- 博客(24)
- 收藏
- 关注
RSS订阅原创 SlowFast 训练自定义 AVA 数据集时报错：assert len(boxes_and_labels) == len(self._image_paths) 的解决方法
的解决方法在使用这是一个常见的问题，特别是当你处理的是包含的数据集时。
2025-07-17 10:24:17
341
原创 C++【成员变量、成员函数、this指针】
隐式指向当前调用对象的地址，实现成员函数操作不同对象的数据。非静态成员变量每个对象独立一份，静态成员变量全局共享一份。关键字，C++ 高效实现了对象独立性与代码复用的平衡。：每个对象调用非静态成员函数时自动绑定自己的。指针区分不同对象，代码在内存中仅存一份。是非静态成员函数区分不同对象的核心机制。非静态 → 对象级别，独立存储。（但解引用会导致未定义行为）。非静态 → 需对象调用，隐含。静态 → 类级别，全局共享。静态 → 类直接调用，无。非静态成员函数通过隐式。，不能访问非静态成员。
2025-07-03 21:19:04
402
原创 解码mpp_rt: NOT found ion ；found drm allocator；deprecated block control, use timeout control instead
摘要：瑞芯微MPP解码过程中出现的"mpp_rt:NOT found ion allocator"、"mpp_rt:found drm allocator"和"deprecated block control"提示并非错误信息。这些是MPP通用接口在适配不同RK芯片时的兼容性检测，包括：1)自动选择合适的物理buffer分配方式（rk3399pro/rk1808使用drm而非ion）；2)提示从旧版block control切换到新版timeout
2025-07-01 16:59:47
250
原创 大白话说目标检测中的IOU（Intersection over Union）
IoU在目标检测中的多重角色解析：训练阶段作为样本匹配裁判（IoU≥0.5判为正样本），指导损失函数优化；评估阶段充当性能考官，计算mAP指标和绘制PR曲线；推理阶段担任冗余框清洁工，配合NMS算法过滤重复检测。这三个角色共同体现了IoU作为目标检测核心指标的重要价值，从模型训练、评估到最终预测都发挥着关键作用。
2025-06-20 17:44:52
675
原创 浅谈YOLOV8
分析了YOLOv8网络架构的设计思路，建议采用由繁入简的分析方法。将网络分为三个核心模块：Backbone负责基础特征提取（类似分类网络）；Neck用于特征融合（不影响特征图尺寸）；Head完成检测任务（包括类别概率预测和坐标框回归）。特别指出YOLOv8取消了显式置信度，改用类别概率隐式表示，并采用reg_max机制处理坐标回归。文章强调初步分析时可暂忽略Neck模块，重点关注Backbone和Head的协作关系，以及Head如何通过卷积操作将特征图转换为检测所需格式。
2025-06-17 11:06:00
573
原创 解决/usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.30‘ not found
解决/usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.30' not found
2024-12-31 10:04:09
1582
原创 如何找IEEE里面期刊的Latex模版
进入地址： https://template-selector.ieee.org/secure/templateSelector/publicationType第一步：第二步：第三步：
2022-01-04 22:22:27
943
原创 png格式转eps格式[易操作]
png格式转eps格式MikTeX附带的专门工具有bmeps，Windows下TeXLive除了bmeps还有sam2p，都是专门做这种转换的简单的命令行工具。在cmd下 输入命令bmeps -c Figure.png Figure.eps, 其中 bmeps 的 -c 选项表示彩色图片。...
2022-01-04 09:41:26
872
原创 Linux下，更改pip数据源路径【半分钟搞定】
Linux下，更改pip数据源路径pip config set global.index-url https：//pypi.tuna.tsinghua.edu.cn/simple///如果上面命令执行失败，就先更新一下pip，如下：sudo Python3 -m pip install --upgrade pip其他数据源路径：清华大学 https：//pypi.tuna.tsinghua.edu.cn/simple/ 阿里云 http：//mirrors.aliyun.com/pypi/si
2021-12-01 11:01:09
1729
原创 Linux下，pip无法将所需包安装到新建的anaconda虚拟环境中
Linux下，pip无法将所需包安装到新建的anaconda虚拟环境下解决方法：在你激活所新建的环境之前（即，执行“activate+环境名”命令 之前），先执行一下 conda deactivate命令 （即，先退出base环境）就可以了。如果还不行的话：那就是在你新建的环境中没有安装pip ，conda install pip 安装一下就可以.conda deactivateconda activte + 环境名conda install pippip install + 你想要安装的包的
2021-12-01 10:42:03
2392
1
原创 论文笔记【3】-- LeViT: a Vision Transformer in ConvNet’s Clothing for Faster Inference
论文笔记【3】-- LeViT: a Vision Transformer in ConvNet’s Clothing for Faster Inference前序前有ViT，后有Deit ,再有LeViT。ViT 首次将纯transformer从NLP领域引入CV领域。DeiT嫌弃ViT精度不够高，需要超大数据集才能训好，故从训练策略方向对ViT下手。DeiT 给出了两种虐ViT的方法不改变ViT的架构，仅仅是炼出了一组美丽的超参数，就实现了涨点。在ViT中加入了一个distillatio
2021-10-07 09:51:37
1009
原创 论文笔记【2】-- Cait : Going deeper with Image Transformers
论文笔记【2】-- Cait : Going deeper with Image Transformers动机去优化Deeper Transformer，即，让deeper的 vision transformer 收敛更快，精度更高。所提方法（改进模型结构）方法1 ： LayerScale图中 FFN 代表feed-forward networks； SA代表self- attention； η 代表Layer Normalization; α代表一个可学习的参数（比如，0, 0.5，1 ）
2021-10-05 15:59:28
3711
原创 论文笔记【1】-- DeepViT: Towards Deeper Vision Transformer
DeepViT: Towards Deeper Vision Transformer发现问题通过余弦相似度来衡量两个注意力图的相似度。发现ViT 中：不同block中的注意力图相似，层数越深越相似，甚至一样。block内部，不同head的注意力图是多样性的。进一步实验：通过将最后几个block的Q和K设置为一样的值，以使注意力图一样。测试发现掉点不严重，这更加说明了，最后深层的注意力图很相似。表明，注意力坍塌 (attention collapse)确实是存在的。解决方法(1,2,3,4)
2021-10-04 14:40:41
898
原创 解决Jupter Notebook ，New下无虚拟环境选项
解决Jupter Notebook ，New下无虚拟环境选项你的Jupter Notebook，New下可能只有下图红色2个选项，看不见自己新建的虚拟环境。解决方法：# 第一步： 打开Anaconda Prompt, 激活自己新建的虚拟环境activate 你的虚拟环境名字# 第二步：执行下面命令conda install nb_conda# 第三步：刷新一下Jupter Notebook页面即可。...
2021-08-12 15:44:27
541
原创 Anaconda 中升级Python到高版本以及 Solving environment问题解决
Anaconda 中升级Python到高版本以及注意事项在Anaconda Prompt中先后执行下面三个命令即可：# 在Anaconda Prompt中先后执行下面三个命令即可 conda update conda conda update anaconda conda update python执行过程中，你可能遇到的问题：问题1：一直卡在 Solving environment /状态解决：耐心等待，耐心等待就好,若等待超过10分钟，那就别等了！这种情况下你需要换一
2021-08-12 11:11:25
55851
7
原创 数据增强（图像）高斯噪声、亮度、翻转、旋转45° Python【可直接用的代码！！！】
数据增强（图像）高斯噪声、翻转、旋转45° python【可直接用的代码！！！】复制代码后，修改一下文件路径即可一键批量对图像进行数据增强！我的文件路径结构是：root花图片1图片2鱼图片1图片2猫图片1图片2import cv2import osimport numpy as np''' 1. 水平垂直翻转 2. 高斯噪声 3. 45°旋转 4. 昏暗'''# 添加高斯噪声def gaussia
2021-08-11 15:20:48
4778
11
原创 Anaconda3下tensorflow-cpu和keras 安装
Aanconda下安装Tensorflow-cpu和keras网上tensorflow和keras的安装教程五花八门，这里给大家一套完美的python3.7 + tensorflow-cpu==2.3.1 + keras的方案，简洁明了。第一步：修改默认数据源（默认的官方数据源下载速度慢！！！修改默认数据源能让安装速度变的很快。）注：在cmd内执行如下命令： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaco
2021-03-05 13:00:00
449
2
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