weixin_45377542-优快云博客

原创配置win+PCL1.13+vs2022

参考：https://blog.youkuaiyun.com/m0_51496369/article/details/148960709。

2025-09-16 11:53:43 831

官方下载地址：https://gitcode.com/gh_mirrors/rk/rknn-toolkit/tree/master?非RKNN模型经过转换得到的RKNN模型可以在模拟器上推理，也可以在开发板上推理；参考：https://blog.youkuaiyun.com/qq_40280673/article/details/136211086#/链接: https://pan.baidu.com/s/1W381J_bXZO3EjeaTQDz3lA 提取码: c3kv。4、安装rknn-toolkit。

2025-05-19 16:27:04 1176

原创深度学习模型部署（一）——onnxruntime

ONNX是一种开放的模型交换格式，主要解决不同框架间的模型兼容性问题，支持将PyTorch、TensorFlow等框架模型转换为标准中间格式，实现跨平台迁移。该模式首先将模型转换为ONNX格式，再通过TensorRT生成优化后的.engine文件，结合两者的优势实现部署流程标准化与性能最大化。TensorRT是NVIDIA推出的高性能推理SDK，专为GPU优化，通过层融合、内核自动调优、量化压缩等技术实现极致推理速度。优点：通用性强，支持CPU/NPU/GPU多硬件，便于跨框架写作。

2025-05-15 17:18:16 1163

原创图像分割经典网络（一）——FCN

一、背景：由CNN改变而来，如ResNet-101，由5个卷积块接一个全局平均池化层和一个线性层，FCN将全局池化层和线性层替换为卷积层，然后采用反卷积层对最后一个卷积层的feature map进行上采样，使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测，同时保留了原始输入图像中的空间信息，最后再上采样的特征图上使用softmax进行逐像素分类。FCN最后一个特征图的空间分辨率降低了32倍，导致对位置和细节的预测不准确。

2025-05-08 15:48:06 717

原创深度学习基础（四）——计算量（FLOPs）、参数量（Params）、计算速度（FLOPS/TOPS)）

FLOPs，全称为Floating Point Operations, (s为复数缩写），浮点运算数，指模型完成一次前向传播所需的浮点运算次数，可以理解为计算量（模型的时间复杂度），用来衡量算法/模型的复杂度。FLOPS，全称为Floating Point Operations Per Sencond，表示设别每秒能完成的浮点运算次数，可以理解为计算速度。若模型使用int8量化，需优先匹配TOPS（如AI芯片），浮点模型（FP16/32）需匹配FLOPS（如GPU），则理论耗时约为0.1秒。

2025-04-30 13:52:43 4715

原创深度学习基础（二）——前向传播和反向传播

前向传播是深度学习计算的第一步，是指输入x经过每一层的计算最终到达输出层，获得输出的过程。以简单的CNN网络为例，第一层为第二层的输入，第二层的计算结果为第三层的输入，依次类推，得到最后的输出层，计算公式如下。{J} }{\partial\omega ^{\left ( l \right ) } } 和\frac{\partial。{J} }{\partial b ^{\left ( l \right ) } } ，并根据梯度更新这些参数。{j} 为第j类的目标值，\hat{ y。

2025-04-22 17:07:41 665

原创 Linux学习——常用指令

若同时指定两个以上的文件或目录，且最后的目的地是一个已经存在的目录，则它会把前面指定的所有文件或目录复制到此目录中，若最后的目的地并非一个已存在的目录，则会出现错误信息。【注】touch本来作用是指定文件的修改时间设置为当前时间，当touch一个不存在的文件的时候，它会自动创建这个文件，不需要单独create。-p或–parents：递归的删除目录，当子目录被删除后，如果父目录变为空，则也一并删除。因此可以一次性删除多级空目录。-f（force）：强制删除文件或目录，忽略不存在的文件，并且不会询问确认。

2025-04-22 10:20:33 923

原创 python学习笔记——类与super函数

（1）__init __方法的第一参数永远是self，表示创建的类实例本身，因此，在__init __方法内部，就可以把各种属性绑定到self，因为self就指向创建的实例本身。7、有些时候，你会看到以一个下划线开头的实例变量名，比如_name，这样的实例变量外部是可以访问的，但是，按照约定俗成的规定，当你看到这样的变量时，意思就是，“虽然我可以被访问，但是，请把我视为私有变量，不要随意访问”。在训练期间，模型会根据传入的训练数据和标签进行拟合，并不断调整模型的参数，以提高模型的训练效果。

2025-04-22 10:20:07 1086

原创 opencv学习笔记——傅里叶变换

幅度谱（Magnitude Spectrum）：傅里叶变换的幅度谱表示了图像中不同频率成分的强度。幅度谱中的每个点对应于一个特定的频率，其值表示该频率成分的强度。幅度谱通常是对称的，因为实数图像的傅里叶变换是共轭对称的。此时，傅里叶级数中的离散频率成分变为连续的频率成分，傅里叶级数变为傅里叶变换。频率分布：在幅度谱中，低频成分通常位于图像的中心，而高频成分则位于图像的边缘。它代表图像的平均亮度。傅里叶变换将信号从时域（空间域）转换到频域，分解为不同频率的正弦波和余弦波，从而在频率中分析信号的频率成分。

2025-04-22 10:19:12 1359

原创 CNN经典分类网络（四）——GoogLeNet

参考：https://blog.youkuaiyun.com/Vermont_/article/details/108836111https://zhuanlan.zhihu.com/p/1850259472014年的ILSVRC冠军模型，名字中的L大写，致敬LeNet。通过网盘分享的文件：经典CNN网络论文链接: https://pan.baidu.com/s/1xwfYxpKcBR5gj5FvFUDHTQ 提取码: fhy9列表中的第一行参数的解释：结构解释：输入层：2242243（RGB图像）

2025-04-22 10:13:23 705

原创 CNN经典分类网络（三）——VGG

以D列为例，VGG-16（13个卷积层+3个全连接层）的网络结构。VGG-16包含5个卷积模块，分别是2层conv3-64，2层conv3-128，3层conv3-256，3层conv3-512，3层conv3-512。C5：256个3x3卷积核，padding=1，步长为1，输出尺寸为56x56x256。C6：256个3x3卷积核，padding=1，步长为1，输出尺寸为56x56x256。C7：256个3x3卷积核，padding=1，步长为1，输出尺寸为56x56x256。

2025-03-31 11:19:25 667

原创 CNN经典分类网络（二）——AlexNet

AlexNet引入Dropout技术，这是一种正则化策略，通过在训练过程中随机“丢弃”（即暂时禁用）网络中的一部分神经元，来减少模型的复杂度和防止过拟合，这种随机失活机制迫使网络学习更加健壮的特征表示。使用了ImageNet这样的大规模数据集训练，同时还使用了数据增强技术，增强训练样本的多样性，进一步提升模型的泛化能力。3卷积核，padding=1，步长为1，输出尺寸为13。3卷积核，padding=1，步长为1，输出尺寸为13。3卷积核，padding=1，步长为1，输出尺寸为13。

2025-03-28 14:18:25 635

原创深度学习——分类任务经典数据集（更新中）

数据集较大，可以下载torrent文件后，用迅雷下载，torrent文件下载地址：通过网盘分享的文件：ImageNet.torrent。依次对应airplane、automobile、bird、cat、deer、dog、frog、horse、ship和truck。第i个元素表示data中第i张图像的标签。32的图片，前1024个元素表示红通道的值，下一个1024个元素表示绿通道，最后一个1024表示蓝通道。猫狗数据集较小，练习时可以用这个，下载地址：通过网盘分享的文件：ImageNet猫狗.zip。

2025-03-28 14:09:15 548

原创 CNN经典分类网络（一）LeNet

参考：https://blog.youkuaiyun.com/qq_51872445/article/details/140080301。

2025-03-21 12:29:46 470

原创深度学习基础（一）——卷积神经网络基础

2、卷积核[N, c, 3, 3] 称作N个卷积核，将N个卷积核作用于输入[b, h, w, c]后会得到输出[b, h, c, N]对于三通道的输入而言，会有3个卷积核对三通道分别进行卷积后，将3个通道上对应元素的计算结果相加作为输出。3.2upsample：放大。3.1pooling：降维。4、简单的CNN实现。

2025-03-20 13:54:56 580

原创统计学习方法笔记一——监督学习和无监督学习

通常监督学习使用给定的标注数据，往往是随机得到的，可以看作是”被动学习“。主动学习的目标是找出对学习最有帮助的实例让教授进行标注，减少标注成本。将数据集随机的分成S组互不相交、大小相同的子集，利用S-1个子集训练模型，利用余下的子集测试模型；过拟合是指模型对已知数据的预测的很好，对未知数据的预测的很差的现象。学习方法的泛化能力是指由该方法学习的模型对未知数据的预测能力。无标注数据是自然得到的数据，预测模型表示数据的类别、转换或概率。标注数据表示输入输出的对应关系，预测模型对给定的输入产生相应的输出。

2024-11-22 14:13:55 656

原创统计学习方法笔记二——监督学习：分类算法(svm待更新）

对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布**(联合概率分布=先验概率*条件概率分布)****P(X, Y)=P(Y=Ck)*P(X=x|Y=Ck)**；给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。1）根据给定的距离度量，在训练集T中找到与x最邻近的k个点，涵盖这k个点的x的领域记作Nk(x)，由输入实例的k个邻近的训练实例中的多数类决定输入实例的类。5、k邻近的快速实现——kd树。

2024-11-22 14:13:37 844

原创 opencv学习笔记——VideoCapture、VideoWriter

/访问该视频的某些功能，proID是0到18之间的一个数字，每个数字表示视频的属性，并且可以显示完整的详细信息。#cv2.VideoWriter_fourcc(‘I’, ‘4’, ‘2’, ‘0’),该参数是未压缩的YUV编码,4:2:0色度子采样,这种编码广泛兼容,但会产生特别大的文件,文件扩展名应为.avi ```#cv2.VideoWriter_fourcc(‘X’, ‘V’, ‘I’, ‘D’), 该参数是较旧的MPEG-4编码,产生的文件不会特别大,文件名后缀为.avi。

2024-11-22 14:09:33 995

原创 opencv学习笔记——边缘检测

一、sobel二、canny。

2024-11-22 14:08:31 522

原创 Linux——包下载和环境配置

可以在share文件上右键，选择“映射网络驱动器”，再次输入用户名和登录密码后，设置完毕。使用win+R进入“运行”界面，输入ubuntu的ip后点击确认后，需要输入访问的用户名和密码。通过vim进行管理，如果vim安装报错，通过apt安装失败，可以通过aptitude进行安装，先安装aptitude。aptitude分析出vim安装失败的原因，并提出解决方案，根据提示进行操作，解决vim安装问题。8、在ubuntu访问共享目录的文件时，执行cd切换工作目录，后可以操作该文件夹下的文件。

2024-11-05 18:08:53 557 1

原创 C++学习笔记一——指针、引用

用法：一般在.h文件中写一些变量和方法的声明，在对应的.cpp文件中写方法的定义，在使用的时候，包含头文件后就可以使用已定义的方法了。2、引用实际是引用了a的地址，因此地址不会改变，但地址上的值可以改变，当修改b的值时，a的值会一起变。代表开辟了指针ptr指向a的内存地址，内存地址为一串整数，当修改ptr上的内容为10时，a上的内容也相应的变成10。1、引用不是实际存在的变量，是依赖于已有变量做的定义，引用必须有声明和定义，不能只做声明，如。作用：将include的文件中的所有内容复制粘贴到当前文件中。

2024-09-09 13:41:14 355

原创利用Augmentor同时增强原图和标签

import Augmentorimport globimport osimport randomfrom keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_imgtrain_path = '/home/csj/task/task1/ori_images' # 原图路径groud_truth_path = '/home/csj/task/task1/ori_mas

2021-01-22 21:06:04 721 1

weixin_45377542的博客