源码： DDRNet.py关键词: 实时语义分割原理介绍请看又快又强：Deep Dual-resolution Networks for Real-time and Accurate Semantic Segmentation of RoadDeep Dual-resolution Networks for Real-time and Accurate Semantic Segmentation

VSCode升级后因GLIBC版本不兼容在Ubuntu18.04报错（需≥2.28）。解决方案：1）手动编译安装glibc-2.28到/opt目录；2）使用patchelf工具修改VSCode的node文件，重定向到新装的glibc库路径。操作包括下载源码、编译安装、备份原node文件并设置新的库解释器路径。验证通过后node可正常运行。

ocr标注工具采用python-flask框架开发图像标注工具,主要思路是在标注的过程中先调用百度/阿里等免费的api进行标注，并进行人工的验证或目标矩形框的修正，同时支持单张图片多个目标的标注。整理想法很简单，但是实现起来还是很麻烦的。大概用了2周的时间（而且是在开源项目上修改来的）。原特点B/S方式交互支持多人同时标注（可分配不同标注人员的标注范围，或不同人员标注不同类别）类别采用...

地址： 论文思路： 这篇论文采用矫正再识别的思路进行文字识别，主要有矫正网络和识别网络两大部分，其中矫正网络采用TPS的思路，不过不是和tps一样直接预测2*n个关键点，而是预测中心线，然后加上一个偏置b。识别部分采用GRU实现的attention进行解码，采用了一种新的双向方式替换了aster的方法。具有更好的效果。3. 论文方法3.1 矫正网络矫正网络采用了STN，关键就是如何预测ST...

强推一个docker hub，这个里面有常用的tf、Torch、caffe等深度学习工具，还支持jupyter远程访问，强的不行。https://hub.docker.com/r/ufoym/deepo

转载自:https://www.cnblogs.com/supersayajin/p/11445401.html如果说前几年深度学习主题追求的是越来越深的模型及越来越准的方法，那么最近两年关注的点是模型的轻量化及部署，这是一个比较大而且比较复杂的话题。即训练好的模型怎样部署在实际的项目中，也就是我们常说的train和inference(或者forward，test，deploy)主要关注以下几点.

1. 模型容量2. 划分数据集3. 提前停止4. 正则化5. Dropout6. 数据增强增加数据集大小是解决过拟合最重要的途径。但是收集样本数据和标注往往是代价昂贵的，在有限的数据集上，通过数据增强技术可以增加训练的样本数量，获得一定程度上的性能提升...

建议先读文献[1]，然后配合着看本文。1. 前言上一篇文章针对FairMOT进行了测试和训练，测试的效果很好。这里对FairMOT的训练和测试原理进行剖析。2. 训练FairMOT基本采用的是检测+跟踪的思路，检测采用的centernet，跟踪采用deepsort。但是将两个任务进行了端到端训练。其实训练还是相对简单的。初始问题检测和跟踪是如何一起端到端训练的？2.1 模型结构图reference

1. 理解PQ乘积量化请参考：https://zhuanlan.zhihu.com/p/114029796https://www.cnblogs.com/mafuqiang/p/7161592.html2. 整体思路这种索引方式比前两种复杂多了。现在还是不够清晰。下面对主要思路做下记录训练训练第一阶段的kmean随机下采样 100×256个样本训练kmean训练PQ量化随机下采样256×256（2

遗传算法求解立体仓库货位优化 货位优化是仓库布局研究的一个主要分支，随着现代计算机技术以及控制技术的不断发展，生产企业和物流仓储企业仓库管理呈现出控制最优化、运行智能化的发展趋势，对仓库的货位优化已成为物流技术发展的一个重要标志。国外对仓储货位优化研究相对较早。Hesket研究了货物存储所需要的存储空间以及货物的订单数量对仓储效率的影响。Goetschalckx等证明了N类货物分配下最低C