- 博客(8)
- 收藏
- 关注
RSS订阅原创 UGATIT-pytorch在自己的数据集上训练以及常见的几个问题
1.环境安装常规环境安装，我只差一个scipy库，也就是这个常规的scipy库让我付出了惨痛的代价，切记切记！！！千万不要动系统文件，我默认安装的是scipy==1.5.
2021-06-07 19:59:31
1489
4
原创 LISRD源码跑通，并训练自己的模型
1.下载源码git clone --recurse-submodules https://github.com/rpautrat/LISRD.git2.配置好环境我的环境，这个环境没什么问题，训练测试都行 就conda install 或者python3.6 -m pip install ,可能环境还不够，缺啥再配啥吧numpymatplotlibtorchtorchvisiontensorboardpyyamlpathlibopencv-python==...
2021-04-21 21:01:04
337
1
原创 一些命令及常见问题总结
环境：Ubuntu（服务器）1、问题：浏览器老打不开 原因：进程没结束 解决：找到浏览器的进程，杀死(pid就是进程号)查看进程 ps -ef杀死进程 kill pid2、启动anacondaanaconda-navigator3、双显卡如何使用其中一个 在device语句前加上一句os.en............,指定一个显卡os.environ["CUDA_VISIBLE_DEVICES"] = "1"device = torch...
2020-10-21 10:33:05
204
原创 解决pip安装的包仍然在全局环境里而不是虚拟环境
用服务器的小伙伴都知道，有些包用conda是装不上的，而如果是实验室公用的服务器，你就没办法在大环境里下手，但是经常用pip install package 无效，装的包还是在base环境里，经过我多种方法尝试，终于找到了一个解决办法我们以opencv-gpu-3.4.2.16为例首先进入自己的虚拟环境conda activate xx不要直接用pip install opencv-gpu==3.4.2.16，反正我是失败的应该用python3.6 -m pip install
2020-07-28 19:48:02
8243
6
原创 论文笔记（翻译） SuperPoint：Self-Supervised Interest Point Detection and Description
摘要：本文提出了一种用于训练兴趣点检测器和描述符的自监督框架，适用于计算机视觉中大量的多视角几何问题。与基于patch的神经网络不同，我们的全卷积模型在全尺寸图像上运行，并在一次向前传递中联合计算像素级兴趣点位置和相关描述符。我们引入了Homographic Adaptation（同源自适应），一个多尺度，多同源的方法，以提高兴趣点检测的重复性和执行跨域自适应(例如,synthetic-to-real)。我们的模型，当训练在MS-COCO通用图像数据集使用Homographic与最初的预适应深度模型..
2020-07-19 19:51:58
1381
原创 LIFT: Learned Invariant Feature Transform 源码跑通环境搭建（Ubuntu下cpu）
源码地址：https://github.com/cvlab-epfl/LIFT我的环境：Ubuntu16.04下CPU python2.7+opencv3.2.0很多博主都要求python2.7，我在服务器上用的3.7的确实有问题，所以用了自己电脑上Ubuntu16.04自带的2.7版本需要安装的python库：numpy，scipy，parse，h5pyconda安装一下(pip安装也可)，测试安装是否成功conda install numpypytho...
2020-07-13 20:49:00
752
1
原创 Ubuntu16.04的python环境安装opencv
环境：实验室公用服务器下我自己的虚拟环境问题：import cv2 失败，显示没有opencv这个库，可是我安装过了为什么出现问题：公用服务器的python版本是3.7.5，我创建自己的环境时是3.6.1，我认为极有可能是这个原因。解决方法：我又创建了一个虚拟环境（我原来那个安装的东西本来就不多） conda create -n 你的虚拟环境名 python=3.7.5 然后，一定要先安装numpy库，这是opencv依赖...
2020-07-09 15:33:59
326
1
原创 传统特征点检测
使用角点进行特征定位的有：Harris角点，fast角点，orb，brisk使用关键点进行特征点定位的有：sift、surf使用角点进行特征检测的一个大缺点就是，它没有尺度不变性和旋转不变性，orb特征点结合了fast+brief，但是它使用区块的几何中心和质心确定了特征点的方向，使之具有旋转不变性，使用图像金字塔确定了尺度不变性。因此orb在快速的基础上又具有特征不变性，且提取的特征点也比较少。比较经典的是sift和它的衍生surf，但是sift的提取速度比orb慢的多，所以他达不到实时的效果
2020-07-07 19:46:05
342
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人