1. ncnn的3层封装ncnn在实现前向推理的时候主要进行了3层封装，分别是：具体的网络层类layer，如卷积层，池化层，concat层，split层，输出softmax层Net，将所有的layer和中间的数据blob放入到vector容器中将Net传入Extractor做一个“推理器”2. ncnn前向推理时的递归调用ncnn在进行前向推理的时候，由推理器“extractor”...

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

视频语义分割code1. 原理转载自:https://zhuanlan.zhihu.com/p/52014957图3 模型结构这篇文章提出了一个叫做Netwarp的结构，它的主要作用是利用光流把前一帧的特征搬移到当前帧，进而起到一定程度上特征增强的作用，其中光流定义为两张图像之间对应像素移动的向量，这个结构可以插入到video 的帧与帧之间（如图3所示）。图4 Netwarp模块模块的具体操作如图

语义分割，数据集直接参考该项目：https://github.com/mseg-dataset/mseg-api，里面有常见的语义分割数据的下载脚本，比如SUNRGBD数据集的。SUNRGBD_DST_DIR=$1mkdir -p $SUNRGBD_DST_DIR# ------- Downloading ---------------------------echo "Downloading S

声明一个全局类，在类的析构函数中会释放显存。yolodet::yoloNet net;int main(int argc,char* argv[]){std::string engine = "model/yolov4.engine";net.loadmodel(engine);return 0;}报错：CUDA error driver shutting down at /home/data/C

cuda的lib库文件无法找到。首先看libcudart.so.9.0是否在/usr/local/cuda-9.0/lib64下。解决在pycharm的configure中的LD_LIBRARY_PATH环境变量添加/usr/local/cuda-9.0/lib64

论文:https://arxiv.org/pdf/1909.11065.pdf源码:https://git.io/openseg and https://git.io/HRNet.OCR.1. 核心思想微软亚洲研究院提出的 OCR 方法的主要思想是显式地把像素分类问题转化成物体区域分类问题，这与语义分割问题的原始定义是一致的，即每一个像素的类别就是该像素属于的物体的类别，换言之，与 PSPNet

转载自：语义分割－多层特征融合尊重原创，请读原文语义分割，也称为像素级分类问题，其输出和输入分辨率相同（如题图中，左边为2048x1024分辨率的Cityscapes街景图像，输入模型，得到右边同样分辨率的语义图）。由此，语义分割具有两大需求，即高分辨率和高层语义，而这两个需求和卷积网络设计是矛盾的。卷积网络从输入到输出，会经过多个下采样层（一般为5个，输出原图1/32的特征图），从而逐步扩大视野

背景在用ide写代码的时候，最好的就是其自动提示的功能：函数名，参数类型。。。等。但是有些库或函数在用的时候，无法自动补全，这样就很不方便。解决方案首先要知道所需要使用的函数的头文件（.h）在哪里然后在vscode中按 ctrl+shift+p，在搜索框中填json，选择c/c++在includePath中添加所使用的头文件的位置，如这里的cuda{"configurations": [{"nam

语义分割，国内街景1. UA-DETRAC2. hw_seg找以下作者。https://blog.csdn.net/qq_39197555/article/details/112155822