<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Camlin_Z的博客]]></title><description><![CDATA[只为遇见更好的自己]]></description><link>https://blog.youkuaiyun.com/sinat_28731575</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sinat_28731575]]></copyright><item><title><![CDATA[从0到1离线配置CenterNet训练环境]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/121144575</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/121144575</guid><author>sinat_28731575</author><pubDate>Fri, 05 Nov 2021 20:36:08 +0800</pubDate><description><![CDATA[从0到1离线配置CenterNet训练环境环境配置流程conda安装*下载Anaconda或者Miniconda**Anaconda安装**Anaconda环境激活*CenterNet环境安装*1、编译DCNv2**2、安装GCC 4.9*CenterNet训练与测试
环境配置流程
CenterNet的github地址
conda安装
下载Anaconda或者Miniconda
1、有关以上两个的区别可以参看：
各种conda的区别
2、各种conda的下载路径如下：


Anaconda:
Anacond]]></description><category></category></item><item><title><![CDATA[可变形卷积原理、实现及工程化部署]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/118652839</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/118652839</guid><author>sinat_28731575</author><pubDate>Sun, 11 Jul 2021 12:22:45 +0800</pubDate><description><![CDATA[引言
本文主要以目标检测算法CenterNet作为载体，介绍可变形卷积的算法原理，python实现以及工程化部署
可变形卷积原理介绍
可变形卷积目前有DCN V1以及在V1基础上改进发展来的DCN V2，具体的算法原理可以看论文原文或者参考：
https://cloud.tencent.com/developer/article/1679389
可变形卷积的实现
这里主要参考：https://cloud.tencent.com/developer/article/1638363 中的讲解
CenterNet]]></description><category></category></item><item><title><![CDATA[语义分割算法(pytorch版本)C++部署全流程解析]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/110754888</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/110754888</guid><author>sinat_28731575</author><pubDate>Tue, 08 Dec 2020 23:19:01 +0800</pubDate><description><![CDATA[语义分割算法(pytorch版本)C++部署全流程解析
本文以https://github.com/CSAILVision/semantic-segmentation-pytorch作为示例语义分割算法，采用libtorch来进行C++部署
整个部署分为以下几个步骤进行展开：


示例语义分割算法简介


原始模型预处理opencv化


模型网络结构重构


模型转化


C++数据预处理、前向传播及后处理代码开发


opencv和libtorch联合编译


示例语义分割算法简介
https://gi]]></description><category></category></item><item><title><![CDATA[pytorch中backward()函数详解]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/90342082</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/90342082</guid><author>sinat_28731575</author><pubDate>Sun, 19 May 2019 14:07:43 +0800</pubDate><description><![CDATA[最近由于实际需要在学习pytorch，作为深度学习中最为重要的反向传播计算，pytorch用非常简单的backward( )函数就实现了，但是在实现过程中对于其参数存在一些疑问，下面就从pytorch中反向传播求导的计算方式，backward( )函数参数来进行说明。
这里首先还是放出backward( )函数的pytorch文档，因为整个说明主要还是围绕这个函数来进行的。

问题描述
从上面的文...]]></description><category></category></item><item><title><![CDATA[目标检测two-stage经典方法总结]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/90341311</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/90341311</guid><author>sinat_28731575</author><pubDate>Sun, 19 May 2019 13:59:14 +0800</pubDate><description><![CDATA[目标检测two-stage经典方法总结计算机视觉的三大任务OverFeat引入问题OverFeat改进方法Offset PoolingFCN分类任务模型训练模型测试定位任务模型训练模型定位步骤分类和定位任务参考资料：R-CNN使用深度网络来定位物体产生类别无关的候选框卷积神经网络产生定长的特征向量指定类别的SVM线性分类器训练网络CNN的训练SVM分类器的训练CNN和SVM训练中的问题Ablati...]]></description><category></category></item><item><title><![CDATA[Caffe转NCNN并移植Android配置记录]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/83591920</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/83591920</guid><author>sinat_28731575</author><pubDate>Thu, 01 Nov 2018 11:48:53 +0800</pubDate><description><![CDATA[实验目的：
将caffe模型转成ncnn可以实现在移动端运行深度学习模型，主要使用：
https://github.com/Tencent/ncnn
实验环境：
1、系统环境

Mac OS Mojave系统
编译好的caffe源码（可以参考我之前的博客：https://blog.youkuaiyun.com/sinat_28731575/article/details/78958348）

2、软件

An...]]></description><category></category></item><item><title><![CDATA[caffe中solver配置文档]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/82945584</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/82945584</guid><author>sinat_28731575</author><pubDate>Fri, 05 Oct 2018 17:21:25 +0800</pubDate><description><![CDATA[本文主要参考：
https://www.cnblogs.com/denny402/p/5074049.html 以及caffe官方文档
Solver的流程：

设计好需要优化的对象，以及用于学习的训练网络和用于评估的测试网络。（通过调用另外一个网络配置文件prototxt来进行）
通过forward和backward迭代的进行优化来跟新参数。
定期的评价测试网络。（可设定多少次训练后，进行一次测试...]]></description><category></category></item><item><title><![CDATA[PSPNet运行及训练]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/82828021</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/82828021</guid><author>sinat_28731575</author><pubDate>Tue, 25 Sep 2018 13:02:46 +0800</pubDate><description><![CDATA[PSPNet运行及训练前言配置环境准备工作开始配置PSPNet运行数据集准备数据集处理运行及测试PSPNet训练配置文档数据增强
前言
最近实习完回学校，继续开始我的图像语义分割研究了，为毕业论文做准备，首先还是看了一下最近的一些最新的分割论文，在ICNet论文中找到一个很好的图表，显示各个方法在CItyscapes数据集的测试集上的时间和精度指标情况：



由上图可以看到精度上很高的方法有Re...]]></description><category></category></item><item><title><![CDATA[一种人脸68特征点检测的深度学习方法]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/80723743</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/80723743</guid><author>sinat_28731575</author><pubDate>Wed, 25 Jul 2018 21:39:17 +0800</pubDate><description><![CDATA[该人脸68特征点检测的深度学习方法采用VGG作为原型进行改造(以下简称mini VGG)]]></description><category></category></item><item><title><![CDATA[详细解释递归原理]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/79807647</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/79807647</guid><author>sinat_28731575</author><pubDate>Tue, 03 Apr 2018 18:58:41 +0800</pubDate><description><![CDATA[一直以来对于递归原理都不是很了解，最近找实习非得要学习了，于是今天好好的研究了一下，这里以《剑指offer》上面第93页递归的例子来进行分析。 
问题是：求a的n次方。 
下面是一个比较简单的求法的公式： 
an={an/2∗an/2a(n−1)/2∗a(n−1)/2∗an为偶数n为奇数an={an/2∗an/2n为偶数a(n−1)/2∗a(n−1)/2∗an为奇数a^n=
\begin{case...]]></description><category></category></item><item><title><![CDATA[Unbuntu配置Caffe以及调试DeepLab记录]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/78958348</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/78958348</guid><author>sinat_28731575</author><pubDate>Wed, 03 Jan 2018 10:14:51 +0800</pubDate><description><![CDATA[本篇文档主要是记录这一个星期以来配置caffe和deeplab，以备以后忘记了使用。中间遇到无数坑，但是总算是配置好了。



配置caffe

首先我是拿到了一台导师给的空空的服务器，所以参考下面的文章首先进行了配置： 
Ubuntu 16.04 安装配置Caffe 图文详解

上面的配置过程中遇到以下坑： 
1、配置NVIDIA驱动的时候选择了NVIDIA-Linux-x86_64-384.9]]></description><category></category></item><item><title><![CDATA[mac环境下上传项目到github]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/78151808</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/78151808</guid><author>sinat_28731575</author><pubDate>Mon, 02 Oct 2017 17:41:19 +0800</pubDate><description><![CDATA[mac上上传项目到github]]></description><category></category></item><item><title><![CDATA[卷积神经网络（CNN）相关知识以及数学推导]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/78137194</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/78137194</guid><author>sinat_28731575</author><pubDate>Fri, 29 Sep 2017 20:37:43 +0800</pubDate><description><![CDATA[本篇博客详细的介绍了卷积神经网络的有关知识和数学推导]]></description><category></category></item><item><title><![CDATA[Mac下使用源码编译安装TensorFlow CPU版本]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/74633476</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/74633476</guid><author>sinat_28731575</author><pubDate>Fri, 07 Jul 2017 10:28:30 +0800</pubDate><description><![CDATA[这是安装TensorFlow CPU版本的第二种方法，第一种方法大家可以参见我的 
Mac上Anaconda+Tensorflow安装这篇博文，其实探讨这种方法是因为在用第一种安装方法安装好了之后，在运行程序的时候可能会出现：2017-07-06 22:56:18.520959: W tensorflow/core/platform/cpu_feature_guard.cc:45] The Tens]]></description><category></category></item><item><title><![CDATA[Mac上Anaconda+Tensorflow安装]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/74616230</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/74616230</guid><author>sinat_28731575</author><pubDate>Thu, 06 Jul 2017 22:59:36 +0800</pubDate><description><![CDATA[终于准备开始学习谷歌的深度学习框架tensorflow了，花了一上午的时间，终于配置好了，下面就是详细的步骤：首先大家可以参考一下官方的安装tensorflow的方法： 
https://www.tensorflow.org/install/install_mac官方提供了 
1、virtualenv 
2、”native” pip 
3、Docker 
4、installing from sour]]></description><category></category></item><item><title><![CDATA[QT中的一个常见问题]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/72904819</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/72904819</guid><author>sinat_28731575</author><pubDate>Wed, 07 Jun 2017 22:48:31 +0800</pubDate><description><![CDATA[之前在写QT的代码的时候经常遇到这个问题，报错的情况如下：真的之前会被烦死，所以开这一篇博客特意来提醒自己，这个问题会出现就是因为我们在有时候直接从ui界面点控件转到槽函数的mainwindow.cpp页面的时候会在mainwindow.h的private slots下生成一个函数的声明，而我经常删掉mainwindow.cpp中的槽函数后却忘记删掉mainwindow.h中的函数声明，就像我这个：]]></description><category></category></item><item><title><![CDATA[MAC Windows linux(树莓派)三平台配置 opencv2.4.13 + QT环境]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/72822169</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/72822169</guid><author>sinat_28731575</author><pubDate>Wed, 31 May 2017 17:28:32 +0800</pubDate><description><![CDATA[一、MAC平台mac平台上用xcode配置使用opencv的具体操作过程可以参考这篇博文： 
http://blog.youkuaiyun.com/u014365862/article/details/53067565在xcode上面配置好了opencv之后就可以进行QT的配置： 
http://blog.youkuaiyun.com/tianzhaixing2013/article/details/52077064 
在]]></description><category></category></item><item><title><![CDATA[树莓派实现上传文件到百度云]]></title><link>https://blog.youkuaiyun.com/sinat_28731575/article/details/72722700</link><guid>https://blog.youkuaiyun.com/sinat_28731575/article/details/72722700</guid><author>sinat_28731575</author><pubDate>Thu, 25 May 2017 10:03:38 +0800</pubDate><description><![CDATA[自己开的第一篇帖，因为因为这个小问题一直弄了两天，终于在小伙伴的帮助下完成了，开个贴纪念下。。。 
以下介绍两种方法：一、利用python的baidupcsapi包来进行上传（网上一般都是我下面要说的第二种方法） 
完成上面的任务首先需要在树莓派上面用pip装上一个baidupcsapi的python包：sudo pip install baidupcsapi 
（注意此处如果把GitHub里面的包]]></description><category></category></item></channel></rss>