简介  随着研究的逐渐深入，我了解到pytorch训练模型再用libtorch加载实际上是一种很绕弯的方法，它的确能够满足我们的需求，但也许不是最好的一种方法。如今比较通用的模型格式是ONNX模型，所以我就在想能否使用这种通用的模型来解决问题呢？  远在天边，近在眼前，没想到OpenCV自己就有DNN模块能够直接加载，我们要做的只需要将pytorch训练出的pth模型转成ONNX模型即可。本文章将

简介  随着研究的逐渐深入，我了解到pytorch训练模型再用libtorch加载实际上是一种很绕弯的方法，它的确能够满足我们的需求，但也许不是最好的一种方法。如今比较通用的模型格式是ONNX模型，所以我就在想能否使用这种通用的模型来解决问题呢？  远在天边，近在眼前，没想到OpenCV自己就有DNN模块能够直接加载，我们要做的只需要将pytorch训练出的pth模型转成ONNX模型即可。本文章将

简介  随着研究的逐渐深入，我了解到pytorch训练模型再用libtorch加载实际上是一种很绕弯的方法，它的确能够满足我们的需求，但也许不是最好的一种方法。如今比较通用的模型格式是ONNX模型，所以我就在想能否使用这种通用的模型来解决问题呢？  远在天边，近在眼前，没想到OpenCV自己就有DNN模块能够直接加载，我们要做的只需要将pytorch训练出的pth模型转成ONNX模型即可。本文章将

  上一篇文章我曾经提到过，libtorch在进行图像实时检测中性能并不突出，很多时候无法满足我们的需求，后来我在想能不能现在pytorch上训练模型，只将libtorch作为一个加载模型的工具呢？经过尝试我发现这种方法是可行的，并且无论是在运行时间上还是在预测的准确率上都要优于前者，本文章将介绍如何在pytorch上训练模型并用libtorch进行加载预测。pytorch安装  pytorch官

简介  楼主在这一年从事的图像实时检测中涉及到深度学习的内容，于是在没有积累的情况下自己探索了三种方法，接下来分为三篇文章依次进行介绍并对比分析它们的优点。  目前使用比较广泛的深度学习框架有pytorch和TensorFlow两种，我选择使用的是pytorch，但原本的工程是基于C++实现的，为了适配于pytorch我发现了libtorch。libtorch可以说是pytorch的C++移植版本

文章目录简介SMOTE系列SMOTEBorderline SMOTEADASYN系列ADASYN后续简介​不平衡数据集指的是数据集各个类别的样本量极不均衡。以二分类问题为例，假设正类的样本数量远大于负类的样本数量，通常情况下通常情况下把多数类样本的比例接近100:1这种情况下的数据称为不平衡数据。不平衡数据的学习即需要在分布不均匀的数据集中学习到有用的信息。不平衡数据集的处理方法主要分为两个方面：

简介​XACRO（XML Macros）是一种XML宏语言,可以通过使用宏命令构建更精悍短小但又具有更高可读性的XML文件，这种宏命令可以扩展达到更大的XML表达范围。XACRO文件和URDF实质上是等价的. XACRO格式提供了一些更高级的方式来组织编辑机器人描述。URDF​URDF是一种xml格式的统一机器人描述文件，能够方便地使用标签、属性来描述模型当中的相关信息。URDF将机器人内部结构大

文章目录引言简介TF库使用步骤tf_broadcaster重写创建高频坐标变换广播器实现参考后续引言​坐标变换是机器人学中的基础概念，机器人中每个关节的运动，都存在相应的坐标变换关系。坐标变换可以分为位置变换和姿态变换，分别可由位置矢量和旋转矩阵表示，而这两部分可以组成4*4的齐次变换矩阵，可表示如下：$$T=\left[\begin{matrix}R & P \ 0&1\end{

这里我们先来看下面的公式：看到这条公式相信大家并不陌生，在高中数学我们就接触到的统计中，我们就经常使用上面的公式计算预测值，上述方法叫做简单线性回归的最小二乘法。为此，还专门返回去复习高中数学。最小二乘法的原理其实是，求一条直线，使得我们的训练数据集到这条直线距离之和最小。具体公式推导参考：最小二乘法有了上述公式，我们就可以通过对公式进行封装，形成一个二元线性回归算法的APIimport...

Cython是一种通过python语法编写C扩展的编程语言，特点是支持可选的静态类型声明语言的一部分，源代码可被翻译成优化的C/C++代码并编译成python扩展模块。Cython既具备python快速开发的特点，又可以让代码运行速度像C/C++一样快，甚至可以调用C library。