whale998-优快云博客

原创最小二乘法实际测试与应用（线性与非线性拟合）

关于最小二乘法的介绍可以参考链接要自己使用并应掌握的重点是：下面主要就最小二乘法的实际应用进行测试，主要包含两个部分，第一个是使用最小二乘法对线性方程进行拟合，第二个是使用最小二乘法对非线性方程进行拟合。线性方程拟合程序思路：先随机生成测试数据，并可视化，随后使用最小二乘法拟合线性方程。import numpy as npimport matplotlib.pyplot as pltnp.random.seed(0)def real_func(x): return 3*x +

2021-10-22 15:14:08 472

原创【SCP】ubuntu文件传输指令

需求将内网中一台服务器上的资料数据转移到另一台服务器中指令scp -r -P <port_id> <file> <username>@<ip_address>:<folder where you want put>e.gscp -r -P 50003 111111.txt root@172.24.41.166:/root/Source/sl_dataset...

2021-09-14 13:39:54 501

原创 [Paper]Fast and Robust Multi-Person 3D Pose Estimation and Tracking from Multiple Views

文章目录Fast and Robust Multi-Person 3D Pose Estimation and Tracking from Multiple ViewsAbstractIndex Terms1. Introduction2. Related WorkMulti-view 3D human poseSingle-view pose estimationPerson re-ID and multi-image matchingFast and Robust Multi-Person 3D Po

2021-09-03 10:58:33 819

原创【MVPOSE】MVPOSE环境配置与测试

MVPOSE环境配置与测试官方Github链接搭建步骤官方的安装步骤可以参考官方的Github主页官方Github链接这里我选用的是conda安装环境安装anaconda利用conda创建虚拟环境：更多创建虚拟环境的方法参考文章：Ubuntu下创建虚拟环境步骤# 创建虚拟环境conda create -n mvpose python=3.6.9# 进入虚拟环境conda activate mvpose安装pytorch与cudatoolkitconda install p

2021-09-03 10:53:44 1155 2

原创 SPIN环境配置

GITHUB项目链接配置过程conda create -n spin python==3.6.9conda activate spingit clone https://github.com/nkolot/SPIN.gitcd SPINconda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorchpip install opencv-pythonpip install futurepip

2021-08-06 21:03:41 482 3

原创常用人体模型关节索引

SMPL （24 joints）

2021-08-06 12:57:38 2570

原创 Python拼接视频

import cv2import numpy as npimport matplotlib.pyplot as pltdef concatenate_video(input_video1, input_video2, output_video): video_caputre1 = cv2.VideoCapture(input_video1) video_caputre2 = cv2.VideoCapture(input_video2) # get video paramet

2021-04-09 10:54:03 698

原创 Python视频分割（截取视频部分保存）

import cv2def split_video(input_video, output_video): video_caputre = cv2.VideoCapture(input_video) # get video parameters fps = video_caputre.get(cv2.CAP_PROP_FPS) width = video_caputre.get(cv2.CAP_PROP_FRAME_WIDTH) height = video_c

2021-04-08 20:52:38 6645 2

原创人体姿态估计常用评估指标（Human Pose Estimation Evaluation Metrics）

文章目录Evaluation MetricsPercentage of Correct Parts - PCPPercentage of Correct Key-points - PCKPercentage of Detected Joints - PDJMean Per Joint Position Error - MPJPE参考链接Evaluation MetricsPercentage of Correct Parts - PCP如果两个预测的关节位置和真实的肢体关节位置之间的距离最大为**肢

2021-03-18 20:06:32 3622

原创 Docker配置环境相关操作文档

文章目录docker操作文档修改默认下载源并更新安装anaconda安装cuda cudnnpip使用清华源或者阿里源docker操作文档修改默认下载源并更新在Ubuntu系统下进入路径/etc/apt修改路径下source.list修改步骤：删除所有内容进入Ubuntu阿里源镜像站根据你的系统复制合适的配置修改完之后记得运行下面两条指令sudo apt-get updatesudo apt-get upgrade安装anacondasudo sh ~/Source/A

2020-12-14 20:02:59 223

原创 Ubuntu切换Python版本，创建指定Python版本的纯净虚拟环境

Ubuntu切换Python版本选择合适的python版本下载tgz包（例如Python-3.9.1.tgz）解压tgz包常见解压与压缩指令见：https://blog.youkuaiyun.com/songbinxu/article/details/80435665使用以下命令集从源代码编译Python 3.9，然后使用altinstall命令进行安装。 cd Python-3.9.1 sudo ./configure --enable-optimizations sudo make

2020-12-09 10:36:33 536

原创 OpenPose环境配置

文章目录OpenPose环境配置1. 拉取镜像2. 进入容器，进行测试3. 可能存在的问题(1) can not opendisplay(2) Check failed: error == cudaSuccess (48 vs. 0) no kernel image is available for execution on the device(3)Check failed: ReadProtoFromBinaryFile(param_file, param) Failed to parse NetPar

2020-10-28 11:14:46 1696 1

原创【完整最新版】在ubuntu下安装向日葵并测试连接

安装过程进入官网下载向日葵Linux版本（这里我选择的是图形版本）向日葵Linux版安装地址下载完毕后应得到一个deb包SunloginClient-10.1.1.38139_amd64.deb进入安装包所在的文件夹，输入指令sudo dpkg -i SunloginClient-10.1.1.38139_amd64.deb# 报错缺少依赖的话，执行下一步再尝试安装sudo apt-get -f -y install安装lightdm（以前安装过忽略这一步）因为向日葵不支持

2020-09-21 10:42:18 15455 1

原创 Ubuntu下Typora使用PicGo自动上传图片

Ubuntu下Typora使用PicGo自动上传图片安装nodejsnodejs 12.18.3 LTS for Linux 64下载地址下载完毕后解压将文件夹拷到/usr/local/lib/nodejs下,并将Nodejs添加到环境变量sudo cp -r node-v12.18.3-linux-x64 /usr/local/lib/nodejsecho "export export PATH=/usr/local/lib/nodejs/bin:$PATH" >>

2020-09-18 13:52:34 1124

原创利用Python将图片序列转换成视频（avi）

Python_图片序列转视频（avi）利用python将一个包含图片序列的文件夹下的所有图片转成avi视频形式函数可以直接使用，输入包含图片的文件夹路径及输出视频的路径即可。注意：img_size一定要提前设置好，否则有可能程序运行成功，视频却无法播放import cv2import osimport os.path as ospdef img2video(img_dir, img_size, video_dir, fps): fourcc = cv2.VideoWriter_

2020-08-25 13:38:56 3125 2

原创利用Python将图片序列转换为GIF动图

Python_图片序列转GIF利用python将一个包含图片序列的文件夹下的所有图片转成GIF动图形式函数可以直接使用，输入包含图片的文件夹路径及输出GIF的路径即可。import imageioimport osimport os.path as ospdef img2gif(img_dir, gif_path, duration): """ :param img_dir: 包含图片的文件夹 :param gif_path: 输出的gif的路径 :pa

2020-08-25 13:24:22 2132

原创 VirtualGL常见问题解决方法

文章目录问题1：libGL error问题2：470: Broken pipe问题3这里我使用VGL主要是因为通过ssh连接服务器跑程序时，时常会出现渲染的问题。会报错导致程序中断"ValueError: Failed to initialize Pyglet window with an OpenGL >= 3+ context. If you're logged in via SSH, ensure that you're running your script with vglrun (

2020-08-23 11:45:32 3614 1

原创【已解决】Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure

问题描述使用plt.imshow()时报错：UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.解决方法：step1 代码中添加matplotlib.use(‘TkAgg’)import matplotlibmatplotlib.use('TkAgg')import matplotlib.pyplot as pltstep2 安装pytho

2020-08-10 13:09:28 7535 8

原创利用Python对文件进行各种操作

文章目录遍历文件夹输出文件夹中所有文件名称寻找文件夹中包含指定关键词的文件将文件名及拓展名分离指定字符将文件名分割若不存在文件夹则创建遍历文件夹输出文件夹中所有文件名称实现：利用os.listdir()e.gfor idx in os.listdir(kpt_folder): print(idx) # 这里的idx即为文件夹中文件的名称寻找文件夹中包含指定关键词的文件实现：利用os.listdir()e.g# 根据指定关键词查找文件keywords = 'your_keywor

2020-07-29 10:40:39 394

原创 MP4在线转换GIF工具

在线地址：https://ezgif.com/video-to-gif

2020-07-27 15:37:19 999

原创执行sh文件出错：: No such file or directory

问题描述在LInux系统下，想使用sh执行脚本出错：报错形式有：在用cd指令切换目录时出现: No such file or directory在激活虚拟环境时出现：.ndaEnvironmentNotFoundError: Could not find environment:等等解决方法用vim打开该sh文件，输入：:set ff回车，显示fileformat=dos，重新设置下文件格式：:set ff=unix 保存退出:wq此时再执行sh文件即可。e

2020-07-23 15:25:35 1345

原创【论文阅读】Generating 3D People in Scenes without People

文章目录Github项目地址**Generating 3D People in Scenes without People** *CVPR 2020*Abstract1. Introduction2. Related workConclusionGithub项目地址Generating 3D People in Scenes without People CVPR 2020Abstract我们提出一个全自动的系统(fully automatic system)，采取一个三维场景，并产生合理

2020-07-23 10:50:03 381

原创【论文阅读】SurfelMeshing: Online Surfel-Based Mesh Reconstruction

文章目录SurfelMeshing: Online Surfel-Based Mesh Reconstruction *TPAMI 2018*AbstractIntroductionSURFEL-BASED MESH RECONSTRUCTIONSurfel ReconstructionSurfel DenoisingMeshingRemeshingSurfelMeshing: Online Surfel-Based Mesh Reconstruction TPAMI 2018Abstract我们解决

2020-07-22 19:00:26 1678

原创【论文翻译】Semantic Graph Convolutional Networks for 3D Human Pose Regression

文章目录Semantic Graph Convolutional Networks for 3D Human Pose Regression CVPR2019 （开源）项目地址Abstract1. IntroductionContributions2. Related Works**Graph convolutional networks****3D pose estimation**3. Semantic Graph Convolutional Networks3.1 ResGCN: A Baselin

2020-07-18 18:00:34 1051 1

原创理解CNN（CNN过程可视化）

文章目录What is a Convolutional Neural Network?What does each layer of the network do?Input Layer （输入层）Convolutional Layers（卷积层）理解超参数（Hyperparameters）Activation FunctionsReLUSoftmaxPooling Layers （池化层）Flatten Layer（展平层）Github项目地址在线demo地址整个网络的流程：input(64,6

2020-07-11 16:01:18 3998

原创 markdown同步照片至云端（Typora+PicGo-Core+Gitee）

Contents[一. 下载PicGo-Core](# 一. 下载PicGo-Core)[二. 利用Gitee配置图床](# 二. 利用Gitee配置图床)[1. Gitee账号配置](## 1. Gitee账号配置)[2. 安装nodejs](## 2. 安装nodejs)[3. 下载插件](## 3. 下载插件)[4. 修改配置文件](## 4. 修改配置文件)[5. 验证是否配置成功](## 5. 验证是否配置成功)[参考文档](# 参考文档)一. 下载PicGo-Core打开Ty

2020-07-04 20:31:17 1292 1

原创【显著提升Github下载速度】利用码云提升Github下载速度

国内直接在Github中下载资源的速度一般而言是非常慢的，本文使用码云显著提升Github资源的下载速度。操作步骤注册码云码云官网将资源转到码云中在码云中添加仓库，选择导入已有仓库，输入需要导入仓库的github地址导入成功后，进入码云中的仓库进行下载，你会发现下载速度比直接从GitHub上下载要快得多。...

2020-06-13 19:42:50 125

原创【AlphaPose】AlphaPose运行环境搭建与测试

AlphaPose项目地址AlphaPose是一种精确的多人姿势估计器，其运行环境的搭建相较于OpenPose而言更加简便。搭建步骤官方安装步骤这里我选用官方推荐的conda进行安装测试。安装anaconda利用conda创建虚拟环境：更多创建虚拟环境的方法参考文章：Ubuntu下创建虚拟环境步骤# 创建虚拟环境conda create -n alphapose python=3.6 -y# 进入虚拟环境source activate alphapose安装pytorch

2020-05-20 11:36:24 10663 68

原创【论文翻译】Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

OpenPose项目地址Abstract本文提出了一种有效检测多人二维姿态的方法。该方法使用非参数表示，即我们所说的部件亲和域(PAFs)，来学习将图像中的个体与身体部件相关联。该体系结构对全局上下文进行编码，允许一个贪婪的自底向上解析步骤，该步骤在实现实时性能的同时保持高准确性，而不考虑图像中的人员数量。该体系结构的目的是通过同一序列预测过程的两个分支来共同学习零件的位置及其关联。我们的方法在首届COCO 2016关键点挑战中排名第一，并在性能和效率方面显著超过了MPII多人基准测试之前的最先进的结果

2020-05-19 18:54:12 385

split_video.py

concatenate_video.py

空空如也