这里使用pip安装pytorch，我试过cuda安装，和电脑的配置没兼容，没有安装成功，后来发现使用pip安装很简单方便，就是用pip安装首先进入pytorch官网，往下拉会看到不同的安装选项根据自己电脑的配置选择不同的选项，例如我选择的stable版本、Linux系统、pip安装、python版本为2.7、cuda为8.0，如下图所示：选择完之后下面会出现安装所需的命令，如下图先后运...

使用Faster-rcnn 的test_net.py 检测网络的mAP等精度会生成一个检测结果（txt文件），格式如下：000004 0.972 302.8 94.5 512.0 150.0000004 0.950 348.1 166.1 512.0 242.9000004 0.875 1.0 25.7 292.6 126.3000004 0.730 1.0 138.5 488.3 230.0

转自：http://www.lifelaf.com/blog/?p=746对于一维数据的可视化，直方图(Histogram)与核密度估计(KernelDensity Estimates)可以很好的表示各个数据值的概率分布，但在表示数据累积分布上这两种方法就无能为力了。数据的累积分布，也即小于等于当前数据值的所有数据的概率分布，对于表示数据点在某个区间内出现的概率有很大的帮助。从数学上

格式：n=norm(A,p)功能：norm函数可计算几种不同类型的矩阵范数,根据p的不同可得到不同的范数1、如果A为矩阵 n=norm(A) 《Simulink与信号处理》返回A的最大奇异值，即max(svd(A))n=norm(A,p)根据p的不同，返回不同的值  p  返回值  1  返回A中最大一列和，即max(sum(ab

转自：http://www.lifelaf.com/blog/?p=746对于一维数据的可视化，直方图(Histogram)与核密度估计(KernelDensity Estimates)可以很好的表示各个数据值的概率分布，但在表示数据累积分布上这两种方法就无能为力了。数据的累积分布，也即小于等于当前数据值的所有数据的概率分布，对于表示数据点在某个区间内出现的概率有很大的帮助。从数学上

自己编写的高斯滤波已理解，可是matlab自带的高斯滤波函数却没有用过，这里记录一下。%matlab自带函数实现灰度图高斯滤波clearclose allimg=imread('lena.bmp');sigma=6;%标准差大小window=double(uint8(3*sigma)*2+1);%窗口大小一半为3*sigmaH=fspecial('gaussian', win

由于matla自带的colormap的样式可能不是自己想要的类型，因此有时候需要自定义一个自己的colormap，关于colormap的介绍可以参考博文matlab 的 colormap 函数，关于colormap的自定义过程可以参考博文matlab如何自定义colorbar，本文只记录一下自定义完之后的保存以及下次调用的问题。首先是先把自定义的colormap保存下来：mymap

索贝尔算子（Sobel operator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。 Sobel卷积因子为： 该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。seaborn 有五种风格，分别为"darkgrid", “whitegrid”, “dark”, “wh

引言现有的半色调技术种类繁多，生成的半色调图像的视觉效果也越发逼真，不过相应的代价就是较高的时间复杂度。有序抖动方法最简单而且能够完全并行处理整幅图像，但是生成的半色调图像视觉效果最差。误差传递方法产生的半色调图像视觉效果很好，但由于它的生成半色调图像过程的所要求的传递性，不能和有序抖动一样并行完成半色调过程。直接二元搜索法生成的半色调图像的视觉效果最好，但是计算复杂度却相当高，不