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...

先打开cmd命令窗口，然后将这两个文件分别拖动到窗口内执行，弹出下列对话框则说明安装成功。（如果在文件夹内，直接双击运行，则弹框会一闪而过）需要注意的是：根据已经安装的CUDA Driver Version选择cuDNN安装包。按照如下方法，可查看CUDA Driver Version，说明安装成功。打开Visual Studio，新建项目。如下图所示，已经包含CUDA。方法1：打开电脑的设置—应

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

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

1、sys.path[0] 返回调用python解释器的脚本所在的目录例： HOME = sys.path[0]HOME = '/home/jia/ssd/demo/live.py'2、os.path.dirname（） 返回当前文件的路径例：HOME1 = os.path.dirname（HOME）HOME1 = '/home/jia/ssd/demo/'3、巧妙利用os.path.dirnam