<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_42780708的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_42780708</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_42780708]]></copyright><item><title><![CDATA[海思(himixx200)交叉编译H264,ffmpeg和opencv4.2]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/121332696</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/121332696</guid><author>weixin_42780708</author><pubDate>Mon, 15 Nov 2021 14:08:40 +0800</pubDate><description><![CDATA[安装交叉编译链，并配置环境变量验证—教程很多
配置上环境变量后，可查看编译命令
zycxvm00x@Ubuntu16-040:~$ arm
arm2hpdl                       arm-himix200-linux-gcov
arm-himix200-linux-addr2line   arm-himix200-linux-gcov-tool
arm-himix200-linux-ar          arm-himix200-linux-gdb
arm-himix200-linu]]></description><category></category></item><item><title><![CDATA[显存未释放，模型训练一直GPU显存溢出，out of  memory]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/116485197</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/116485197</guid><author>weixin_42780708</author><pubDate>Fri, 07 May 2021 11:19:58 +0800</pubDate><description><![CDATA[如何查看服务器上占用显存的进程
在服务器上进行模型训练时，一直出现显存溢出的错误，查看nvidia-smi，并没有出现GPU进程占用的情况，发现有部分GPU显存未被释放
查看未释放显存进程命令
fuser -v /dev/nvidia*

当前用户权限下
就会打印出占用显存的所有进程

...]]></description><category></category></item><item><title><![CDATA[PaddleDetection中推理源码修改，增加批量测试和指定目标保存]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/115656322</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/115656322</guid><author>weixin_42780708</author><pubDate>Tue, 13 Apr 2021 10:44:58 +0800</pubDate><description><![CDATA[PaddleDetection/deploy/python/infer.py导出模型的推理预测程序中没有批量预测和指定目标保存。现对代码进行修改，增添功能。
在infer.py 中predict_image函数中进行修改，进行批量测试
加入超参数–infer_dir
在main函数中进行修改，增加参数
  # 
    parser.add_argument(
        "--infer_dir", type=str, default='', help="Directory for images to]]></description><category></category></item><item><title><![CDATA[Tensorflow lite--安全帽与反光背心的目标检测]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106995929</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106995929</guid><author>weixin_42780708</author><pubDate>Sun, 28 Jun 2020 14:14:17 +0800</pubDate><description><![CDATA[参考了博客，是一个口罩的识别。
在用标注工具标注自己的数据集后，转换数据集格式，voc的XML格式转换csv格式，csv再转成tensorflow所需要的标签和图片合体的record格式。
XML-CSV  网盘  vln2
CSV-record 源码中就给了，在参考博客中也给出了。
在准备好自己的数据集后，就可以开始配置tensorflow环境了，这个比较麻烦，我是在conda虚拟环境中配置的tensorflow-gpu，版本是1.15，
# your_name为自命名虚拟环境名
conda create]]></description><category></category></item><item><title><![CDATA[linux安装opencv4.3一直make出错]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106401664</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106401664</guid><author>weixin_42780708</author><pubDate>Thu, 28 May 2020 14:20:02 +0800</pubDate><description><![CDATA[ubuntu18.04 安装opencv 
opencv4.3源码编译
其中一直是cmake不知道怎么回事，网上各种命令安装，大部分cmake都可以成功，但是make会出错。参考上面的文章终于编译成功，mkdir了好几个目录，才编译好，多试几次。
在根据教程配置好环境后（python 和c++），
最后编译一个cpp文件测试一下，进入&lt;你的目录&gt;/opencv-4.3/samples/cpp/下，用g++编译：
g++ `pkg-config --cflags opencv4` drawing.]]></description><category></category></item><item><title><![CDATA[模型压缩和剪枝--基于darknet权重文件移植]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106356860</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106356860</guid><author>weixin_42780708</author><pubDate>Tue, 26 May 2020 15:43:22 +0800</pubDate><description><![CDATA[当知道如何训练自己的数据集后，如何将自己的模型优化并且速度更快，文件更小，精度更高呢，这时候除了调整超参数外，就要进行模型压缩和剪枝，并且为了落地到平台部署，推理速度是必须要考虑的，现在很多板卡（海思3519av100，jetson nano)上运行yolov3-tiny模型是可以跑的，FPS可以达到30左右，但是要检测多目标，或者复杂的物体识别，那就无法满足要求了。
因此我们要在保证准确度的前提下，对算法模型进行压缩和剪枝
参考开源项目：模型压缩和剪枝
https://github.com/tanlure]]></description><category></category></item><item><title><![CDATA[在deepstream上进行源码修改，在图像上overlay，并裁减目标图片后保存]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106235483</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106235483</guid><author>weixin_42780708</author><pubDate>Wed, 20 May 2020 14:27:09 +0800</pubDate><description><![CDATA[jetson nano 上如何将检测到的目标对象从图片中裁减出来并保存到本地。
在deepstream中gst-pluglns插件的 gst-dsexample中gstdsexample.cpp中修改部分代码
static GstFlowReturn
get_converted_mat (GstDsExample * dsexample, NvBufSurface *input_buf, gint idx,
    NvOSD_RectParams * crop_rect_params, gdouble &]]></description><category></category></item><item><title><![CDATA[pip下载torchvision和opencv后还是无法导入模块--解决]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106234427</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106234427</guid><author>weixin_42780708</author><pubDate>Wed, 20 May 2020 13:33:06 +0800</pubDate><description><![CDATA[由于在装完anconda后，就有python3版本3.7，所以都是直接pip3 install -name但是都显示安装成功，但是import导入的时候还是不成功。
需要pip更新，，缺少了一些模块
pip更新
pip3 install --upgrade pip

pip install opencv-python

pip install torchvision

这时候import就可以了
python3




import torchvision
exit()




...]]></description><category></category></item><item><title><![CDATA[darknet框架(两种版本)编译与使用--yolo训练自己的数据集]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106230193</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106230193</guid><author>weixin_42780708</author><pubDate>Wed, 20 May 2020 11:08:58 +0800</pubDate><description><![CDATA[yolo模型应用现在最为广泛，前段时间AB更是更新了yolov4，网上一些大神测试后反应好像都没达到期望，和EfficientNet相比好像效果一般。但yolo仍然是使用最广泛的模型之一。
而当前训练yolo的框架很多。个人觉得darknet框架比较容易上手，适合我这种小白。windows和linux都支持的，需要配置的环境不一样而已。
darknet有两种版本，一种是官方版本，但是维护力度不是很大，不过上手也挺简单的，想要下载可以直接去官方下载，教程很详细。
还有一种就是AlexeyAB版Darknet ]]></description><category></category></item><item><title><![CDATA[deepstream中 gst-rtsp-server库下载和编译]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/106013966</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/106013966</guid><author>weixin_42780708</author><pubDate>Sat, 09 May 2020 10:36:44 +0800</pubDate><description><![CDATA[gst-rtsp-server下载并编译
官方的git源码没有sh文件编译，版本更新后连readme也没有。
踩过一些坑后，才成功。
本人是在jetson nano 板卡上编译deepstream-app源码出现的库缺失错误，可能是安装不全。
从下方网站下载gst-rtsp-server，注意需要选1.14版本的，选其他的都不行。
http://mirrordirector.raspbian.org/raspbian/pool/main/g/gst-rtsp-server1.0/
cd 到文件目录下就可以进]]></description><category></category></item><item><title><![CDATA[YOLOv3详解]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/105125649</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/105125649</guid><author>weixin_42780708</author><pubDate>Thu, 26 Mar 2020 19:04:41 +0800</pubDate><description><![CDATA[一起分析网络一些细节与难懂的地方
backbone：darknet-53
为了达到更好的分类效果，作者自己设计训练了darknet-53。作者在ImageNet上实验发现这个darknet-53，的确很强，相对于ResNet-152和ResNet-101，darknet-53不仅在分类精度上差不多，计算速度还比ResNet-152和ResNet-101强多了，网络层数也比他们少。
Yolo_v3使...]]></description><category></category></item><item><title><![CDATA[进行图像目标检测的一些CNN网络结构发展]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/104770345</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/104770345</guid><author>weixin_42780708</author><pubDate>Tue, 10 Mar 2020 11:26:05 +0800</pubDate><description><![CDATA[一些CNN网络结构的发展
RCNN
1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Search)
2.每个候选框内图像块缩放至相同大小，并输入到CNN内进行特征提取
3.对候选框中提取出的特征，使用分类器判别是否属于一个特定类
4.对于属于某一类别的候选框，用回归器进一步调整其位置
Fast R-CNN
1.在图像中确定约1000-2000个候选框 (使用选择性...]]></description><category></category></item><item><title><![CDATA[AI基础项目手写数字识别思路总结]]></title><link>https://blog.youkuaiyun.com/weixin_42780708/article/details/104700978</link><guid>https://blog.youkuaiyun.com/weixin_42780708/article/details/104700978</guid><author>weixin_42780708</author><pubDate>Fri, 06 Mar 2020 17:55:12 +0800</pubDate><description><![CDATA[AI基础项目–手写数字识别
掌握核心：1.数据集下载，这里用的公开数据集Minist
2.网络设计，全连接神经网络，激活函数，注意输入输出尺寸，通道。（N,V=HWC）这里设计了三层
3.网络实例化，进行训练网络。设置损失函数，数据优化处理之类
4.得到优化参数后，进行测试，比对样本，使用one-hot编码，通过索引比对数据的对错
注意：1.是一个十分类问题，最后神经元的输出一定是10个小数，最后...]]></description><category></category></item></channel></rss>