TTTree_的博客

最近看了Arcface，建议先去看下原论文，然后结合博客和代码便于理解。 记录一下比较好的博客： https://blog.youkuaiyun.com/qq_34914551/article/details/86515184 https://blog.youkuaiyun.com/qq_40859461/article/details/86771136 代码：（github上好像是有实验版本） https://blog.youkuaiyun.com/lmb09122508/article/details/90055316 ...

1.平移 随机获取平移点后直接平移图像即可。 2.旋转 先利用cv2.getRotationMatrix2D(获得仿射变化矩阵)，再cv2.warpAffine(进行仿射变化)，如： angle = np.random.randint(0, 90, 1)[0] # 随机获取旋转角度 0-90顺时针 h, w = image.shape[0],image.shape[1] M = cv2.getRotationMatrix2D((w/2,h/2),angle,1) res = cv2.warpAffine(i

在看泊松融合的时候复习了一下梯度、散度（大学学的全还给老师了…… 图像梯度计算 图像中的梯度和散度 看完上面两篇文章大致可以理解如何求梯度，为什么对梯度求偏导再相加的和为散度，然后可以看图像融合之泊松融合 python 实现泊松融合： https://blog.youkuaiyun.com/aitail/article/details/106002129 https://zhuanlan.zhihu.com/p/68349210 ...

用到了ffmpeg，记录一下。 总的来说，使用ffmpeg截视频，抽帧比opencv快的多。 按照视频的时间截取： commd = ‘ffmpeg -accurate_seek -i {path} -vcodec copy -ss {begin} -t {end} ./output4.mp4’. format(path=’./input.mp4’, begin=‘00:00:00’,end=‘00:00:02’) 按照帧数截取视频： commd = ‘ffmpeg -i {path} -vf t

记录一下看到的anchor box相关文章，写得不错： 目标检测中的Anchor详解 faster R-CNN中anchors 的生成过程（generate_anchors源码解析）

看到一些博客写的还行，记录一下 MMDetection检测框架概述 MMDetection中文文档—2.入门

最近在学这篇文章方法，先记录一下看到比较好的博客，有机会再更。 object queries : https://blog.youkuaiyun.com/u010734277/article/details/106502774 Transformer: https://baijiahao.baidu.com/s?id=1651219987457222196&wfr=spider&for=pc ...

最近课题中遇到了这个问题，目标检测任务，anchor-free算法，一张特征图128*128，可能只有8个左右的正样本点，其他全是负样本点，训练起来效果很差。 目前只是记录一下搜集到的解决方法，真正解决之后再来更新。 Focal loss 这应该是容易想到的方法。 https://zhuanlan.zhihu.com/p/113716961 https://www.cnblogs.com/areaChun/p/11900799.html https://blog.youkuaiyun.com/sinat_28454

先占个坑。 1.train时遇到错误：UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool instead 解决方法： https://blog.youkuaiyun.com/BBZZ2/article/details/101022935 ...

YOLO-v3 阅读笔记 YOLO-v3论文标题：《YOLOv3: An Incremental Improvement》。论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf。项目官网：https://pjreddie.com/darknet/yolo/（当然GitHub上也有很多复现啦） YOLOv3的论文读起来很有趣，又短又好(?)，...

YOLO-v2 阅读笔记 YOLO-v2论文标题：《YOLO9000:Better, Faster, Stronger》，CVPR2017的文章。论文地址：（懒得写链接了）。论文复现代码：http://pjreddie.com/yolo9000/ 这篇文章其中提出了两种模型，YOLOv2和YOLO9000.但是少了很多细节，比如损失函数的设计、先验框的匹配原则等，想要真正搞懂需要花不少力气看源码。...

写在最前面 开始写博客是想记录学习，也是鞭策自己。学习过程中发现网上许多博文不甚清楚，或者看过就忘，整理的过程增加了一些自己的理解，也算不小的收获。刚刚入门，难免出错，如有问题请不吝赐教，也欢迎讨论。 最后，我想我至少会认认真真更新到毕业吧（大概 YOLO-v1 阅读笔记 YOLO-v1论文标题：《You Only Look Once: Unified, Real-Time Object Dete...