如果你的网络是用mmdetection写的，可视化预测结果时，发现框的线条太细，当输入图片太大时会看不清标注的框。我们可以通过修改mmdtection中的一些参数来改变检测框的颜色、粗细以及字体的大小。改变检测框的颜色、粗细、文字大小找到mmdet/models/detectors/base.py文件，修改class BaseDetector()中的show_result()函数的输入参数def

Python科学计算：Pandas前面我们学习了Python的一个重要的第三方库NumPy，今天学习Python的另一个工具Pandas。Pandas提供的基础数据结构DataFrame与json的契合度很高，转换起来就很方便。如果我们日常的数据清理工作不是很复杂，通常用几句Pandas代码就可以对数据进行规整。Pandas可以说是基于 NumPy 构建的含有更高级数据结构和分析能力的工具包。在N

VOC数据集（xml格式）和COCO数据集（json格式）的相互转换我们先来看看voc和coco数据集的目录结构：以VOC2012数据集为例，下载下来有如下五个文件夹：Annotations文件夹是存放图片对应的xml文件，比如“2007_000027.xml"存放的是图片2007_000027.jpg对应的信息，用记事本打开可以看到，这是xml格式的数据。ImageSets文件夹里存放了官方为我

HJ16-购物单这是一道典型的0-1背包问题，一开始的反应就是外层循环正向遍历物品，内层循环反向遍历背包容量。但由于物品增加了附件这一属性，使得这道题难度增加了不少，可以参考该视频处理物品的思路，每个物品用长度为6的数组来分别保存索引为i的物品主件价格，主件价值，附件1价格，附件1价值，附件2价格，附加2价值。对物品的处理弄明白了，其他地方跟之前做过的0-1背包问题都差不多了。# pythonmo

问题描述我们有时候会定义一个全局变量，然后在函数里面引用它，并改变它的值，这时候会报以下的错误：UnboundLocalError:local variable 'XXX' referenced before assignment只在函数里面引用外面定义的变量而不改变它的值不会报错，如果要改变外面定义的变量的值则需要用到全局变量。解决办法：在函数开头用global引用全局变量，即可引用全局变量并对

首先，我们有一个one-hot编码的概念。假设，我们中文，一共只有10个字。。。只是假设啊，那么我们用0-9就可以表示完比如，这十个字就是“我从哪里来，要到何处去”其分别对应“0-9”，如下：我从哪里来要到何处去0123456789那么，其实我们只用一个列表就能表示所有的对话如：我从哪里来要到何处去——>>>[0 1 2 3 4 5 6

如果你的网络是用mmdetection写的，可视化预测结果时，发现框的线条太细，当输入图片太大时会看不清标注的框。我们可以通过修改mmdtection中的一些参数来改变检测框的颜色、粗细以及字体的大小。改变检测框的颜色、粗细、文字大小找到mmdet/models/detectors/base.py文件，修改class BaseDetector()中的show_result()函数的输入参数def

VOC数据集（xml格式）和COCO数据集（json格式）的相互转换我们先来看看voc和coco数据集的目录结构：以VOC2012数据集为例，下载下来有如下五个文件夹：Annotations文件夹是存放图片对应的xml文件，比如“2007_000027.xml"存放的是图片2007_000027.jpg对应的信息，用记事本打开可以看到，这是xml格式的数据。ImageSets文件夹里存放了官方为我

一、问题描述遇到报错ImportError: No module named 'cv2'第一反应用pip install cv2报错了，才反应过来根本没有cv2库，正确命令应该是pip install opencv-python。奇怪的是，竟然也报错了。报错信息：ERROR：Could not find a version that satisfies the requirement opencv

《You Only Look Once：Unified，Real-Time Object Detection》基于卷积神经网络的目标检测算法作者：Joseph Redmon，et al单位：华盛顿大学（University of Washington）发表会议及时间：2016 IEEE计算机视觉和模式识别会议论文集论文结构摘要我们介绍一种新的物体检测方法YOLO。与先前的物体检测方法是重新设置分类