上善若水，为而不争

​原文地址：https://www.bearoom.xyz/2018/08/28/win10-build-tf-cc/首先，我觉得这是一个比较DT的活，因为，tensorflow支持最好的编程语言应该是python(应该说大部分深度学习框架支持的最好的语言都是Python)，tensorflow的底层说是C/C++编写的，但是，感觉它对C/C++真的很不友好，有关Python的资料一查一大把，...

源权重文件在Google driver上：https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT，有245MB。速度简单测试了下转keras后的速度，输入大小为416*416，GTX1060 要260ms左右，CPU I7-7700要1s左右，这速度不行，可能也跟转了keras的代码有关，darknet的还没跑，困了，...

前言  人脸检测相对其他计算机视觉技术而言，可以算是比较烂大街的技术，各家都有各家的人脸检测技术，而且开源的很多人脸检测技术都有非常高的精度和速度。接下来就对github上找到的几款人脸检测模型进行对比。  测试图像，大小2048*1150，如下：  我的运行硬件是4G版的树莓派4B，运行的推理平台是腾讯开源的ncnn框架，运行语言是C++。本次测试的模型如下:模型地址...

一、简单介绍 YOLO9000(也叫YOLO v2)，主要是在YOLO v1的基础上做了改进，而且效果还是比较显著的，在原论文中，作者提到的改进大致包括两个工作： 1、检测性能上的改进，提出了YOLO v2; 2、提出了检测与分类相结合的训练方法，使得YOLO v2能够检测超过9000类目标。二、性能改进 YOLO...

扩张卷积(Dilated convolutions)是另一种卷积操作，也叫做空洞卷积(Atrous convolution)。相比于普通的卷积，相同的卷积核，空洞卷积能够拥有更大的感受野。相同的卷积核，扩张卷积在计算的时候可以把卷积看成是按照一定值进行了扩张，以3*3的卷积核为例子，如果扩张系数为2的话，该卷积核在计算的时候就像是一个5*5的卷积核，如图所示：图(a)可以看成是扩张系数...

相比较于前两篇论文，个人感觉YOLO3作者有点来搞笑的！！！虽然加了一些新的点子进来，但是，论文的开头是这样的：简单理解就是作者花了很多时间玩Twitter去了，所以没有做啥研究！！！！ 然后：你可以引用自己的论文吗？猜猜谁会这么做，就是这家伙，然后我发现链接竟然是他自己这篇论文：还有调侃下谷歌、脸书等大公司和目标检测等技术：很多从事这项研究的在...

一、简单介绍目标检测(Objection Detection)算是计算机视觉任务中比较常见的一个任务，该任务主要是对图像中特定的目标进行定位，通常是由一个矩形框来框出目标。在深度学习CNN之前，传统的做法一般是借助图像处理技术提取图像中目标的特征(如最常见的SIFT、LBP、HOG等)，然后采用机器学习的方法(如SVM等)来训练识别，在实现上通常是采用不同尺度的矩形窗口在图像上滑动提取特征...

最近看了一篇目标检测的综述，之前对目标检测的认识不是很多，所以简单地记录一下笔记。这篇论文主要讲了目前的目标检测算法的一些设置、检测范式、基准等，包括了传统算法和深度学习算法，主要侧重深度学习算法部分。一、传统方法传统的目标检测算法主要是三个步骤：1、候选框生成(proposal generation)：候选框生成，主要是筛选并提取出可能包含目标的区域，通常为矩形框；2、特征向量提...

上一篇介绍了卷积的输出分辨率计算，现在这一篇就来写下转置卷积的分辨率计算。转置卷积(Transposed convolution),转置卷积也有叫反卷积(deconvolution)或者fractionally strided convolutions。根据《A guide to convolution arithmetic for deep learning》的介绍的话，在进行卷积操作的时候...

卷积是CNN非常核心的操作，CNN主要就是通过卷积来实现特征提取的，在卷积操作的计算中会设计到几个概念：步长(strides)、补充(padding)、卷积核(kernel)等，那卷积的输出分辨率计算一般就会与这几个参数有关(空洞或者扩张卷积暂时不纳入这个范围)，以下计算不做说明的话，均考虑卷积核大小为3*3。所以这一篇就以二维卷积为例子简单记录下卷积的一点计算公式。以下以s代表步长，p代表补...