, 03 May 2019 23:00:03 +0800</pubDate><description><![CDATA[作为一名小白，在用PyCharm编写程序时经常被各种波浪线所困扰。但是其中很多提示的错误都是不影响代码运行的，想关闭这些没用的提示就需要进行一些设置。
代码检查设置
首先，一般都要进行的设置，打开File&gt;&gt;settings&gt;&gt;Editor&gt;&gt;Inspections,在右侧将Spelling取消勾选。

之后需要关闭Python中的俩个PEP8代码风格的检查。设...]]></description><category></category></item></channel></rss>