1.统一图片尺寸实际使用案例：在训练yolov5过程中，收集到的图片尺寸有两种1920*1080和640*480；实际使用的场景是640*480，可以将所有图片尺寸缩放到640*480，同时要注意缩放过程中，目标尺寸不要失真；具体操作过程中，可以先观察真实场景数据，然后在对大尺寸图片进行处理；本案例中，就发现1920*1080的图片内容在宽方向图内背景内容更多，而高方向图像内容和640*480的图

了解一些基础内容：FPN（Feature Pyramid network）？参考：https://blog.csdn.net/weixin_40683960/article/details/79055537RPN（Region Proposal Network）？论文解析参考：https://blog.csdn.net/u014380165/article/details/10141...

1.统一图片尺寸实际使用案例：在训练yolov5过程中，收集到的图片尺寸有两种1920*1080和640*480；实际使用的场景是640*480，可以将所有图片尺寸缩放到640*480，同时要注意缩放过程中，目标尺寸不要失真；具体操作过程中，可以先观察真实场景数据，然后在对大尺寸图片进行处理；本案例中，就发现1920*1080的图片内容在宽方向图内背景内容更多，而高方向图像内容和640*480的图

1.统一图片尺寸实际使用案例：在训练yolov5过程中，收集到的图片尺寸有两种1920*1080和640*480；实际使用的场景是640*480，可以将所有图片尺寸缩放到640*480，同时要注意缩放过程中，目标尺寸不要失真；具体操作过程中，可以先观察真实场景数据，然后在对大尺寸图片进行处理；本案例中，就发现1920*1080的图片内容在宽方向图内背景内容更多，而高方向图像内容和640*480的图

最近训练了一个人脸识别模型，在测试集上的效果较之前的模型相比（lfw,cfp_fp,agedb_30），accucay都有所提升,但是在自己的测试集效果上却特别差。然后仔细的研读了相应的测试代码，先把训练工程中的代码贴出来：diff = np.subtract(embeddings1, embeddings2)#做减法dist = np.sum(np.square(diff), 1)#计算...

最近在查看论文《Towards Flops-constrained Face Recognition》时，发现作者使用了AdaBN的技巧，我很好奇AdaBN是什么操作，为甚么没有看见相应的博文介绍，下面是我自己整理的资料。论文链接：原文中的算法：通俗理解：把model设成训练模式，然后是做前向计算，不做反向更新，相当于只更新global mean和global variance；将所有测试样本跑一

1.统一图片尺寸实际使用案例：在训练yolov5过程中，收集到的图片尺寸有两种1920*1080和640*480；实际使用的场景是640*480，可以将所有图片尺寸缩放到640*480，同时要注意缩放过程中，目标尺寸不要失真；具体操作过程中，可以先观察真实场景数据，然后在对大尺寸图片进行处理；本案例中，就发现1920*1080的图片内容在宽方向图内背景内容更多，而高方向图像内容和640*480的图

WierwiIIe驾驶模拟器上的实验结果证明，眼睛的闭合时间一定程度地反映疲劳， 如图 所示。在此基础上， 卡内基梅隆研究所经过反复实验和论证，提出了度量疲劳/瞌睡的物理量 PERCLOS （Percentage ofEyeIid CIosure over the PupiI， over Time， 简称PERCLOS） 其定义为单位时间内 （一般取1 分钟或者 30 秒） 眼睛闭合一定...

最近训练了一个人脸识别模型，在测试集上的效果较之前的模型相比（lfw,cfp_fp,agedb_30），accucay都有所提升,但是在自己的测试集效果上却特别差。然后仔细的研读了相应的测试代码，先把训练工程中的代码贴出来：diff = np.subtract(embeddings1, embeddings2)#做减法dist = np.sum(np.square(diff), 1)#计算...

参考：http://www.cnblogs.com/hrlnw/p/4720977.html参考：http://www.itdadao.com/articles/c15a162853p0.html1.本机环境虚拟机ubuntucmake版本3.7.1opencv版本3.1.02）基本步骤1）下载opencv3.1.0 for linux，解压opencv...