clichong_社区达人页

2022年11月

• 11.14 20:07:06
  发表了文章 2022-11-14 20:07:06

  Open3d系列 | 3. Open3d实现点云上采样、点云聚类、点云分割以及点云重建

  Open3d系列 | 3. Open3d实现点云上采样、点云聚类、点云分割以及点云重建

  
• 11.14 19:54:16
  发表了文章 2022-11-14 19:54:16

  Open3d系列 | 2. Open3d实现点云数据增强

  Open3d系列 | 2. Open3d实现点云数据增强

  
• 11.14 19:35:37
  发表了文章 2022-11-14 19:35:37

  Open3d系列 | 1. Open3d实现点云数据读写、点云配准、点云法向量计算

  Open3d系列 | 1. Open3d实现点云数据读写、点云配准、点云法向量计算

  
• 11.14 18:59:15
  发表了文章 2022-11-14 18:59:15

  点云在任意平面上获取二维投影

  点云在任意平面上获取二维投影

  
• 11.14 18:54:25
  发表了文章 2022-11-14 18:54:25

  pywintypes.com_error: (-2147221005, ‘无效的类字符串‘, None, None)

  pywintypes.com_error: (-2147221005, ‘无效的类字符串‘, None, None)

  
• 11.14 18:52:26
  发表了文章 2022-11-14 18:52:26

  KITTI自动驾驶数据集的点云多种视图可视化

  KITTI自动驾驶数据集的点云多种视图可视化

  
• 11.14 18:42:07
  发表了文章 2022-11-14 18:42:07

  MMDetection3d的实用工具脚本

  MMDetection3d的实用工具脚本

  
• 11.14 18:31:15
  发表了文章 2022-11-14 18:31:15

  MMDetection3d对KITT数据集的训练与评估介绍

  MMDetection3d对KITT数据集的训练与评估介绍

  
• 11.14 18:19:41
  发表了文章 2022-11-14 18:19:41

  Pycharm配置运行参数

  Pycharm配置运行参数

  
• 11.14 18:18:00
  发表了文章 2022-11-14 18:18:00

  Connecting to raw.githubusercontent.com (raw.githubusercontent.com)|0.0.0.0|:443... failed

  Connecting to raw.githubusercontent.com (raw.githubusercontent.com)|0.0.0.0|:443... failed

  
• 11.14 18:13:46
  发表了文章 2022-11-14 18:13:46

  error: Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools“

  error: Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools“
• 11.14 18:06:43
  发表了文章 2022-11-14 18:06:43

  Docker | docker容器导出以及常见问题的处理

  Docker | docker容器导出以及常见问题的处理

  
• 11.14 17:59:14
  发表了文章 2022-11-14 17:59:14

  MMDetection系列 | 5. MMDetection运行配置介绍

  MMDetection系列 | 5. MMDetection运行配置介绍
• 11.14 17:41:12
  发表了文章 2022-11-14 17:41:12

  MMDetection系列 | 4. MMDetection模型代码训练及测试过程的详细解析

  MMDetection系列 | 4. MMDetection模型代码训练及测试过程的详细解析

  
• 11.14 17:24:45
  发表了文章 2022-11-14 17:24:45

  MMFewShot训练与测试流程

  MMFewShot训练与测试流程

  
• 11.14 17:17:40
  发表了文章 2022-11-14 17:17:40

  MMDetection系列 | 3. MMDetection自定义模型训练

  MMDetection系列 | 3. MMDetection自定义模型训练

  
• 11.14 17:11:24
  发表了文章 2022-11-14 17:11:24

  MMDetection系列 | 2. MMDetection自定义数据集训练

  MMDetection系列 | 2. MMDetection自定义数据集训练

  
• 11.14 17:04:01
  发表了文章 2022-11-14 17:04:01

  MMDetection系列 | 1. MMDetection安装流程与测试

  MMDetection系列 | 1. MMDetection安装流程与测试
• 11.14 16:55:00
  发表了文章 2022-11-14 16:55:00

  Anaconda的安装与卸载

  Anaconda的安装与卸载
• 11.14 16:51:42
  发表了文章 2022-11-14 16:51:42

  YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果

  YOLOv5的Tricks | 【Trick15】使用COCO API评估模型在自己数据集的结果

  
• 11.14 16:35:50
  发表了文章 2022-11-14 16:35:50

  YOLOv7 | 模型结构与正负样本分配解析

  YOLOv7 | 模型结构与正负样本分配解析

  
• 11.14 16:23:13
  发表了文章 2022-11-14 16:23:13

  YOLOv6 | 模型结构与训练策略详细解析

  YOLOv6 | 模型结构与训练策略详细解析

  
• 11.14 15:58:02
  发表了文章 2022-11-14 15:58:02

  YOLOv5的Tricks | 【Trick14】YOLOv5的val.py脚本的解析

  YOLOv5的Tricks | 【Trick14】YOLOv5的val.py脚本的解析

  
• 11.14 15:46:19
  发表了文章 2022-11-14 15:46:19

  YOLOv5的Tricks | 【Trick13】YOLOv5的detect.py脚本的解析与简化

  YOLOv5的Tricks | 【Trick13】YOLOv5的detect.py脚本的解析与简化

  
• 11.14 15:33:50
  发表了文章 2022-11-14 15:33:50

  Python内置函数汇总

  Python内置函数汇总
• 11.14 14:59:26
  发表了文章 2022-11-14 14:59:26

  YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总

  YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总

  
• 11.14 14:44:43
  发表了文章 2022-11-14 14:44:43

  YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)

  YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)

  
• 11.14 14:27:04
  发表了文章 2022-11-14 14:27:04

  YOLOv5的Tricks | 【Trick10】从PyTorch Hub加载YOLOv5

  YOLOv5的Tricks | 【Trick10】从PyTorch Hub加载YOLOv5

  
• 11.14 14:03:38
  发表了文章 2022-11-14 14:03:38

  Git | git的简单使用教程

  Git | git的简单使用教程

  
• 11.14 13:41:15
  发表了文章 2022-11-14 13:41:15

  推荐系统专题 | MiNet：跨域CTR预测

  推荐系统专题 | MiNet：跨域CTR预测

  
• 11.14 13:27:35
  发表了文章 2022-11-14 13:27:35

  推荐系统专题 | 推荐系统架构与单域跨域召回模型

  推荐系统专题 | 推荐系统架构与单域跨域召回模型

  
• 11.14 13:13:10
  发表了文章 2022-11-14 13:13:10

  推荐系统专题 | 单域推荐系统模型汇总（召回与排序算法）

  推荐系统专题 | 单域推荐系统模型汇总（召回与排序算法）

  
• 11.14 12:44:52
  发表了文章 2022-11-14 12:44:52

  【40】torch.nn汇总（各类与函数接口的解释说明）

  【40】torch.nn汇总（各类与函数接口的解释说明）

  
• 11.14 12:30:47
  发表了文章 2022-11-14 12:30:47

  DETR | 基于匈牙利算法的样本分配策略

  DETR | 基于匈牙利算法的样本分配策略

  
• 11.14 12:19:12
  发表了文章 2022-11-14 12:19:12

  YoloX | SimOTA标签匹配策略

  YoloX | SimOTA标签匹配策略

  
• 11.14 11:52:18
  发表了文章 2022-11-14 11:52:18

  YOLOv5的Tricks | 【Trick9】模型剪枝处理与Pytorch实现的剪枝策略

  在yolov5项目中的torch_utils.py文件下，有prune这个函数，用来实现模型的剪枝处理。对模型裁剪，模型剪枝这方面之前没有接触到，这里用这篇笔记来学习记录一下这方面内容。

  
• 11.14 11:27:36
  发表了文章 2022-11-14 11:27:36

  YOLOv5的Tricks | 【Trick8】图片采样策略——按数据集各类别权重采样

  这篇文章用来记录一下yolov5在训练过程中提出的一个图片采样策略，简单来说，就是根据图片的权重来决定其采样顺序。

  
• 11.14 11:21:47
  发表了文章 2022-11-14 11:21:47

  YOLOv5的Tricks | 【Trick7】指数移动平均（Exponential Moving Average，EMA）

  这篇博客主要用于整理网上对EMA（指数移动平均）的介绍，在yolov5代码中也使用了这个技巧，现对其进行归纳。

  
• 11.14 11:11:56
  发表了文章 2022-11-14 11:11:56

  YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）

  YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）

  
• 11.14 10:59:30
  发表了文章 2022-11-14 10:59:30

  YOLOv5的Tricks | 【Trick5】遗传算法实现超参数进化（Hyperparameter Evolution）

  YOLOv5的Tricks | 【Trick5】遗传算法实现超参数进化（Hyperparameter Evolution）

  
• 11.14 10:51:35
  发表了文章 2022-11-14 10:51:35

  Yolov5-6.0系列 | yolov5的模块设计

  这篇笔记用来记录yolov5中的部分网络模块，主要是在common.py与experimental.py这两个部分中。其中设计一些轻量级网络的模块，我顺便了连原理也将一同介绍。此外，还设计其他任务的一些处理技巧，包括超分处理，SPPF设计，加权特征融合等方面。把common.py与experimental.py这两个部分我觉得巧妙与对我吸引的地方都归纳在这里。

  
• 11.14 10:31:33
  发表了文章 2022-11-14 10:31:33

  YOLOv5的Tricks | 【Trick4】参数重结构化（融合Conv+BatchNorm2d）

  这篇文章是想要记录yolov5在模型搭建过程中的一个融合模块，就是把卷积与批归一化的参数进行融合，想卷积带有批归一化的性质，使得推理过程中可以加快模型推理速度，简化整个模型结构，实现训练与推理两个阶段的解耦。

  
• 11.14 10:21:10
  发表了文章 2022-11-14 10:21:10

  YOLOv5的Tricks | 【Trick3】Test Time Augmentation(TTA)

  一句话简单的介绍Test Time Augmentation(TTA)就是测试过程中也使用数据增强，官方教程介绍：Test-Time Augmentation (TTA) Tutorial
• 11.14 10:13:37
  发表了文章 2022-11-14 10:13:37

  YOLOv5的Tricks | 【Trick2】目标检测中进行多模型推理预测（Model Ensemble）

  在学习yolov5代码的时候，发现experimental.py文件中有一个很亮眼的模块：Ensemble。接触过机器学习的可能了解到，机器学习的代表性算法是随机森林这种，使用多个模型来并行推理，然后归纳他们的中值或者是平均值来最为整个模型的最后预测结构，没想到的是目标检测中也可以使用，叹为观止。下面就对其进行详细介绍：
• 11.14 10:08:34
  发表了文章 2022-11-14 10:08:34

  YOLOv5的Tricks | 【Trick1】关于激活函数Activation的改进汇总

  YOLOv5的Tricks | 【Trick1】关于激活函数Activation的改进汇总