正文Depthwise Separable Convolution的目的是减少计算量，提高计算速度。普通卷积对于普通卷积，每个卷积核同时操作输入图像的每个通道。任意个与原图像同通道数的卷积核，对原图像进行卷积。生成图像通道数 = feature map数量 = 卷积核个数深度可分离卷积对于Depthwise Separable 卷积，将一个完整的卷积运算分解为两个步骤：Depth-wise卷积 + Point-wise 卷积。Depth-wise 卷积：一个卷积核负责一个通道，一个.

C++类和对象一万字总结【日期类源码解析】_yourfriendyo的博客-CSDN博客

YOLOR：多任务的统一网络人们通过视觉、听觉、触觉以及过去的经验“理解”世界。人类经验可以通过正常学习（我们称之为显性知识）或潜意识（我们称之为隐性知识）来学习。这些通过正常学习或潜意识学习到的经验将被编码并存储在大脑中。使用这些丰富的经验作为一个庞大的数据库，人类可以有效地处理数据，即使它们是事先不可见的。在本文中，我们提出了一个统一的网络来将隐性知识和显性知识编码在一起，就像人脑可以从正常学习和潜意识学习中学习知识一样。统一网络可以生成统一的表示以同时服务于各种任务。我们可以在卷积神经网络中执行内

使用 OpenCV 进行 YOLO 对象检测本文将教你如何使用YOLOV3对象检测器、OpenCV和Python实现对图像和视频流的检测。用到的文件有yolov3.weights、yolov3.cfg、coco.names，这三个文件的github链接如下：GitHub - pjreddie/darknet: Convolutional Neural Networkswget https://pjreddie.com/media/files/yolov3.weightswget https://gi

视觉识别的“咆哮的 20 年代”始于 Vision Transformers (ViTs) 的引入，它迅速取代了 ConvNets，成为最先进的图像分类模型。另一方面，普通的 ViT 在应用于目标检测和语义分割等一般计算机视觉任务时面临困难。正是分层 Transformers（例如，Swin Transformers）重新引入了几个 ConvNet 先验，使 Transformers 作为通用视觉骨干实际上可行，并在各种视觉任务上表现出卓越的性能。然而，这种混合方法的有效性在很大程度上仍归功于 Transf

ConvNeXts 完全由标准 ConvNet 模块构建，在准确性和可扩展性方面与 Transformer 竞争，实现 87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers，同时保持标准 ConvNet 的简单性和效率。论文链接：https://arxiv.org/pdf/2201.03545.pdf代码链接：https://github.com/facebookresearch/ConvNeXt如果github不能下载

目标跟踪的过程：1、获取对象检测的初始集2、为每个初始检测创建唯一的ID3、然后在视频帧中跟踪每个对象的移动，保持唯一ID的分配本文使用OpenCV实现质心跟踪，这是一种易于理解但高效的跟踪算法。质心跟踪算法步骤步骤1：接受边界框坐标并计算质心质心跟踪算法假设我们为每一帧中的每个检测到的对象传入一组边界框 (x, y) 坐标。这些边界框可以由任何类型的对象检测器（颜色阈值 + 轮廓提取、Haar 级联、HOG + 线性 SVM、SSD、Faster R-CNN 等）生成，前提是它们是针对

2021AIWIN 手写体 OCR 识别竞赛总结（任务一）参加了“世界人工智能创新大赛”——手写体 OCR 识别竞赛（任务一），取得了Top1的成绩。下面通过这篇文章来介绍我们队伍的方案。队伍随机组的，有人找我我就加了进来，这是我第一次做OCR相关的项目，所以随意起了个名字。赛题一、赛题考官交通银行二、赛题背景银行日常业务中涉及到各类凭证的识别录入，例如身份证录入、支票录入、对账单录入等。以往的录入方式主要是以人工录入为主，效率较低，人力成本较高。近几年来，OCR相关技术以其自动执行、人为干预

摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。训练第一步 导入需要的数据包，设置全局参数import numpy as npfrom tensorflow.keras.optimizers import Adamimport cv2from tensorflow.keras.preprocessing.image import img_to_arrayfrom sklearn.m

摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，节省内存2、加载模型的预训练权重，训练时间更短。3、数据增强选用albumentations。训练第一步 导入需要的数据包，设置全局参数import numpy as npfrom tensorflow.keras.optimizers import Adamim

调用姿态估计库 mp.solutions.pose.Pose，出现下面的问题Traceback (most recent call last): File "D:/cv/feilei/cc.py", line 11, in <module> detector = PoseDetector() File "D:\cv\feilei\poseutil.py", line 32, in __init__ self.min_detection_confidence, self.

摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用ResNet50。通过这篇文章你可以学到：1、如何加载图片数据，并处理数据。2、如果将标签转为onehot编码3、如何使用数据增强。4、如何使用mixup。5、如何切分数据集。6、如何加载预训练模型。训练1、Mixupmixup是一种非常规的数据增强方法，一个和数据无关的简单数据增强原则，其以线性插值的方式来构建新的训练样本和标签。最终对

2021年已经过去了，这篇文章对我过去一年的总结，主题：“与AI同行”。首先，很荣幸在博客之星中获得Top6，感谢各位专家和CSDN对我文章的认可。还有间更让我感动的事情，前几天看到有位粉丝一直在下载我更新的资源，于是我私信他了。经过聊天才知道，他是一位老师。大概这就是我们博主坚持写文章的意义，给更多需要的人带来帮助，带去光明（好吧！其实我没有这么伟大！！）。跑题了！现在开始主题，与AI同行，我从博文、竞赛、工作这三个方面总结我过去一年在AI上的取得的成果。博文去年我总共写了375篇文章，从

ResNet实战：tensorflow2.X版本，ResNet50图像分类任务（大数据集）摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.X版本如何使用Keras实现图像分类，分类的模型使用ResNet50。本文实现的算法有一下几个特点：1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。2、加载模型的预训练权重，训练时间更短。3、数据增强选用albumentations。训练第一步 导入需要的数据包，设置全局参数i

网络结构的3次创新：从siamese 到2-channel：将输入对的2个灰度化的单通道patch（64*64）拼接成一个2通道的patch（64*64*2），直接使用双通道图像进行训练。结合Central-surroundtwo-streamnetwork：联合使用图像patch中心区域（32*32）和边缘环绕区域的信息（64*64下采样为32*32）。结合Spatial pyramid pooling (SPP) network：训练图像不需要归一化处理，不需要裁剪成同等尺寸进入网络。

一、Git历史 同生活中的许多伟大事件一样，Git 诞生于一个极富纷争大举创新的年代。Linux 内核开源项目有着为数众广的参与者。绝大多数的 Linux 内核维护工作都花在了提交补丁和保存归档的繁琐事务上（1991－2002年间）。到 2002 年，整个项目组开始启用分布式版本控制系统 BitKeeper 来管理和维护代码。 到 2005 年的时候，开发 BitKeeper 的商业公司同 Linux 内核开源社区的合作关系结束，他们收回了免费使用 BitKeep...

常用的数据结构；列表、元组、集合、字典

堆排序，O(1) 查找最大值

目录什么是cpolar它能用在哪些场景它怎样工作cpolar一些很棒的功能什么是cpolar？cpolar是一种安全的内网穿透云服务，它将内网下的本地服务器通过安全隧道暴露至公网，使得公网用户可以正常访问内网服务。它能用在哪些场景？微信公众号开发，实时断点调试微信消息 在没有上线部署的情况下，在发布会上演示新网站 在您的开发机器上构建webhook客户程序，聊天机器人 无需部署，测试连接到本地开发环境后端的移动应用程序 为已经在生产环境部署的设备，提供稳定的公网访

Windows用户在本地搭建的web站点，通过cpolar内网穿透将其发布到公网可访问