https://github.com/xxradon/PytorchToCaffe然后可以用netscope进行模型可视化-------------------------------------------除了netscope（只支持caffe的prototxt）可以进行模型可视化，还有一个支持更多模型类型的工具 ：netron...

如果文件在新分支a中进行了写操作，但并没add和commit，在master中可以看到A中的写操作，如果进行了commit，master就无法看到。删除之前，建议先合并。（注意：master在merge时候，如果遇到冲突并解决，则解决冲突会进行2次提交，1次是最终提交，1次是将对方的提交信息也拿来。工作区---add----暂存区----commit----对象区---push---git服务器。

之前做了SVM的车脸检测，主要是针对车脸，接下来尝试利用Adaboost和Haar进行车脸的检测。我利用的主要是opencv中的cascade，其已经把Adaboost相关的算法做成了exe，直接调用就可以了，不像SVM中我们可能需要再调用。如果需要对boost源码进行修改，可以利用Cmake将生成opencv的源代码，（Cmake真是个很方便的东西，之前做交叉编译用Automake来弄，差点累的

1.yacs介绍yacs的作者大名鼎鼎的Ross Girshick，faster-rcnn的作者。github地址：https://github.com/rbgirshick/yacsyacs是一个轻量级用于定义和管理系统配置的开源库，是科学实验软件中常用的参数配置。在机器学习、深度学习模型训练过程中的超参数配置（卷积神经网络的深度，初始学习率等）。科学实验的重现性至关重要，因此，需要记录实验过程

Caffe代码导读（0）：路线图【Caffe是什么？】Caffe是一个深度学习框架，以代码整洁、可读性强、运行速度快著称。代码地址为：https://github.com/BVLC/caffe【博客目的】从接触Caffe、编译运行、阅读代码、修改代码一路走来，学习到不少内容，包括深度学习理论，卷积神经网络算法实现，数学库MKL，计算机视觉库OpenCV，C++模板类使用，CUD

关注点击关注上方“AI深度视线”，并“星标”公号技术硬文，第一时间送达！精彩内容这篇DetectoRS以mAP54.7的成绩刷新COCO目标检测网络榜榜首，同时还以47.1%拿下COCO实例分割第一、49.6AQ拿下COCO全景分割第一！完美诠释强者恒强。论文地址：https://arxiv.org/pdf/2006.02334.pdf代码链接：https://github.com/joe-siy

空间中三维坐标变换一般由三种方式实现，第一种是旋转矩阵和旋转向量；第二种是欧拉角；第三种是四元数。这里先介绍旋转矩阵(旋转向量)与欧拉角实现三维空间坐标变换的方法以及两者之间的关系。这里以常见的世界坐标系与相机坐标系间的变换为例。一、首先介绍从相机坐标系转换到世界坐标系，也就是比较通用的body到世界坐标系间的转换。那么旋转的欧拉角按从世界坐标系转换到相机坐标系的过程，先按z轴旋转、之后y轴旋转、

将anaconda环境下的 lib/python3.6/site-packages/torch/utils/cpp_extension.py文件将['ninja','-v']改成['ninja','--v'] 或者['ninja','--version']

Windows下如何使用Tensorflow Object Detection API2018年01月17日 12:10:31阅读数：1078如果大家会使用Linux系统，就在Linux下安装TensorFlow吧，比Windows下配置环境简单多了，而且一般玩深度学习，都在Linux环境下。本文只介绍在Windows下如何配置TensorFlow和使用Object Detection...

本系列文章旨在学习如何在opencv中基于haar-like特征训练自己的分类器，并且用该分类器用于模式识别。该过程大致可以分为一下几个大步骤：1.准备训练样本图片，包括正例及反例样本2.生成样本描述文件3.训练样本4.目标识别=================本文主要对步骤1、步骤2进行说明。1.准备训练样本图片，包括正例及反例样本1)正样本的采集：　　所谓正