- 博客(95)
- 收藏
- 关注
原创 windows系统环境变量过长解决方案(PATH too long installer unable to modify Path)
在按照官方文档安装PCL库时,发现如下danteng的错误,内心极度崩溃!以前也遇到过,当时暂时解决了该问题,现在又遇到了重新解决一次,为了方便以后遇到该问题时不再不知所措,现做个笔记!
2025-03-27 20:52:17
411
原创 PCL配置
一段时间之后,会弹出来一个OpenNI2的安装窗口,此时将OpenNI2放在3rdparty文件夹里,即D:\PCL 1.13.1\3rdParty\OpenNI2。路径下的3rdParty/OpenNI2文件夹内可以看到安装包OpenNI-Windows-x64-2.2.msi,双击运行,选择Remove移除安装再重新安装即可。下一步, 安装路径可以自行修改(我的安装路径D:\PCL 1.13.1),之后点击安装即可。新建一个控制台应用(目录可以放在pcl的安装路径下),建立一个。
2025-03-27 19:38:42
698
原创 CENTERNET重点学习
继续参考这篇博客,有很详细的代码修改说明,原项目README也有说明,主要是在src/lib/datasets/dataset下参考coco.py新增一个自己的dataloader类,然后将它引入src/lib/datasets/dataset_factory,并在/src/lib/opts.py中修改数据集默认值,添加类别标签即可。使用nvidia-smi命令(前提是你安装了显卡驱动),可以看到显卡信息,其中右上角表示显卡最高支持的CUDA版本号,安装的CUDA版本不要超过这个版本。
2025-03-02 17:18:14
342
原创 语义分割整理
语义分割网络综述-优快云博客【语义分割】一文概览主要语义分割网络,FCN、UNet、SegNet、DeepLab-优快云博客CVPR2024 分割Segmentation相关论文37篇速览_clustering propagation for universal medical image-优快云博客【2024|CVPR】语义分割之医学分割,论文推荐!_bi-level learning of task-specific decoders for jo-优快云博客
2024-11-18 23:38:33
296
原创 YOLOV8改进DSConv分布移位卷积
基础干货:高效卷积,降内存提速度保精度 (eepw.com.cn)各种卷积性能对比(Conv,DwConv,GhostConv,PConv,DCNV)-优快云博客
2024-07-07 20:03:58
323
原创 YOLOV8代码理解
骨干网络和 Neck 部分可能参考了 YOLOv7 ELAN 设计思想,将 YOLOv5 的C3结构换成了梯度流更丰富的C2f结构,并对不同尺度模型调整了不同的通道数。属于对模型结构精心微调,不再是无脑一套参数应用所有模型,大幅提升了模型性能。不过这个 C2f 模块中存在 Split 等操作对特定硬件部署没有之前那么友好了。
2024-05-13 16:20:41
1236
原创 水面垃圾清理机器人的视觉算法研究
卷积神经网络是一种分层的数据表示模型,通常由数据输入层、卷积层、池化层、 非线性激活函数、全连接层以及输出结果预测层等组成,其中卷积层、池化层和非线 性激活函数是卷积神经网络中的重要组成部分。常见的损失函数有均方误差损失函数、交叉熵损失函数和基于 IOU(Intersection over Union, IOU)的系列损失函数,网络中为更新损失函数(Loss Function)的相关参数, 需要进行偏导计算,通过计算损失函数得到损失值,该值将衡量预测值与真实值之间 的差距。
2024-05-08 22:45:53
1041
原创 YOLO代码复现
睿智的目标检测66——Pytorch搭建YoloV8目标检测平台_pytorch_quantization yolov8-优快云博客Mask rcnn代码实现_pytorch版_适用30系列显卡_mask rcnn 30显卡-优快云博客完整且详细的Yolov8复现+训练自己的数据集-优快云博客
2024-05-07 10:45:28
271
原创 CVPR2024论文整理及最新算法整理
CVPR 2024 | 腾讯优图实验室20篇论文入选,含图文多模态大模型、高分辨视觉分割、跨模态生成、人脸识别等研究方向-腾讯云开发者社区-腾讯云 (tencent.com)CVPR2024满分论文出炉!分割万物再次火爆AI界-优快云博客【综述】三维点云深度学习算法综述,sota pointcloud - 知乎 (zhihu.com)
2024-05-06 22:04:47
834
原创 注意力机制研究
GitHub - xmu-xiaoma666/External-Attention-pytorch: 🍀 Pytorch implementation of various Attention Mechanisms, MLP, Re-parameter, Convolution, which is helpful to further understand papers.⭐⭐⭐
2024-05-05 14:18:42
283
原创 YOLOV8模型更改
速递 | YOLOv8模型改进的N种方法-优快云博客【10】yolov8目标检测模型改进之添加注意力机制_yolov8中添加无参数注意力-优快云博客YOLO系列助力涨点!新SOTA让缺陷检测更准更快!(附开源数据集下载) - 哔哩哔哩 (bilibili.com)
2024-05-01 15:12:46
200
原创 YOLOV8环境配置
【yolov8.1超简单环境搭建、标注、训练、转onnx、转输出维度】https://www.bilibili.com/video/BV1Mu411F7MD?gitub镜像下载地址:https://hub.nuaa.cf/shouxieai/infer。需要C#、易语言yolo调用框架可联系up,全网最强,没有之一。yolo标注转换工具(30元)4.创建python环境。4.创建python环境。2.yolo源码与模型。
2024-03-22 17:07:03
920
原创 YOLOv8.1.0安装
看到用conda install可以安装的各种cudatoolkit和cudnn版本以及匹配关系,确认好自己需要的版本。我用的1080Ti显卡,选择了cudatoolkit=11.3.1和cudnn=8.2.1。(1)创建新的虚拟环境,使用下述语句:conda create -n yolov8 python=3.8。输入conda install cudatoolkit=11.3.1,敲y。输入conda install cudnn=8.2.1,敲y。(3)装cudatoolkit。
2024-03-08 15:24:50
1035
原创 YOLO V5、SAM、RESNET50模型在GPU环境下搭建过程
对于YOLOv5和SAM,你可以根据它们的文档或示例来运行模型。- 对于ResNet50,你可以使用PyTorch的预训练模型进行推理或微调。- 对于YOLOv5和SAM,你需要准备相应的数据集和预训练权重。好的,我将提供更详细的步骤来搭建YOLOv5、SAM和ResNet50模型在GPU环境下的过程。- 对于ResNet50,你可以使用PyTorch自带的预训练权重,或者根据你的任务微调。**4. 准备数据集和权重文件:****3. 下载模型代码:****1. 环境设置:****5. 运行模型:**
2024-02-27 13:59:46
644
原创 安装Anaconda、PyTorch(GPU版)库与PyCharm】
【Python深度学习:安装Anaconda、PyTorch(GPU版)库与PyCharm】https://www.bilibili.com/video/BV1cD4y1H7Tk?
2023-11-25 13:42:27
636
原创 python和PYtorch学习
【精选】Python安装Pytorch教程(图文详解)_振华OPPO的博客-优快云博客【精选】Python安装Pytorch教程(图文详解)_振华OPPO的博客-优快云博客数据类型-基础语法-优快云Python入门技能树全网最全python教程,从零到精通(学python有它就够必收藏)-优快云博客精选100个Python实战项目案例,送给缺乏实战经验的你_python项目案例-优快云博客这十个Python实战项目,让你瞬间读懂Python!_python项目-优快云博客
2023-11-18 17:44:22
180
原创 基于点云的深度学习方法综述
在基于体素的方法中,我们用类似的操作进行卷积:首先将点云转化为大小是X×Y×Z的3D体素结构,然后用大小为x × y × z的3D卷积核对该体素结构进行卷积操作(其中,x <= X,y <= Y,z <= Z)。我们用P = R(N × D)表示输入PointNet的点云,其中N点云中点的数量,D是每个点的维度,通常D = 3,代表每个点的XYZ坐标,当然还可以有其他特征。当局部区域的点密度比较低的时候,第一部分向量的可靠性要低于第二部分,因为在生成第一部分向量的时候,各子区域点的稀疏性导致采样效率低下。
2023-11-06 17:27:51
805
原创 点云学习记录
总结而言,基于多尺度学习的语义分割方法十分有效,但同时也会带来棘手的问题,即复杂度较高。此外,尽管研究者们研究出多种在CNN内部学习多尺度特征的方法,但大多数方法在特征融合时采用直接堆叠的方式。该方式忽略了不同级别特征间的语义鸿沟,大幅降低了融合后特征的视觉识别力,因此这些方法在场景更为复杂的环境中往往难以奏效。2、点云语义分割尽管基于图像数据的深度学习方法显著推动了场景语义分割的发展,但图像数据缺乏3D形状结构信息,因此在很多场景中的应用有限。
2023-11-05 10:52:29
211
原创 ICP学习记录
1. 流程图ICP(一)原理详解_icp原理-优快云博客ICP算法详解——我见过最清晰的解释-优快云博客ICP算法理解-优快云博客ICP知识点梳理笔记_icp非凸_KalutSirocco的博客-优快云博客【精选】【图像配准】点云配准ICP算法介绍:基础流程、ICP算法的变种_icp算法流程-优快云博客点云配准(一)--- ICP算法理解_icp算法点云匹配_打着灯笼摸黑的博客-优快云博客【精选】对ICP、PL-ICP、NICP、IMLS-ICP匹配算法的解析-优快云博客【精选】点云配准(PC
2023-11-05 10:50:46
143
原创 机器视觉-标定篇
其中:(u,v)是特征点的图像坐标,(u0,v0) 光轴中心的图像坐标,(kx ky )是X 轴,Y 轴方向的放大系数,(xc yc zc) 是特征点在摄像机坐标系下坐标, Mc 是摄像机内参数矩阵。最常用的自适应阈值分割是Otsu方法,该方法使用统计学的方法确定最优的阈值,适用于一般的图像,但是不太适合于棋盘格上激光条纹的分割。选取激光条纹中心线上的两个点作为激光条纹的特征点,为了提高激光条纹中心线的提取精度,利用最小二乘法拟合方法对细化后的激光条纹直线进行处理。
2023-09-21 18:52:17
653
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