机器学习入门第一篇——Octave/Matlab Tutorial（1）Octave's Basic Operations——运算符Octave’s Basic Operations——运算符下载Octave,其图形界面如下：##运算符1==2 (等于) %false1~=2(不等于) %true1&&0(logic AND) %AN

机器学习入门第三篇——Octave/Matlab Tutorial（3）Moving Data Around

论文：Gradient Harmonized Single-stage Detector论文地址：Gradient Harmonized Single-stage Detectorhttps://arxiv.org/pdf/1811.05181.pdf注意 PPT图片为实验室论文研讨组会讲解所需，为笔者自己所做，慎用！Research Problems(问题)对于一阶段目标检测器的训练来说，最具挑

上一话CV+Deep Learning——网络架构Pytorch复现系列——Detection(一：SSD:Single Shot MultiBox Detector 4.推理Detect)https://blog.csdn.net/XiaoyYidiaodiao/article/details/128683973?spm=1001.2014.3001.5501复现Object Detection

这段代码的步骤大致如下：1.处理单张图作为网络的输入。2.根据给定的layer层，获取该层输出结果features。3.考虑到features的形状为[batch_size, filter_nums, H, W],提取其中第一个过滤器得到的结果的feature。4.以一张图作为输入的情况下，我们得到的feature即为[H,W]大小的tensor5.将tensor转为numpy，然后归一化[0,1

引言此系列重点在于复现计算机视觉（）中，以便初学者使用（浅入深出）！首先复现深度学习的经典分类网络模块，其中专门做目标检测的Backbone(10.，11.)但是它的主要目的是用来提取特征所以也放在这里，有2.VGG(√)5.ResNeXt10.VovNet11.DarkNet...注意a)完整代码上传至我的githubhttpshttpsb)编译环境设置为（其实不用这个编译环境，你会调bug也行

本章博客就是对OpenPose工具包进行开发；我呕心沥血（笑哭），经历重重困难，想放弃了很多次（因为openpose的编译实在是太麻烦了）但是后来还是成功了，各位点个赞吧！这个真的太麻烦了。按照单帧图像和实时视频的顺序述写，其中单帧是使用的Pytorch编程只是调用OpenPose的模型；实时视频中使用Python调用OpenPose的包，所以必须得安装OpenPose，并对其进行编译，最后再使用

是一门让计算机学会“看”的学科，研究如何自动理解图像和视频中的内容。

模型的保存有两种方式:一种是保存模型;另一种是保存模型的参数，将参数以字典的形式保存（官方推荐）。There are two ways to save the model: one is to save the model; the other is to save the parameters of the model, and save the parameters in the form o

运行结果MediaPipe人体姿态估计效果展示demo_video.pysrc/util.pysrc/hand.pysrc/body.py运行结果OpenPose效果展示需要安装OpenPose，请看我的另一篇博客：3D视觉——2.人体姿态估计(Pose Estimation)入门——OpenPose含安装、编译、使用（单帧、实时视频）运行结果OpenPose运行结果其实：1.MediaPipe比