最近在做一些代码移植工作，为了测试正确性，要拿同样的输入数据测试，于是打算使用XML来存储数据，C++进行解析。简单做个记录。数据源这里我选择用10帧图像中的人体2维关节点骨架作为数据源（可以在此下载 提取码 ersp）shape为 10 x person_number x 17 x 2 , 分别表示帧，人数，关节点数，关节点图像坐标(x,y)使用python生成xml目标是生成下面的样子，直接看

搞深度学习时可能会遇到想可视化神经网络某一层的输出向量的需求，我最近就遇到了这样的需求，需要对网络的降维结果进行可视化，我这里对3D可视化做一下简单的介绍。主要还是参考了网上很多大神的写法。TSNE和PCA两种方法都可以实现高维向量可视化，两者原理不同，速度也差很多，TSNE会慢一些。这里主要还是用到了python里的matplotlib库进行图形绘制。...

多维标度法(MDS,Multidimensional Scaling)多维标度法一个简单的应用示例就是，已知一组城市之间的相对距离关系(相似矩阵)，如何求解出各个城市在地图上的位置，使其尽可能满足前面的相对距离约束。有关多维标度法的具体介绍大家可以参考网上其他博主的讲解，我在这里就不具体展开了。普氏分析(Procrustes Analysis)最近网上比较火的换脸操作大部分都会用到普氏分析法...

可以进行数据集中四个视角的切换以及一个全局视角相机上方为处理的编号demo为遛狗的一个场景（opencv实现，当然也可以用opengl）数据集须官方账户下载这里生成的3d标注是经过预处理的，处理过程可以参考learnable-triangulation-pytorch的处理方式，生成逐帧的标注信息，其内部包括个体信息，相机参数信息，每帧的标注信息…具体实现代码放在了这里，有兴趣一起交...

python opencv 为图片添加alpha通道并设置透明opencv 读取图片后通道为BGR的格式，这里做个示范将图片的左半边设置为透明效果。原图透明图 （100）透明图（0）opencv 读取图片后通道为BGR的格式，这里做个示范将图片的左半边设置为透明效果。import cv2import numpy as npimg = cv2.imread("/home/shuai

搞深度学习时可能会遇到想可视化神经网络某一层的输出向量的需求，我最近就遇到了这样的需求，需要对网络的降维结果进行可视化，我这里对3D可视化做一下简单的介绍。主要还是参考了网上很多大神的写法。TSNE和PCA两种方法都可以实现高维向量可视化，两者原理不同，速度也差很多，TSNE会慢一些。这里主要还是用到了python里的matplotlib库进行图形绘制。...

双目相机标定结果(内参，外参)验证–在OpenGL中重投影目标模型到图像平面，与左右视角图像中的模型同时重合相机标定是计算机视觉任务中比较基础且重要的前提步骤。单目相机的标定可以直接用来对图像进行反扭曲处理。多目相机标定稍微复杂一些，笔者这里在做多目姿态估计的任务，因此接触到了多目相机标定。我这里用到的方法也很简单，用的是比较经典的棋盘格标定法。两个相机设置一定的拍摄角度，同时拍摄若干组标定板..

双目相机标定结果(内参，外参)验证–在OpenGL中重投影目标模型到图像平面，与左右视角图像中的模型同时重合相机标定是计算机视觉任务中比较基础且重要的前提步骤。单目相机的标定可以直接用来对图像进行反扭曲处理。多目相机标定稍微复杂一些，笔者这里在做多目姿态估计的任务，因此接触到了多目相机标定。我这里用到的方法也很简单，用的是比较经典的棋盘格标定法。两个相机设置一定的拍摄角度，同时拍摄若干组标定板..

可以进行数据集中四个视角的切换以及一个全局视角相机上方为处理的编号demo为遛狗的一个场景（opencv实现，当然也可以用opengl）数据集须官方账户下载这里生成的3d标注是经过预处理的，处理过程可以参考learnable-triangulation-pytorch的处理方式，生成逐帧的标注信息，其内部包括个体信息，相机参数信息，每帧的标注信息…具体实现代码放在了这里，有兴趣一起交...

已经有了一个预训练的模型，我需要从其中取出某一层，把该层的weights和biases赋值到新的网络结构中，可以使用tensorflow中的pywrap_tensorflow(用来读取预训练模型的参数值)结合Session.assign()进行操作。这种需求即预训练模型可能为单分支网络，当前网络为多分支，我需要把单分支A复用到到多个分支去（B，C，D）。先导入对应的工具包from tens...