每层神经网络输入与输出的关系如下所示：其中：N表示输出图片尺寸（N×N）W 表示输入图片尺寸（W×W）F 表示卷积核的大小（F×F）S 表示步长P 表示填充的像素数（Padding）池化层的计算大致一样，也是利用滤波器的大小 F×F 和...

（2）1和2速度一致，可见1是用了分离卷积优化速度。3最慢，差不多慢3倍。（3）2和3不限于高斯核卷积，任意核都可以。但是2需要该核具有可分离性。（1）当都是高斯核的时候，三者结果一致。//2、高斯分离卷积。

摘抄自：《深度学习之Pytorch物体检测实战》一书

打开Visual Studio，新建项目。如下图所示，已经包含CUDA编程选项。

生成垂线gen_image_const (Image, 'byte', 1000, 1000)********************生成一条直线************************Row1:=100Col1:=500Row2:=500Col2:=100gen_region_line (Line, Row1, Col1, Row2, Col2)*计算该直线的...

摘抄自：《深度学习之Pytorch物体检测实战》一书

标定的意义1、求取镜头畸变系数，矫正镜头畸变。2、得到空间坐标系和图像坐标系的对应关系。Halcon标定板图例及参数介绍Halcon标定板的获取第一种方式：自己制作（标定后的mean error大致为0.4）调用Halcon算子gen_caltab(::XNum,YNum,MarkDist,DiameterRatio,CalTabDescrFile,C...

在objects detection算法中，大概可以分为两大方向一、Two-Stage，这是一种Proposal-based的方法，需要先使用启发式方法（selective search）或者CNN网络（RPN）产生Region Proposal，然后再在Region Proposal上做分类与回归。精度高，但是速度慢。R-CNNFast R-CNNFaster R-CNNMa...

RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法，有一定的概率得出一个合理的结果。为了提高得出合理结果的概率必须提高迭代次数。1、基本思想：RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：有一个模型适用于假设

假设要运行'PycharmProjects/faster-rcnn/faster-rcnn.pytorch-pytorch-1.0'路径下的demo.py文件，则存在两种可行方式。方式一：1、打开终端，输入'conda env list'命令查看当前存在的虚拟环境（如果没有合适的环境，则需要新建）2、使用'conda activate pytorch1.0'命令激活将要使用的虚拟环境3、使用'cd