<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Fantastic]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u012655441</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u012655441]]></copyright><item><title><![CDATA[VSCode配置C++开发环境：OpenCV]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/128545111</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/128545111</guid><author>u012655441</author><pubDate>Fri, 06 Jan 2023 10:27:12 +0800</pubDate><description><![CDATA[VSCODE+OpenCV开发环境配置]]></description><category></category></item><item><title><![CDATA[深度学习 图像分割综述]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125890561</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125890561</guid><author>u012655441</author><pubDate>Tue, 26 Jul 2022 10:51:35 +0800</pubDate><description><![CDATA[图像分割在计算机视觉中是个重要的任务，在地理信息系统、医学影像、自动驾驶、机器人等领域都有着很重要的应用技术支持作用。本篇博客主要做了一个图像分割算法的综述，从两方面进行论述，一个是语义分割，在前面博客也提到相关的算法，详见Deeplab语义分割。另一方面是实例分割，详见实例分割综述，MaskRCNN。...]]></description><category></category></item><item><title><![CDATA[C++部署深度学习模型]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125848977</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125848977</guid><author>u012655441</author><pubDate>Sun, 24 Jul 2022 16:10:12 +0800</pubDate><description><![CDATA[在部署大规模深度学习应用的时候，要想满足应用需求或者压榨模型的性能，C++可能是比python更好的选择方案。基于此，特地记录最近的C++的学习经历。其实以终为始来思考为什么学习C++，首先是为了能够很好地提升模型的性能，满足应用场景中的高可用，高并发，低时延等要求。为了提升模型的性能，需要用到一些推理框架，如TensorRT、NCNN或者Openvino（本文中以TensorRT作为案例）。TensorRT在8.0以上的版本都支持Python的API了，但还是有必要学习C++。ONNX模型转换和优化。..]]></description><category></category></item><item><title><![CDATA[机器学习 EM算法理解]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125801103</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125801103</guid><author>u012655441</author><pubDate>Sun, 17 Jul 2022 11:01:10 +0800</pubDate><description><![CDATA[EM算法与极大似然算法相似，是一种解决问题的思想，解决一类问题的框架，和线性回归，逻辑归回，决策树等一些具体算法不同，极大似然算法更加抽象，是很多具体算法的基础。本文主要从一个例子出发，从极大似然到EM算法。本文主要参考人人都能看懂EM算法。......]]></description><category></category></item><item><title><![CDATA[深度学习 主动学习（Active Learning）概述、策略和不确定性度量]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125705082</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125705082</guid><author>u012655441</author><pubDate>Tue, 12 Jul 2022 11:03:24 +0800</pubDate><description><![CDATA[主动学习是指对需要标记的数据进行优先排序的过程，这样可以确定哪些数据对训练监督模型产生最大的影响。主动学习不是一次为所有的数据收集所有的标签，而是对模型理解最困难的数据进行优先级排序，并仅对那些数据要求标注标签。然后模型对少量已标注的数据进行训练，训练完成后再次要求对最不确定数据进行更多的标注。通过对不确定的样本进行优先排序，模型可以让专家（人工）集中精力提供最有用的信息。这有助于模型更快地学习，并让专家跳过对模型没有太大帮助的数据。这样在某些情况下，可以大大减少需要从专家那里收集的标签数量，并且仍然可以得]]></description><category></category></item><item><title><![CDATA[单图像三维重建算法]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125520540</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125520540</guid><author>u012655441</author><pubDate>Wed, 29 Jun 2022 14:24:20 +0800</pubDate><description><![CDATA[单图像三维重建算法]]></description><category></category></item><item><title><![CDATA[服务器运维 服务器安全问题]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125309783</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125309783</guid><author>u012655441</author><pubDate>Tue, 21 Jun 2022 11:07:01 +0800</pubDate><description><![CDATA[应用安全]]></description><category></category></item><item><title><![CDATA[模型部署 利用Tensorflow Serving部署模型]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125332182</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125332182</guid><author>u012655441</author><pubDate>Mon, 20 Jun 2022 22:10:08 +0800</pubDate><description><![CDATA[使用Tensorflow框架训练好模型后，想把模型部署到生产环境可以使用进行部署。]]></description><category></category></item><item><title><![CDATA[深入浅出了解相机标定]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/125198356</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/125198356</guid><author>u012655441</author><pubDate>Thu, 09 Jun 2022 14:51:57 +0800</pubDate><description><![CDATA[相机标定]]></description><category></category></item><item><title><![CDATA[WebSocket在Python中的应用]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124823542</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124823542</guid><author>u012655441</author><pubDate>Mon, 30 May 2022 16:58:20 +0800</pubDate><description><![CDATA[文章目录前言
前言

]]></description><category></category></item><item><title><![CDATA[深度学习 数据长尾问题]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124684999</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124684999</guid><author>u012655441</author><pubDate>Mon, 30 May 2022 16:40:15 +0800</pubDate><description><![CDATA[文章目录前言参考
前言
最近忙着工作，上班下班放假时间都被工作沾满了，都没什么时间写博客。今天看了一篇文章万字综述：如何打造自动驾驶的数据闭环？，刚好在跟最近在做的目标检测有关系，于是写下这篇博客记录遇到的问题。
参考

Long-Tailed Classification (1) 长尾(不均衡)分布下的分类问题简介


...]]></description><category></category></item><item><title><![CDATA[卡尔曼滤波]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124923339</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124923339</guid><author>u012655441</author><pubDate>Mon, 23 May 2022 11:45:17 +0800</pubDate><description><![CDATA[文章目录前言卡尔曼滤波解释使用矩阵描述问题外部控制变量外部干扰用测量值来修正估计值融合高斯分布
前言
在先前的视频目标检测任务中，应用了DeepSort算法。DeepSort算法是由Sort算法加入“Deep”即卷积神经网络演进而来的。Sort算法主要有两个部分，一个是卡尔曼滤波，另一个是匈牙利距离。其中卡尔曼滤波有一个非常形象的例子就是火箭升空时如何测量火焰的温度。我们不可能直接将温度测量仪放在喷火处，因为没有这么耐热的材料。但可以放在外壳，测量外壳的温度，通过卡尔曼滤波即可测量。当然这只是个例子，测量火]]></description><category></category></item><item><title><![CDATA[Python 使用Flask传输视频流]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124798348</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124798348</guid><author>u012655441</author><pubDate>Mon, 16 May 2022 15:04:27 +0800</pubDate><description><![CDATA[文章目录前言StreamingFlask实现流构建实时视频流视频流优化
前言
最近有一项任务，将视频中目标检测的结果传输给前端。这个任务很好实现，按照实际，对每一帧的视频进行检测然后返回图像流在前端进行展示。然而上头要求不返回视频流，要的是返回检测结果。听到这项任务就纳闷，理论上只需要返回数据流，但是又感觉哪里有点说不出奇怪，于是写下这篇文章梳理整个结果。本篇博客主要参考：Video Streaming with Flask和Flask Video Streaming Revisited。代码请参考：fla]]></description><category></category></item><item><title><![CDATA[ImageInpaint：图像修复]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124397129</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124397129</guid><author>u012655441</author><pubDate>Tue, 26 Apr 2022 09:42:14 +0800</pubDate><description><![CDATA[文章目录前言传统方法深度学习参考
前言
传统方法




Year
Proceeding
Title
Tag




2000
SIGGRAPH 2000
Image Inpainting  [pdf]
Diffusion-based


2001
TIP 2001
Filling-in by joint interpolation of vector fields and gray levels [pdf]
Diffusion-based


2001
CVPR 2001
Navier-stokes, ﬂ]]></description><category></category></item><item><title><![CDATA[数仓建设以及数据治理]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124377092</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124377092</guid><author>u012655441</author><pubDate>Sun, 24 Apr 2022 10:56:43 +0800</pubDate><description><![CDATA[文章目录前言数仓设计数仓架构数仓建模方法建模实际业务中的数仓分层数据层的具体实现数据治理数据治理之道数据治理方式规范治理架构治理
以下文章来源五分钟学大数据，作者园陌，关于数仓建设及数据治理的超全概括
前言
数仓分层的原因:

用空间换时间，通过大量的预处理来提升应用系统的用户体验，因此数据仓库会存在大量冗余的数据；不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清洗过程，工作量巨大，所谓动一发而牵全身。
通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了多个步骤去完成，相当于把]]></description><category></category></item><item><title><![CDATA[ImageInpaint：PatchMatch算法]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/124344108</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/124344108</guid><author>u012655441</author><pubDate>Sun, 24 Apr 2022 10:19:04 +0800</pubDate><description><![CDATA[文章目录前言图像修复
前言
图像修复

]]></description><category></category></item><item><title><![CDATA[系统集成项目管理工程师14 总结]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/123866781</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/123866781</guid><author>u012655441</author><pubDate>Thu, 31 Mar 2022 15:22:39 +0800</pubDate><description><![CDATA[项目管理过程组与知识领域





启动过程组
规划过程组
执行过程组
监控过程组
收尾过程组




项目整体管理
制定项目章程
制订项目管理计划
指导与管理项目执行
监控项目工作 、整体变更控制
结束项目或阶段


项目范围管理

制订范围管理计划、收集需求、范围定义、创建工作分解结构

范围确认、范围控制



项目进度管理

制订进度管理计划、活动定义、活动排序、活动资源估算、活动历时估算、制订进度计划

进度控制



项目质量管理

制订质量管理计划
质量保证
质量控制



项目成本管理

指]]></description><category></category></item><item><title><![CDATA[YOLOX的深入理解]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/123799503</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/123799503</guid><author>u012655441</author><pubDate>Thu, 31 Mar 2022 09:25:49 +0800</pubDate><description><![CDATA[文章目录前言Decouple headStrong data augmentationAnchor FreeMulti positivesSimOTAEnd-to-end YOLOBackbone
前言
Decouple head

27 34
Strong data augmentation
Anchor Free
29
40
14
24
11
Multi positives
29
SimOTA
4
End-to-end YOLO
Backbone

]]></description><category></category></item><item><title><![CDATA[深度学习模型部署之模型优化]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/123685684</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/123685684</guid><author>u012655441</author><pubDate>Thu, 24 Mar 2022 10:38:21 +0800</pubDate><description><![CDATA[文章目录前言模型剪枝模型量化
前言
前段时间看了知乎有一个问题：训练好的深度学习模型是怎样部署的？，当中有一个高赞的回答，大致意思如下：
深度学习部署方式取决于你的需求：

需求一：简单的demo演示，看看效果。只需要把训练模型切换到inference模式或者用CPython包装供C++工程进行调用。
需求二：放到服务器上开启服务，不要求吞吐不要求时延。基于训练框架（tensorflow，pytorch，caffe）等用C++部署一套。这种尚未脱离框架，导致占用存储空间。
需求三：放到服务器上要求吞吐和时延]]></description><category></category></item><item><title><![CDATA[系统集成项目管理工程师13《项目配置管理》]]></title><link>https://blog.youkuaiyun.com/u012655441/article/details/123392974</link><guid>https://blog.youkuaiyun.com/u012655441/article/details/123392974</guid><author>u012655441</author><pubDate>Tue, 22 Mar 2022 16:13:01 +0800</pubDate><description><![CDATA[文章目录

]]></description><category></category></item></channel></rss>