人工智能

深度强化学习玩DoomGame

(base) luke@luke-NH5x-7xRCx-RDx:~$ pythonPython 3.9.7 (default, Sep 16 2021, 13:09:58) [GCC 7.5.0] :: Anaconda, Inc. on linuxType "help", "copyright", "credits" or "license" for more information.>>> import paddleError: Can not import avx cor.

题目是目标,我们先一步一步来做,第一步是训练神经网络, 我用的是 kitti 数据集,训练顺序为,第一步,拿到kitti数据集,第二步,把kitti数据集修改为voc数据集格式,第三步,修改配置文件进行训练关于前两步,是copy自KITTI车辆检测数据集转VOC格式（亲测成功，附KITTI云盘连接以及完整格式转换代码）- KITTI车辆检测数据集看着一篇就够了！_Hurri_cane的博客-优快云博客_kitti数据集车辆检测他这个转xml的脚本稍微改改路径就可以直接运行了,然后就是训练,

我的原工程模型是blazeface学习笔记_zhqh100的博客-优快云博客完整的应该是一个人脸识别项目,人脸识别,大言不惭的说,我之前其实也做过,比如用dlib来做人脸识别,就是用opencv那一套来实现,说句实在话,速度非常慢,即便是在intel CPU上,一秒也就两三帧,确实是太慢了我其实也用过其他方案,比如前几年,下载虹软的免费的库,进行试用,效果确实惊人,给我印象最深刻的,倒不是识别准确度有多高,而是速度真的飞快,我也试过MTCNN,这个只要网上搜索人脸检测,基本都是搜到这个结果,我也尝试过,我

完整的应该是一个人脸识别项目,人脸识别,大言不惭的说,我之前其实也做过,比如用dlib来做人脸识别,就是用opencv那一套来实现,说句实在话,速度非常慢,即便是在intel CPU上,一秒也就两三帧,确实是太慢了我其实也用过其他方案,比如前几年,下载虹软的免费的库,进行试用,效果确实惊人,给我印象最深刻的,倒不是识别准确度有多高,而是速度真的飞快,我也试过MTCNN,这个只要网上搜索人脸检测,基本都是搜到这个结果,我也尝试过,我不知道别人是如何夸奖这个库的,我试用的体会就是,经常误识别,就是本来就

代码地址为 https://github.com/lucastabelini/LaneATThttps://github.com/lucastabelini/LaneATT首先说这个Label,因为input肯定是一张图片,这个毫无疑问,这个Label的构建主要是在LaneDataset中,该类首先构建一个dataset,比如我这里是TuSimple,其数据集的Label是车道线的标点,不过是十行(像素)取一个x点的坐标,所以lane就是x点坐标,而h_samples就是y的坐标,主要也就是一个json

我系统装了很久了,不记得之前CUDA是咋装了,然后训练神经网络一直也没啥问题,今天想学习LaneATT,车道线识别的项目,需要先安装nms,遇到如下问题:(base) luke@luke-NH5x-7xRCx-RDx:~/Download/study/LaneATT/lib/nms$ python setup.py Traceback (most recent call last): File "setup.py", line 7, in <module> ext_modul

根据GitHub - RangiLyu/nanodet: NanoDet-Plus⚡Super fast and lightweight anchor-free object detection model. ????Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone????调试得出backbone 为 'ShuffleNetV2'根据 nanodet_custom_xml_dataset.yml 的默认配置,默认输入尺寸为

class_names: &class_names ['aeroplane','bicycle','bird','boat','bottle','bus','car','cat','chair','cow','diningtable','dog','horse','motorbike','person','pottedplant','sheep','sofa','train','tvmonitor']num_classes: 20

代码为https://github.com/Peterisfar/YOLOV3.git神经网络输入尺寸 input_sizeimg.size()torch.Size([1, 3, 544, 544])从darknet53中获取特征x_s, x_m, x_l = self.__backnone(x)x_s.size()torch.Size([1, 256, 68, 68])x_m.size()torch.Size([1, 512, 34, 34])x_l.size()torch..

从GitHub - pythonlessons/TensorFlow-2.x-YOLOv3: YOLOv3 implementation in TensorFlow 2.3.1YOLOv3 implementation in TensorFlow 2.3.1. Contribute to pythonlessons/TensorFlow-2.x-YOLOv3 development by creating an account on GitHub.https://github.com/pythonlesso

源码是https://github.com/aaalds/SSD-pytorchssd.pyfor layer in enumerate(vgg(base, 3)): print(layer)打印结果(0, Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)))(1, ReLU(inplace=True))(2, Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1)...

基本出发点是想做一个C++版本的人脸识别，而caffe的C++库，或mxnet的C++库等，暂时还不会编译，而之前基于onnxruntime 搞过一个项目，对这个库稍微了解一些，所以尽量采用onnx搞定全部功能核心的识别是基于https://github.com/onnx/models/blob/master/vision/body_analysis/arcfacehttps://github.com/onnx/models/blob/master/vision/body_analysis/arcfac

根据https://stackoverflow.com/questions/46444474/c-ffmpeg-create-mp4-file修改

ffmpeg 摄像头录像(Ubuntu)

jianhua#include <inttypes.h>#include <math.h>#include <limits.h>#include <signal.h>#include <stdint.h>#include <sys/time.h>#ifdef __cplusplusextern "C" {#endif#include "libavutil/avstring.h"#include "libav

opencv4 findChessboardCornersSB棋盘格角点提取简介 官方文档介绍 opencv4.1安装配置环境 findChessboardCornersSB提取棋盘格角点示例程序 简介用opencv相机标定一直不如matlab标定稳定和精度高。用opencv标定相机经常会发生棋盘格角点提取不到的现象，之前在做一个三维成像项目，需要比较高的成像精度，用opencv标定（findChessboardCorners+cornerSubPix）的效果根本达不到要求，.

下面是用C++来实现的该算法的过程与上述相同，但该算法只使用第一层次的等高线，因此算法只对每一个数字使用相同的外部轮廓。创建示例和标签数据的代码//Process image to extract contourMat thr,gray,con;Mat src=imread("digit.png",1);cvtColor(src,gray,CV_BGR2GRAY);threshold(gray,thr,200,255,THRESH_BINARY_INV); //Threshold to

我使用OpenCV中的KNeest或SVM特性来实现简单的文字识别OCR。下面是我实现的步骤，学习学习1)我的第一个问题是关于OpenCV示例附带的数据文件。我想知道文件里有什么。它包含一个字母，以及该字母的16个特征。和this SOF帮我找到了。本文对这16个特征进行了说明。使用Holland分类器进行字母识别2)如果不了解这些特性，就很难做。所以能实现就好，我没有太关注性能以下是我的训练数据图：(训练数据量较少。所有的字母都是相同的字体和大小)。我用OpenCV编.

参考https://blog.youkuaiyun.com/u011574296/article/details/73823569修改#include <opencv2/opencv.hpp>#include <iostream>#include <fstream>#include <string>#include <vector>using namespace cv;using namespace std;void m_cali..

该文件演示了ConvLSTM2D和Conv3D的使用，他的网络结构打印出来为_________________________________________________________________Layer (type) Output Shape Param # =========================...

这里介绍的是mxnet的symbol类的网络结构如果要打印参数维度的话，代码很简单，只需下面一行，即可生成一个pdf 文件，以图片形式展示出网络结构mx.viz.plot_network(sym, shape={"data":(1, 1, 32, 32)}).view()其中的(1, 1, 32, 32)是输入的维度，即shape，这里输入图片为单通道的32*32大小的图片，根据...

这里讨论的是人脸识别，不是人脸检测dlib中是先检测都人脸，然后把人脸通过Resnet生成一个128维的向量，Resnet有几种不同深度的结构

代码我直接用的sample中的代码，用cmake编译一下即可OpenCV4.0的源码下载后，自带的sample文件：opencv-4.0.0/samples/dnn/object_detection.cpp或直接参看路径https://github.com/opencv/opencv/blob/master/samples/dnn/object_detection.cpp编译完成后...

#include &lt;opencv2/opencv.hpp&gt;#include &lt;iostream&gt;#include &lt;time.h&gt;using namespace cv;using namespace std; int main(){ VideoCapture capture(-1); capture.set(CV_CAP_PR...

树莓派有自己发布的系统，名字也叫做Raspbian，而Ubuntu Mate有树莓派定制版，大家可根据自己的需求选择适合自己的版本对于我来讲，我还是希望各组件的版本可以高一点，而很可惜Raspbian 系统的版本相对偏低一些，如2019-04-08版本，其中的内核版本为4.14，更重要的是，我需要用到OpenCV，但软件仓库中的OpenCV版本为2.4，现在OpenCV已经发布4.1了...

从yolo3_darknet53_coco(gluoncv/model_zoo/yolo/yolo3.py)调试获得，供参考-------------------------------------------------------------------------------- Layer (type) ...

在https://blog.youkuaiyun.com/zhqh100/article/details/90376732中介绍MobileNet时，提到DepthwiseConv2D，这是keras中的API，那mxnet中该 API 叫什么名字呢？我跟踪了一下代码，以及打印summary之类的，基本搞清楚了，mxnet 中无论是DepthwiseConv2D 还是Conv2D，统一都叫做C...

基于https://gluon-cv.mxnet.io/build/examples_instance/demo_mask_rcnn.html调试打印得到net.summary(x)-------------------------------------------------------------------------------- Layer (type) ...

转载自https://blog.youkuaiyun.com/dcrmg/article/details/78565440原英文地址：https://timebutt.github.io/static/understanding-yolov2-training-output/最近有人问起在YOLOv2训练过程中输出在终端的不同的参数分别代表什么含义，如何去理解这些参数？本篇文章中我将尝试着去回...

供自己备忘本网络结构从gluoncv/model_zoo/yolo/darknet.py调试得到darknet layers = [1, 2, 8, 8, 4]darknet channels = [64, 128, 256, 512, 1024]--------------------------------------------------------------...

先说结论，搭建服务器命令cvlc -vvv v4l2:///dev/video0 --sout '#transcode{vcodec=h264,vb=200,acodec=none}:rtp{sdp=rtsp://:8554/}'客户端播放命令ffplay rtsp://127.0.0.1:8554/再说一些经历我是在NanoPC-T4平台上搭建的，我其实也不喜欢这个平台，...

网上也看到很多人写的编译方法，应该也都是可以的，只是不知道是否权威，我找到了官方的编译安装指导，原文链接为http://docs.opencv.org/trunk/d7/d9f/tutorial_linux_install.html如果英文比较好的话，建议直接参考该文档。下面是我的编译步骤：Ubuntu 17.04Opencv 3.2安装依赖包：sudo apt-g