tanmx219的博客

1>caffe.pb.obj : error LNK2001: 无法解析的外部符号 "class google::protobuf::internal::ExplicitlyConstructed google::protobuf::internal::fixed_address_empty_string" (?

本文解释如何显示WIDER数据集及显示相关标注。如何显示coco数据集的图片及查看标注的质量请参考前面的文章《保存coco dataset注释为单一文件，并逐一显示所有图片的mask》。根据libfacedetection.train(https://github.com/ShiqiYu/libfacedetection.train)的数据结构，我们看一下其中的标注trainset.json的效果，$ tree data/widerfacedata/widerface├── eval_too

最新版2019-09-25版本更新信息请参考：https://blog.youkuaiyun.com/tanmx219/article/details/101379732正文由于经常大量标注，我先后用了不少标注工具，但总觉得使用起来有诸多不便。有的只能标注多边形，有的只能标注标注拉框。所以后来决定自己开发一个标注工具，目前已经开发了一些基本功能，如拉框标注，多边形标注，面积标注（语义分割）...

先下载paddle到本地（我的地址是D:/open/）git clone -b release/2.2 --recursive https://github.com/PaddlePaddle/Paddle.git我的系统配置：windows10 + cuda11.5 + vs2019， 使用x64，然后cmake-gui走起，几个Configure + 1次Generator后，生成了paddle.sln解决方案。然后启动vs2019开始编译，只能选择release版本，不能

一，下载paddleocr源码git clone https://github.com/PaddlePaddle/PaddleOCR.gitgit checkout release/2.4cd PaddleOCR/deploy/cpp_infer/二，编译PaddleOCRr

在开源的标注工具中，labelme是不个错的选择，因为开源，众人拾柴火焰高，所以大家也能贡献一些代码。注意，如果你是要直接使用labelme的话，到github上直接下载可执行文件就可以了，比如https://github.com/wkentaro/labelme/releases/download/v4.6.0/Labelme.exe或者https://github.com/wkentaro/labelme/releases/download/v4.6.0/Labelme.dmg这些.

本节描述PCD（点云数据）文件格式。为什么用一种新的文件格式？PCD文件格式并非白费力气地做重复工作，现有的文件结构因本身组成的原因不支持由PCL库引进n维点类型机制处理过程中的某些扩展，而PCD文件格式能够很好地补足这一点。PCD不是第一个支持3D点云数据的文件类型，尤其是计算机图形学和计算几何学领域，已经创建了很多格式来描述任意多边形和激光扫描仪获取的点云。包括下面几种格式：lPLY是一种多边形文件格式，由Stanford大学的Turk等人设计开发；lSTL是3D Syste...

先说一些部署上话。如果是Linux或arm上，现在生态链已经很全了，各家都在发力，但在windows上，有时还是挺痛苦的，相对部署的人比较少，很多模型要自己去摸索。为了在Windows上部署模型，通常我们可以这样做：（1）可以选择一些比较容易或别人已经部署过的模型。（2）在没有GPU的情况下，一般用NCNN比较容易成功。本人多次在windows上编译过这个短小精悍的NCNN。（3）如果用GPU话，可能还是TensorRT更合适。另外libTorch也是个不错的选择。（4）不用GPU的情况下，wi

很多在Ubuntu上能轻易成功编译的软件，在Windows上相对难度都要高不少。感叹一下！基于我个人的感觉，在Ubuntu下QT编程没有Windows的VS上那么上手，所以很多实际应用我还是选择了windows，从某个角度来说，很多人留在windows的原因，和VS的关系不小。这些年来越来越多的程序员开始转向linux，尽管windows的用户仍然是最大的。这里初试了一下TVM+LLVM，发现VS编译的话，TVM v0.60 + LLVM 9.0.1能轻易编译通过，而其他版本几乎都不能。目前还没

用python3.7时，mayavi貌似很容易安装。现在彩python3.8，发现安装时有下面的问题：。。。。UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 45: ordinal not in range(128) CCompilerOpt._cache_write[796] : write cache to path -> /tmp/pip-install-w8u16lpt/mayavi_95.

Ubuntu18.04重新安装了，现在要把OpenPCDet也重新装上，按照官方的教程来，一路安装好了torch， numpy之类的东西，没碰到问题，之后 开始安装OpenPCDet，然后就碰到了下面的问题，问题1 IndexError: list index out of range(openmmlab) user@MS-7816:~/devAI/OpenPCDet$ python setup.py developNo CUDA runtime is found, using CUDA.

一般而言，不论我们是否要将该主干结构用于何种模型，一般都是在这个基础上进行的。例如，将在Yolact中用EfficientNet替换Resnet，可以在同等效果下让模型数据量降为原来的大约1/4到1/5左右。下面我列出一下主干结构。self._conv_stemConv2dStaticSamePadding( (conv): Conv2d(3, 32, kernel_size=(3, 3), stride=(2, 2), bias=False))self._blocks模

Blob<Dtype>::Reshape(const vector<int>& shape)功能：为blob分配内容空间该函数一般在开辟空间内存时调用，如输入的data层，InputLayer<Dtype>::LayerSetUp中调用。一般shape是(num, channel, width, height), 容量count = num*...

函数原型如下，void reorg_cpu(float *x, int out_w, int out_h, int out_c, int batch, int stride, int forward, float *out){ int b,i,j,k; int in_c = out_c/(stride*stride); //printf("\n out_c = ...

说明：使用Yolo培训时，如果你使用的是VOC或COCO的文件结构，label按照该结构存放，否则，请把label和图片文件放在同一文件夹里面。Yolov3支持的label结构如下，参考utils.c ==> replace_image_to_label()函数Yolov3是在哪里读取label的呢？过程如下，...

作用：对 top输出到多个 Layer的情况进行分割，建立完整的网络结构重要的参数说明举例：layer_idx_to_layer_name[i] 记录各层的名称，如 [0x00000000] "input" blob_name_to_last_top_idx[“conv1”]=(1,0) 这个例子相当于说”conv1” 这层是第1层的第0个top， bottom_idx_to_so...

写一篇自己的理解，算不上严格意义的证明，事实上很多熟悉的公式和推导方式都没有摆上来。推导的过程没有参考课本，这可能和个人习惯有关系，以前看别人著作时，很怕那种“显而易见”地描述，因为对作者而言显而易见的地方，对读者可能不是。对读者显而易见的地方，作者可能不这么认为。我一直的想法是，如果条件鲁棒，不论你从哪个角度（比如说展开成解析表达式，或多用向量表达式）去推导，结果应该都是一样的！  ...

各领域公开数据集下载（转过来的，原贴来源不详，未能标注出处。参考：https://blog.youkuaiyun.com/c2a2o2/article/category/7194279）使用的数据集THCHS30是Dong Wang, Xuewei Zhang, Zhiyong Zhang这几位大神发布的开放语音数据集，可用于开发中文语音识别系统。为了感谢这几位大神，我是跪在电脑前写的本帖代码。下载...

先定义几个参数 输入图片大小 W×W Filter大小 F×F （相当于卷积核大小，也可看作滤波器大小，卷积也是一种滤波） 步长 S（stride) padding的像素个数 P 于是我们可以得出N = (W − F + 2P )/S+1输出图片大小为 N×N备查假设Ｆ为奇数N: 核中心的个数（卷积中心位置所在数据点，图片中就相当于像素...

visual object tracking的项目，运行中碰到些小问题。Windows下matlab运行的这两个项目非常接近，https://github.com/HyeonseobNam/MDNethttps://github.com/ybsong00/Vital_release两个项目的运行，都要先看readme.md文件（比如matlab版本不能太低，要R2014或以上），尤其是...

举例比如某一次的输出结果如下训练log中各参数的意义 5: 10.222071, 10.294983 avg loss, 0.000000 rate, 395.829699 seconds, 320 imagesLoaded: 0.000000 secondsRegion Avg IOU: 0.227881, Class: 1.000000, Obj: 0.381839, No Ob...

这个是以前的ECO (https://github.com/nicewsyly/ECO) 在windows下的编译笔记，也许没啥大用，今天重新打开以前的代码时，同样的问题完全忘记当时怎么处理的了，还是好记性不如烂笔头！所以干脆弄到这里来。因为是以前的，显得有点乱，不想再整理了,  时间有点长，不保证没错误  :-{ 注意事项Ｎo.1 visual studio 版本Please u...

本文重点讲解LBP特征及OpenCV中LBP特征的基本处理。目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。用级联分类器实现目标检测在AI人工智能识别中应用十分广泛。正样本的选取原则正样本的尺寸不是必须一致的，从源码可以看到，这个是可以在输入图片文件的尺寸时设置大小从而实现在CreateSamples中进行裁剪的（参考cvCreateTrainingSamplesF...

这个FindSquares算是比较典型的综合技能项目吧，用到的小技巧还不少，我们先看一下几个函数吧，函数static double angle的作用是求角度根据余弦定理：在平面座标中通过计算变换，最后可以得到：嗯，函数中直接用了这个结果。其余函数的说明1.函数Canny进行边缘检测，和Sobel原理差不多，不过相对加了些料，稍有点复杂，以后有时间再说吧。 2.函数...

说明：openCv的contours是分级的，其寻边理论依据（方式）参考suzuki的论文《Topological structural analysis of digitized binary images by border following》。Contour 的寻边模式ModeopenCV通过一个矩阵来管理等级，矩阵的元素表示方法是：[Next, Previous, Fir...

原理的通俗解释用一个网上流传温度估计的例子（根据 k-1 时刻的温度值，估算 k 时刻的是实际温度值），为了通俗会意，我这里尽量避免使用专业术语。假设我们相信温度是恒定的，所以得到 k 时刻的温度预测值是跟 k-1 时刻一样的，假设是23 度，同时该值的高斯噪声的偏差是 5 度。然后，你从温度计那里得到了 k 时刻的温度值，假设是25 度，同时该值的偏差是 4 度。可见，整个Kal...

参考博客：SIFT算法的Matlab实现https://www.sun11.me/blog/2016/sift-implementation-in-matlab/SIFT特征详解https://www.cnblogs.com/wangguchangqing/p/4853263.html下面我列一下博客中讲到，但涉及源码时又不够透彻的地方（其实是否透彻还是取决于个人的经验和理解）用到...

Dlib介绍Dlib是一个现代化的C ++工具箱，其中包含用于在C ++中创建复杂软件以解决实际问题的机器学习算法和工具。它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。Dlib的开源许可证 允许您在任何应用程序中免费使用它。Dlib有很长的时间，包含很多模块，近几年作者主要关注在机器学习、深度学习、图像处理等模块的开发。主要特点文档丰富 与许...

道路行人数据集汇总(转载)这些数据集没怎么细看，转载过来记录个源头先。1、Caltech Pedestrian Detection Benchmarkhttp://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/加州理工学院行人数据集包含大约10个小时的640x480 30Hz视频，这些视频是通过在城市环境中正常行驶的...

在OpenCV中，有两个代理类是经常出现的：InputArray和OutputArray，它巧妙地利用了C++的定义转换，辅助完成对矩阵的管理。定义typedef const _InputArray& InputArray;typedef InputArray InputArrayOfArrays;typedef const _OutputArray& OutputA...

记一下，备忘。用OpenCV打开OpenCV录制的视频，发现报错，代码如下 cv::VideoCapture capture; capture.open("E:\\opencv.avi");追踪了一下，原来是打开要求用MJPG，bool AviMjpegStream::parseStrl(MjpegInputStream& in_str, uint8_t strea...

Anaconda的安装先说一下，windows的运行机抽和linux完全不一样，由于无法使用sudo等命令，权限检查显得十分怪异。所以安装时最好不要安装在C盘，我一般都安装在D盘（如 D:/anaconda3）。如果你一定要装在C盘，那么个别软件包有的时候conda执行起命令来可能会非常缓慢，甚至无缘无故中断（源码没去研究过，所以也不明所以，原因只能连懵带猜，也有可能是因为一些你懂的原因，谁知...

功能：把数据类型为_Tp的一组集合进行聚类，也就是根据相似或相同的某特征进行归类，最后分成若干个类别。这里是以相似矩形的分类为例进行讲解，重点内容都在注释中。整体过程就是先判断两个矩形是否相似，如果相似，就决让其中一个做父节点，一个做子节点，然后再检查这个关系是否影响了其他节点的关系，如果有影响，就调整。检查完之后就沿所有的节点找到顶级父节点，如果该 父节点还没有分类，就分类成一个新的分类值...

（注：优快云不适合写公式，只好上传图片格式）其中Pkk=Pll=cosθ, Plk=Pkl=sinθ,形式上就是这样，A*PT Aik = Aik×Pkk+Ail×Pkl Ail = Aik×Plk+Ail×PllP*A Aki = Pkk×Aki+ Pkl×Ali Ali = Plk×Aki+ Pll×Ali实际计算时，只计算那些必...

这里先写一个序，是督促自己常常来更新博文（名字没想好，叫OpenCV程序设计的艺术？）！很久了，想写一点关于OpenCV，FFMPEG，X264等源码解析的博客。考虑到基础都是相通的，所以决定先写一些基础性的知识。相对于FFMPEG和X264，OpenCV的基础性更强，计算功能也更单一。换句话说，你完全可以理解OpenCV的一个类型的计算方式而不用理会是否理解了另一个类型，这可能...

如果你在测试trainCascade时，资料目录没有放在项目目录中，很有可能触发下面的报错：Train dataset for temp stage can not be filled.我们很容易定位这个错误的来源，在cascadeClassifier.cpp中bool CvCascadeClassifier::train( const string _cascadeDirName...

理论基础所谓直方图，在图像中，指的就是各个像素的统计值，就是一个像素在整幅图像中出现次数。例如下面这张16个像素的图片，其直方图就是直方图均衡化，是将给定图像的直方图改造成均匀分布的直方图，从而扩大像素灰度值的动态范围，达到增强图像对比度的效果。OpenCV中的直方图均衡化OpneCv中，可以用calcHist进行图像的均衡化，也可以使用equalizeHist可...

OpenCV的硬件加速层全称是OpenCV Hardware Acceleration Layer (HAL)，一般来说，硬件厂商或开发人员可能会根据自己的实际情况，开发出独立于OpenCV的运算函数，以支持硬件优化，加快运算速度。这些功能性模块有可能是闭源的。为了实现顺利对接，OpenCV提供了一个简单的接口模块，当各厂家需要开发自己的运算模块时，只要实现这些接口即可。根据【1】，OpenC...

协方差矩阵在统计学与概率论中，协方差是指两个向量元素之间的相关性。设为n维随机变量方差的定义为：当存在两个随机变量X，Y时，其各个维度偏离其均值的程度就可以用协方差来定义：在物理上的理解，你可以认为协方差是指两个向量之相互影响的程度，单从数值上来看，协方差的数值越大，表示两个变量对其均值的变化同向的程度越大。当随机变量有多个的时候，一般不再使用X，Y这样的表述...

OpenCV中采用了很多类似下面方式，在类的构造函数中动态进行定义转换#include "stdafx.h"class Mat {public: int val; void init() { val = 100; }};class holder{public: Mat* pMat; holder(Mat& test) { test.val = 101;...