项目地址https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/human_pose_estimation论文地址Pose ResNet: https://arxiv.org/abs/1804.06208网络结构简单来说，这个网络的backbone使用了ResNet，把分类用的ResNet的最后几层全连接层替换为反卷积层输出heat

mask-rcnn训练测试自制数据集本项目简介本项目用于口腔模型分割，数据类型有7种，本文主要用于介绍如何使用自制数据集训练自己的模型训练环境配置操作系统:win10GPU: GTX 1080tiCPU: intel i7内存: 32G项目地址项目地址：https://github.com/a2824256/Mask_RCNN_4_Oral_Segmentation，mask-rcnn模型来自ma

Macos配置intel realsense驱动库操作流程1.下载源码并编译安装git clone https://github.com/IntelRealSense/librealsensemkdir build & cd buildcmake ../ -DBUILD_PYTHON_BINDINGS=bool:truemake -j2sudo make install2...

使用python测量dicom图像的两像素点之间的真实距离

问题描述ros环境下提示python2.7环境的opencv没有cv2.CALIB_HAND_EYE_TSAI这个参数，是库引入冲突导致解决方法在报错的文件顶部按下面格式编写import syssys.path.remove('/opt/ros/kinetic/lib/python2.7/dist-packages')import cv2sys.path.append('/opt/ros/kine

该项目目的是我定义一个任意角度的切面，都能把体绘制模型的这个切面的图像获取。

intel realsense深度转真实距离与像素坐标系转相机坐标系1. 深度转真实距离1. 1初始化配置import pyrealsense2 as rs# 相机配置pipeline = rs.pipeline()config = rs.config()config.enable_stream(rs.stream.depth, WIDTH, HEIGHT, rs.format.z16, 60)c

BottleneckBlock的相关计算1. 概念BottleneckBlock - 残差块，初始应用在ResNet 50/101/102中1.1 网络结构残差块又称为瓶颈层，输入channel(通道)从大变小, 再从小变大。上图右侧的才是真正的BottleneckBlock，瓶颈层再加上右侧输入直达输出的shortcut connections。shortcut connections能解决网络

目录1.前期准备2.Cmake编译配置步骤1. 选择source与build文件夹路径，build文件夹为人为新建的空文件夹。步骤2. 点击Configure按钮，选择编译配置。步骤3. 编译配置。步骤4. 点击Finish开始获取配置信息。步骤5. 点击Generate编译。步骤6. 成功编译后点击Open Project，启动VS。步骤7. 选择Release还是Debug版本步骤8. 对IN

PaddleDetection多卡训练配置(Linux环境)1.查看当前设备显卡数量nvidia-smi2.设置可用显卡假设从上一步查询到本机有4张显卡# 设置4张卡可用export CUDA_VISIBLE_DEVICES=0,1,2,33.执行多卡训练选择设备0, 1, 2, 3python -m paddle.distributed.launch --selected_gpus 0,1,2,