我们经常在图像预处理中会看到类似如下代码img = cv2.imread("img_path")img = img[:,:,::-1].transpose(2, 0, 1)上述两句到底是什么含义呢？我们今天就来解决这个问题。首先需要明白一点，我们通过cv2读图片是，数据读取的通道顺序是bgr，并且是height， width， channel的排列方式。所以切开上述第二行代码来看：img[:,:,

人脸姿态估计简单预研一、 背景介绍其实背景很简单，就是有些算法针对正脸的效果很好，但是对于特别大的侧脸，效果就不是很好，所以需要需要根据人脸姿态来进行过滤。二、 算法的简要介绍1. 什么是姿态估计在计算机视觉中，对象的姿态是指其相对于相机的相对方向和位置，我们可以通过相对于相机移动对象，也可以相对于对象移动相机，还可以同时移动相机和对象，如果相机和对象保持相对静止，虽然相机和对象在世界坐标系中的位

LZ在使用vscode的时候，出现代码块无法折叠的问题，这个对于比较长的脚本，阅读起来非常不友好，于是找了个方法，很简单，做个记录。修改EditorFoldingStrategy选项的值为indentation。在输入框输入folding，文件->首选项->设置。小技巧，写了备查就行！...

1.ResNet简介ResNet(Residual Neural Network)是由微软研究院的Kaiming He等4名华人提出的，一般我们把ResNet称作是残差网。在ILSVRC 2015的比赛中，Kaiming He等人通过使用Residual Units（残差单元）训练了152层神经网络（名副其实的深度学习了！）赢得了冠军。在比赛中的top-5的错误率为3.57%，同时参数量比VGGN

模型转换（pth转onnx转caffemodel）一、背景介绍因为模型要用到前端，所以要将pytorch训练的模型转成caffemodel，之前LZ已经写了一片tensorflow转caffemodel的教程，今天就总结一篇pytorch转onnx转caffemodel的教程二、pth转onnx这个严格意义上是DBFace系列的第四部分，但是主要是用来转模型，对其他模型也是适用的，于是就单独拎出来

最近真的项目很紧，996模式开启了多日，在完成项目一小步后，总算有时间进行一些梳理，也是对tensorflow有了更多的认识。之前在学校实验室中，其实并不涉及太多tensorflow c++端的接口，无论是训练还是做inference，基本上都是python，相对来说还是比较简单的，但是c++还是会比python多很多步骤，第一个遇到的问题其实就是，我怎么使用python训练好的ckpt模型呢？.

使用–branch指定分支,也得多试几次,开手机热点比较快git clone --branch v3.7.1 https://github.com/protocolbuffers/protobuf.git使用那么多次git clone,发现下载速度最快的方法就是使用手机热点…...

Tesla AI DAY 2022

一系列用于评估自动驾驶（AD）策略性能的关键指标。让我们逐一解析这些指标：动态碰撞比率（Dynamic Collision Ratio, DCR）：静态碰撞比率（Static Collision Ratio, SCR）：碰撞比率（Collision Ratio, CR）：位置偏离比率（Positional Deviation Ratio, PDR）：航向偏离比率（Heading Deviation

人脸姿态估计预研（二）1. 背景为什么要写第二篇，因为第一篇写的很简单，自己的思考部分比较少，并且还有一些细节需要补充2. 算法部分2.1 到底使用多少个点？这个确实是一个比较实在的问题，因为博客里LZ也看到不少，基本上都是参考opencv与DLIB那篇博客博客的，下面评论中有很多问题，自然LZ也是有很多疑惑的。首先一个问题便是到底用多少个点？这些点的3D模型怎么得到的，模型应该也是有对应的方向的