LiBiGo_社区达人页

2023年05月

• 05.09 19:19:31
  发表了文章 2023-05-09 19:19:31

  智慧交通day04-特定目标车辆追踪03：siamese在目标跟踪中的应用-SiamRPN(2017)

  Siam-RPN提出了一种基于RPN的孪生网络结构，由孪生子网络和RPN网络组成，前者用来提取特征，后者用来产生候选区域。其中，RPN子网络由两个分支组成，一个是用来区分目标和背景的分类分支，另外一个是微调候选区域的回归分支，使整个网络实现了端到端的训练。
• 05.09 19:16:36
  发表了文章 2023-05-09 19:16:36

  智慧交通day04-特定目标车辆追踪03：siamese在目标跟踪中的应用-SiamFC(2016)

  SiamFC采用了全卷积式的Siamese网络实现目标跟踪，其网络结构如下图所示，具有两个权值共享的分支。其中，z为127×127的模板图像相当于要追踪的目标，x为255×255的搜索图像，我们要完成的就是在x中找到z的位置。
• 05.09 19:14:20
  发表了文章 2023-05-09 19:14:20

  智慧交通day04-特定目标车辆追踪02：Siamese网络+单样本学习

  Siamese network就是“连体的神经网络”，神经网络的“连体”是通过共享权值来实现的，如下图所示。共享权值意味着两边的网络权重矩阵一模一样，甚至可以是同一个网络。

  
• 05.09 19:11:17
  发表了文章 2023-05-09 19:11:17

  智慧交通day04-特定目标车辆追踪01:总览概述

  通过对目标外观模型进行建模, 然后在之后的帧中找到目标. 例如, 区域匹配、特征点跟踪、基于主动轮廓的跟踪算法、光流法等. 最常用的是特征匹配法, 首先提取目标特征, 然后在后续的帧中找到最相似的特征进行目标定位, 常用的特征有: SIFT特征、SURF特征、Harris角点等.
• 05.09 19:09:29
  发表了文章 2023-05-09 19:09:29

  Unknown encoder ‘libx264‘的解决方法

  Unknown encoder ‘libx264‘的解决方法
• 05.09 19:08:28
  发表了文章 2023-05-09 19:08:28

  智慧交通day03-车道线检测实现09：车道线检测代码汇总（Python3.8）

  智慧交通day03-车道线检测实现09：车道线检测代码汇总（Python3.8）
• 05.09 19:07:57
  发表了文章 2023-05-09 19:07:57

  智慧交通day03-车道线检测实现08： 在离线视频(非实时)中检测车道线+代码实现

  在前面几节中一步步完成摄像机标定、图像畸变校正、透视变换、提取车道线、检测车道线、计算曲率和偏离距离后，在图像上实现了复杂环境下的车道线检测算法。现在我们将视频转化为图片，然后一帧帧地对视频数据进行处理
• 05.09 19:06:23
  发表了文章 2023-05-09 19:06:23

  智慧交通day03-车道线检测实现07：车道曲率和中心点偏离距离计算+代码实现

  曲线的曲率就是针对曲线上某个点的切线方向角对弧长的转动率，通过微分来定义，表明曲线偏离直线的程度。数学上表明曲线在某一点的弯曲程度的数值。曲率越大，表示曲线的弯曲程度越大。曲率的倒数就是曲率半径。
• 05.09 19:03:00
  发表了文章 2023-05-09 19:03:00

  智慧交通day03-车道线检测实现06：车道线定位及拟合+代码实现

  我们根据前面检测出的车道线信息，利用直方图和滑动窗口的方法，精确定位车道线，并进行拟合。
• 05.09 17:23:55
  发表了文章 2023-05-09 17:23:55

  ValueError matplotlib display text must have all code points 128 or use Unicode strings

  ValueError matplotlib display text must have all code points 128 or use Unicode strings
• 05.09 17:22:48
  发表了文章 2023-05-09 17:22:48

  【Pytorch神经网络基础理论篇】 03 数据操作 + 数据预处理

  【Pytorch神经网络基础理论篇】 03 数据操作 + 数据预处理
• 05.09 17:12:30
  发表了文章 2023-05-09 17:12:30

  智慧交通day03-车道线检测实现05：透视变换+代码实现

  为了方便后续的直方图滑窗对车道线进行准确的定位，我们在这里利用透视变换将图像转换成俯视图，也可将俯视图恢复成原有的图像
• 05.09 17:10:31
  发表了文章 2023-05-09 17:10:31

  智慧交通day03-车道线检测实现04：车道线提取原理+代码实现+效果图

  在车道线检测中，我们使用的是HSL颜色空间，其中H表示色相，即颜色，S表示饱和度，即颜色的纯度，L表示颜色的明亮程度。
• 05.09 17:07:40
  发表了文章 2023-05-09 17:07:40

  智慧交通day03-车道线检测实现03：相机校正和图像校正的实现

  标定的图片需要使用棋盘格数据在不同位置、不同角度、不同姿态下拍摄的图片，最少需要3张，当然多多益善，通常是10-20张。该项目中我们使用了20张图片
• 05.09 17:03:34
  发表了文章 2023-05-09 17:03:34

  【Pytorch神经网络基础理论篇】 02 pytorch环境的安装

  【Pytorch神经网络基础理论篇】 02 pytorch环境的安装
• 05.09 17:01:36
  发表了文章 2023-05-09 17:01:36

  【Pytorch神经网络基础理论篇】 01 从零开始介绍深度学习算法和代码实现

  无人驾驶出现一次的问题会导致严重的后果，因此无人驾驶在错误率上特别重视，我们不会深入讲解这里，因此在无人驾驶中我们会对很多模型做一个预测，然后进行一种投票，再辅助一系列的传感器进行纠正，降低错误率，提高精度。
• 05.09 16:57:10
  发表了文章 2023-05-09 16:57:10

  智慧交通day03-车道线检测实现02-2：张氏标定法+双目标定

  该方法介于传统标定法和自标定法之间，既克服了传统标定法需要的高精度三维标定物的缺点，又解决了自标定法鲁棒性差的难题。标定过程不需要特殊的标定物，只需使用一张打印出来的棋盘格，并从不同方向拍摄几组图片即可，不仅实用灵活方便，而且精度很高，鲁棒性好。因此很快被全世界广泛采用，极大的促进了三维计算机视觉从实验室走向真实世界的进程。
• 05.09 16:48:50
  发表了文章 2023-05-09 16:48:50

  智慧交通day03-车道线检测实现02-1：相机校正

  我们所处的世界是三维的，而照片是二维的，我们可以把相机认为是一个函数，输入量是一个场景，输出量是一幅灰度图。这个从三维到二维的过程的函数是不可逆的。
• 05.09 16:44:12
  发表了文章 2023-05-09 16:44:12

  智慧交通day03-车道线检测实现01：车道线检测概述

  汽车的日益普及在给人们带来极大便利的同时，也导致了拥堵的交通路况，以及更为频发的交通事故。而自动驾驶技术的出现可以有效的缓解了此类问题，减少交通事故，提升出行效率。
• 05.09 16:42:41
  发表了文章 2023-05-09 16:42:41

  Python基础知识__字符串

  字符串是 Python 中最常用的数据类型。我们一般使用引号来创建字符串。创建字符串很简单，只要为变量分配一个值即可。
• 05.09 16:30:35
  发表了文章 2023-05-09 16:30:35

  智慧交通day02-车流量检测实现14：代码汇总+问题修正

  智慧交通day02-车流量检测实现14：代码汇总+问题修正
• 05.09 16:28:28
  发表了文章 2023-05-09 16:28:28

  智慧交通day02-车流量检测实现13：基于虚拟线圈法的车辆统计+视频中的车流量统计原理解析

  虚拟线圈车辆计数法的原理是在采集到的交通流视频中，在需要进行车辆计数的道路或路段上设置一条或一条以上的检测线对通过车辆进行检测，从而完成计数工作。检测线的设置原则一般是在检测车道上设置一条垂直于车道线
• 05.09 16:24:43
  发表了文章 2023-05-09 16:24:43

  cv2.dnn.readNetFromDarknet()在python3上遇到的问题

  代码编写完毕之后 发现 i[0]的数值无法正确获取，仔细寻找之后发现cv2.dnn.readNetFromDarknet()要求在python2环境下运行
• 05.09 16:22:03
  发表了文章 2023-05-09 16:22:03

  智慧交通day02-车流量检测实现12：基于yoloV3的目标检测

  在这里我们进行的目标检测是基于OPenCV的利用yoloV3进行目标检测，不涉及yoloV3的模型结构、理论及训练过程，只是利用训练好的模型进行目标检测
• 05.09 16:18:04
  发表了文章 2023-05-09 16:18:04

  智慧交通day02-车流量检测实现11：yoloV3模型

  YOLOv3是YOLO (You Only Look Once)系列目标检测算法中的第三版，相比之前的算法，尤其是针对小目标，精度有显著提升。
• 05.09 16:13:34
  发表了文章 2023-05-09 16:13:34

  智慧交通day02-车流量检测实现10：多目标追踪实现

  该方法实现了SORT算法，输入是当前帧中所有物体的检测框的集合，包括目标的score，输出是当前帧标的跟踪框集合，包括目标的跟踪的id要求是即使检测框为空，也必须对每一帧调用此方法，返回一个类似的输出数组，最后一列是目标对像的id。
• 05.09 16:07:01
  发表了文章 2023-05-09 16:07:01

  智慧交通day02-车流量检测实现08：目标跟踪中的数据关联(将检测框bbox与卡尔曼滤波器的跟踪框进行关联匹配)

  智慧交通day02-车流量检测实现08：目标跟踪中的数据关联(将检测框bbox与卡尔曼滤波器的跟踪框进行关联匹配)
• 05.09 16:06:18
  发表了文章 2023-05-09 16:06:18

  智慧交通day02-车流量检测实现07：匈牙利算法

  有一种很特别的图，就做二分图，那什么是二分图呢？就是能分成两组，U,V。其中，U上的点不能相互连通，只能连去V中的点，同理，V中的点不能相互连通，只能连去U中的点。这样，就叫做二分图。
• 05.09 16:01:45
  发表了文章 2023-05-09 16:01:45

  智慧交通day02-车流量检测实现06：目标估计模型-卡尔曼滤波(汇总)

  智慧交通day02-车流量检测实现06：目标估计模型-卡尔曼滤波(汇总)
• 05.09 16:01:04
  发表了文章 2023-05-09 16:01:04

  智慧交通day02-车流量检测实现06：目标估计模型-卡尔曼滤波

  在这里我们主要完成卡尔曼滤波器进行跟踪的相关内容的实现。
• 05.09 15:58:08
  发表了文章 2023-05-09 15:58:08

  智慧交通day02-车流量检测实现05：小车匀加速案例

  智慧交通day02-车流量检测实现05：小车匀加速案例
• 05.09 15:57:07
  发表了文章 2023-05-09 15:57:07

  智慧交通day02-车流量检测实现05：小车匀速案例

  智慧交通day02-车流量检测实现05：小车匀速案例
• 05.09 15:56:06
  发表了文章 2023-05-09 15:56:06

  智慧交通day02-车流量检测实现05：卡尔曼滤波器实践(小车模型)

  FilterPy是一个实现了各种滤波器的Python模块，它实现著名的卡尔曼滤波和粒子滤波器。我们可以直接调用该库完成卡尔曼滤波器实现。
• 05.09 15:50:48
  发表了文章 2023-05-09 15:50:48

  成功解决 ProxyError: Conda cannot proceed due to an error in your proxy configuration

  关掉win10的代理软件, 没有效果, 想起来代理软件会自动更改ie的代理设置
• 05.09 15:49:33
  发表了文章 2023-05-09 15:49:33

  智慧交通day02-车流量检测实现04：卡尔曼滤波器

  卡尔曼滤波（Kalman）无论是在单目标还是多目标领域都是很常用的一种算法，我们将卡尔曼滤波看做一种运动模型，用来对目标的位置进行预测，并且利用预测结果对跟踪的目标进行修正，属于自动控制理论中的一种方法。
• 05.08 20:54:13
  发表了文章 2023-05-08 20:54:13

  智慧交通day02-车流量检测实现03：辅助功能(交并比and候选框的表现形式)

  IOU是交并比（Intersection-over-Union）是目标检测中使用的一个概念是产生的候选框
• 05.08 20:51:39
  发表了文章 2023-05-08 20:51:39

  ★Anaconda中创建、切换、删除虚拟环境(指定仓库)

  ★Anaconda中创建、切换、删除虚拟环境(指定仓库)

  
• 05.08 20:48:58
  发表了文章 2023-05-08 20:48:58

  PackagesNotFoundError: The following packages are not available from current channels:

  PackagesNotFoundError: The following packages are not available from current channels:
• 05.08 20:48:19
  发表了文章 2023-05-08 20:48:19

  ValueError: check_hostname requires server_hostname的解决办法

  报错ValueError: check_hostname requires server_hostname通常是因为版本冲突等原因，查遍网上众多大佬总结的经验后，最终发现是由网络代理导致的问题，即我们通常说的vpn问题。
• 05.08 20:46:56
  发表了文章 2023-05-08 20:46:56

  智慧交通day02-车流量检测实现02：多目标追踪

  多目标跟踪，即MOT（Multi-Object Tracking），也就是在一段视频中同时跟踪多个目标。MOT主要应用在安防监控和自动驾驶等领域中。
• 05.08 20:41:11
  发表了文章 2023-05-08 20:41:11

  智慧交通day02-车流量检测实现01：总览

  随着城市交通量的迅猛增加，车流量统计已成为智能交通系统中一项关键技术和热门研究方向。高效而精确的车流量检测可以交通管理者和决策者，以及驾驶员提供数据支撑，从而为交通调度，降低拥堵情况的发生，提高道路利用率有非常重要的意义。
• 05.08 20:39:04
  发表了文章 2023-05-08 20:39:04

  智慧交通day01-算法库03：cv.dnn

  使用方便。DNN模块提供了内建的CPU和GPU加速，无需依赖第三方库，若项目中之前使用了OpenCV，那么通过DNN模块可以很方便的为原项目添加深度学习的能力。
• 05.08 20:33:37
  发表了文章 2023-05-08 20:33:37

  智慧交通day01-算法库02：imutils

  imutils是在OPenCV基础上的一个封装，达到更为简结的调用OPenCV接口的目的，它可以轻松的实现图像的平移，旋转，缩放，骨架化等一系列的操作。
• 05.08 20:28:58
  发表了文章 2023-05-08 20:28:58

  智慧交通day01-算法库01：numba

  numba是一个用于编译Python数组和数值计算函数的编译器，这个编译器能够大幅提高直接使用Python编写的函数的运算速度。
• 05.08 20:27:23
  发表了文章 2023-05-08 20:27:23

  智慧交通day00-项目简介

  汽车的日益普及在给人们带来极大便利的同时，也导致了拥堵的交通路况，以及更为频发的交通事故。智能交通技术已成为推动现代技术交通技术发展的重要力量，智能交通不仅能够提供实时的交通路况信息，帮助交通管理者规划管理策略，而且还能优化出行者的出行策略。还可以减轻交通道路的堵塞情况，降低交通事故的发生概率，提高道路运行的安全系数。
• 05.08 20:23:21
  发表了文章 2023-05-08 20:23:21

  第三周：浅层神经网络

  前面的课程中，我们已经使用计算图的方式介绍了逻辑回归梯度下降算法的正向传播和反向传播两个过程。如下图所示。神经网络的结构与逻辑回归类似，只是神经网络的层数比逻辑回归多一层，多出来的中间那层称为隐藏层/中间层。
• 05.08 20:16:16
  发表了文章 2023-05-08 20:16:16

  第二周：神经网络的编程基础之Python与向量化

  向量化（Vectorization）就是利用矩阵运算的思想，大大提高运算速度。例如下面所示在Python中使用向量化要比使用循环计算速度快得多。
• 05.08 20:12:23
  发表了文章 2023-05-08 20:12:23

  第一周：深度学习引言(Introduction to Deep Learning)

  在cousera的这一系列也叫做专项课程中,在第一门课中（神经网络和深度学习），你将学习神经网络的基础，你将学习神经网络和深度学习，这门课将持续四周，专项课程中的每门课将持续2至4周。
• 05.08 20:06:34
  发表了文章 2023-05-08 20:06:34

  Deep learning

  三巨头从机器学习谈起，指出传统机器学习的不足，总览深度学习理论、模型，给出了深度学习的发展历史，以及DL中最重要的算法和理论。