<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[MAGICYANG的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yangchengtest</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yangchengtest]]></copyright><item><title><![CDATA[初识TVM--TVM的编译与安装]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/105840383</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/105840383</guid><author>yangchengtest</author><pubDate>Wed, 29 Apr 2020 15:40:14 +0800</pubDate><description><![CDATA[TVM是什么？
Apache(incubating) TVM is an open deep learning compiler stack for CPUs, GPUs, and specialized accelerators. It aims to close the gap between the productivity-focused deep learning frameworks,...]]></description><category></category></item><item><title><![CDATA[ANDROID CMAKE DEBUG的记录]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/89029456</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/89029456</guid><author>yangchengtest</author><pubDate>Thu, 04 Apr 2019 17:16:48 +0800</pubDate><description><![CDATA[android 如果使用DEBUG模式，CMAKE编译的SO是DEBUG版本的，会造成性能下降。
但是使用RELEASE编译的SO，使用DEBUG模式，JNI的速度不会变化。
终于知道为什么，都是直接调SO了。。。。

...]]></description><category></category></item><item><title><![CDATA[android dlib 交叉编译]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/88716923</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/88716923</guid><author>yangchengtest</author><pubDate>Thu, 21 Mar 2019 16:08:44 +0800</pubDate><description><![CDATA[继续趟NDK的坑。
DLIB使用C++11的标准。
但是使用gnustl_static的时候，有些c++11的特性是无法使用的。
由于NCNN的库使用的是静态库，OPENCV，OPENBLAS用的都是静态库，这里还是使用静态库编译。
编译
首先是使用ANDROID独立工具链编版本
cmake …/ -DCMAKE_C_FLAGS="-mfpu=neon -mfloat-abi=softfp" -D...]]></description><category></category></item><item><title><![CDATA[opencv3.4.4+ubuntu16.04+ndk16b编译]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/88315787</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/88315787</guid><author>yangchengtest</author><pubDate>Fri, 08 Mar 2019 14:14:46 +0800</pubDate><description><![CDATA[需求：
JAVA层太重，想把CV的代码从JAVA层移植到C++层。
同时C++层的代码可以跨平台，所以要编译支持ANDROID的OPENCV C++的库。
官方提供的是JAVA层的封装。
由于对CMAKE不是很熟，导致出了很多问题。
解决方案：
使用NDK的编译工具链：
最后的编译命令：
cmake …/ -DCMAKE_TOOLCHAIN_FILE=/mnt/c/android-ndk-r16b...]]></description><category></category></item><item><title><![CDATA[android NDK openblas编译]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/88288572</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/88288572</guid><author>yangchengtest</author><pubDate>Thu, 07 Mar 2019 10:29:56 +0800</pubDate><description><![CDATA[详见：
http://jcsilva.github.io/2017/03/18/compile-kaldi-android/
主要步骤：
1.创建一个独立工具链
/build/tools/make_standalone_toolchain.py --arch arm --api 21 --stl=libc++ --install-dir /tmp/my-android-toolchain
2.编译...]]></description><category></category></item><item><title><![CDATA[记录一下使用ANDROID NDK CMAKE遇到的坑。]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/87940754</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/87940754</guid><author>yangchengtest</author><pubDate>Tue, 26 Feb 2019 18:30:08 +0800</pubDate><description><![CDATA[最终环境：
NDK 16B
CMAKE 3.6.2
ANDROID STUDIO 3.0.1
最坑的是什么？
C盘目录下调用CMAKE没有生成.O。
MAKEFILE 日志看出来的。
工程千万不要放到C盘下面。。。。

]]></description><category></category></item><item><title><![CDATA[人脸检测MTCNN简介]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/86286244</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/86286244</guid><author>yangchengtest</author><pubDate>Fri, 11 Jan 2019 14:12:49 +0800</pubDate><description><![CDATA[PAPER:
Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

]]></description><category></category></item><item><title><![CDATA[Android使用相机的简单操作及应用]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/83785975</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/83785975</guid><author>yangchengtest</author><pubDate>Tue, 06 Nov 2018 14:12:34 +0800</pubDate><description><![CDATA[前言
背景：最近需要把人脸识别的SDK嵌入应用里面，使用的是ANDROID的平台。
GITHUB上有开源的项目，GITHUB地址：
https://github.com/asdfqwrasdf/ArcFaceDemo
本文主要就是描述一下CAMERA操作的时候遇到的一些问题。
图像数据获取
使用系统的CAMERA时，可以通过CAMERA的onPreviewFrame回调拿到摄像头的帧数据。
DEM...]]></description><category></category></item><item><title><![CDATA[自己整理的深度学习图像和无人驾驶的相关名词]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/81981831</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/81981831</guid><author>yangchengtest</author><pubDate>Thu, 23 Aug 2018 17:21:27 +0800</pubDate><description><![CDATA[深度学习图像

基础名词

MLP:Multi-Layer Perceptron 多层感知器。 
BP:errorBackPropagation BP算法是由学习过程由信号的正向传播与误差的反向传播两个过程组成。 
CNN:Convolutional Neural NetWork 卷积神经网络 
RNN:Recurrent Neural Network 循环神经网络 
LSTM:Long Shor...]]></description><category></category></item><item><title><![CDATA[记录一下MOBILENETV2]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/81837411</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/81837411</guid><author>yangchengtest</author><pubDate>Sun, 19 Aug 2018 13:50:46 +0800</pubDate><description><![CDATA[论文： 
https://arxiv.org/pdf/1801.04381.pdf 
可以参考一篇文章： 
https://blog.youkuaiyun.com/u011995719/article/details/79135818

代码：

    spec=[
        op(slim.conv2d, stride=2, num_outputs=32, kernel_size=[3, 3]),
...]]></description><category></category></item><item><title><![CDATA[图像语义分割 DEEPLAB V3+的代码走读]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/81705032</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/81705032</guid><author>yangchengtest</author><pubDate>Thu, 16 Aug 2018 18:32:22 +0800</pubDate><description><![CDATA[概述

GITHUB路径： 
https://github.com/tensorflow/models/tree/master/research/deeplab 
论文： 
https://arxiv.org/abs/1802.02611 
相对于DEEPLAB V3，有如下的修改： 
1.网络层使用XCEPTION替换RESNET，性能更好 
2.加入ENCODE-DECODE模块。

网络...]]></description><category></category></item><item><title><![CDATA[语义分割DEEPLAB V2开源代码走读]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/81667317</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/81667317</guid><author>yangchengtest</author><pubDate>Tue, 14 Aug 2018 20:06:29 +0800</pubDate><description><![CDATA[DEEPLAB V2简介

论文路径 
引用一篇博文：Semantic Segmentation –DeepLab(1,2,3)系列总结 
DEEPLAB V2的相对于V1的特点在于： 
1.使用RESNET101替代VGG16 
2.使用ASPP的结构



开源代码走读：

对应的GITHUB地址： 
https://github.com/DrSleep/tensorflow-deeplab-...]]></description><category></category></item><item><title><![CDATA[基于FCN.tensorflow的实践]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/81184522</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/81184522</guid><author>yangchengtest</author><pubDate>Tue, 24 Jul 2018 22:32:59 +0800</pubDate><description><![CDATA[简介

先上GITHUB的地址： 
https://github.com/shekkizh/FCN.tensorflow 
Tensorflow implementation of Fully Convolutional Networks for Semantic Segmentation (FCNs). 
FCN是图像语义分割的经典实现，结合开源的源码来看一下具体的实践。



网络

FCN的...]]></description><category></category></item><item><title><![CDATA[YOLO ANCHORS的计算。]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/80792481</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/80792481</guid><author>yangchengtest</author><pubDate>Sun, 24 Jun 2018 16:59:24 +0800</pubDate><description><![CDATA[https://github.com/AlexeyAB/darknet/blob/master/scripts/gen_anchors.py 
YOLO KMEANS IOU LOSS。~ 
有兴趣的自己看代码吧。。。 
记录一下。]]></description><category></category></item><item><title><![CDATA[基于KITTI数据集的KERAS-YOLOV3实践]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/80732237</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/80732237</guid><author>yangchengtest</author><pubDate>Thu, 21 Jun 2018 17:38:31 +0800</pubDate><description><![CDATA[数据整理

KERAS-YOLOV3的GITHUB地址：https://github.com/yangchengtest/keras-yolo3 
该项目支持的数据结构：

One row for one image; 
Row format: image_file_path box1 box2 … boxN; 
Box format: x_min,y_min,x_max,y_max,class_...]]></description><category></category></item><item><title><![CDATA[KERAS-YOLOV3的数据增强]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/80723366</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/80723366</guid><author>yangchengtest</author><pubDate>Mon, 18 Jun 2018 17:57:01 +0800</pubDate><description><![CDATA[前言

上篇KERAS-YOLOV3的代码走读  
https://blog.youkuaiyun.com/yangchengtest/article/details/80664415 
有数据增强的内容没有看明白。 
这篇来介绍一下。



简介

数据增强的方法主要有： 
   1. 翻转变换 flip  
   2. 随机修剪 random crop  
   3. 色彩抖动 color jitteri...]]></description><category></category></item><item><title><![CDATA[KERAS-YOLOV3的代码走读]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/80664415</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/80664415</guid><author>yangchengtest</author><pubDate>Wed, 13 Jun 2018 10:54:12 +0800</pubDate><description><![CDATA[KERAS-YOLOV3的代码走读

GITHUB地址： 
https://github.com/qqwweee/keras-yolo3 
YOLOV3的论文中文翻译： 
https://zhuanlan.zhihu.com/p/34945787 
最好先把YOLOV2看明白，推荐一篇YOLOV2介绍的很清晰的博文： 
https://blog.youkuaiyun.com/jesse_mx/article/...]]></description><category></category></item><item><title><![CDATA[Faster Rcnn代码走读（二） 网络框架之二]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/80642949</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/80642949</guid><author>yangchengtest</author><pubDate>Mon, 11 Jun 2018 14:29:09 +0800</pubDate><description><![CDATA[Faster Rcnn代码走读（二）  网络框架之二

本文接上一篇： 
https://blog.youkuaiyun.com/yangchengtest/article/details/80622043



# region of interest pooling
if cfg.POOLING_MODE == 'crop':
   pool5 = self._crop_pool_layer(net_co...]]></description><category></category></item><item><title><![CDATA[Faster Rcnn代码走读（一） 网络框架]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/80622043</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/80622043</guid><author>yangchengtest</author><pubDate>Sun, 10 Jun 2018 15:39:28 +0800</pubDate><description><![CDATA[Faster Rcnn代码走读（一） 网络框架

本文基于TENSORFLOW的FASTER RCNN的实现。GITHUB地址： 
https://github.com/endernewton/tf-faster-rcnn 
算法原理传送门，可以参考这篇知乎的文章： 
https://zhuanlan.zhihu.com/p/24916624?refer=xiaoleimlnote

网络代码调用...]]></description><category></category></item><item><title><![CDATA[基于FLOWLAYOUT的改造，支持每行最大个数和每行元素高度居中。]]></title><link>https://blog.youkuaiyun.com/yangchengtest/article/details/78135022</link><guid>https://blog.youkuaiyun.com/yangchengtest/article/details/78135022</guid><author>yangchengtest</author><pubDate>Fri, 29 Sep 2017 16:20:27 +0800</pubDate><description><![CDATA[需求产品要求做一个控件，当元素个数超过4个的时候自动换行。然后界面中每个元素都是高度居中的，每个元素有固定的间距。FLOWLAYOUT参考了 
http://blog.youkuaiyun.com/lmj623565791/article/details/38352503/ 
本文也是基于着部分代码进行了定制。固定元素个数换行if ((lineUsed + spaceWidth > widthSize) ||]]></description><category></category></item></channel></rss>