2、找到：计算机配置->管理模板->网络->Lanman工作站,点击“Lanman工作站“，在本地组策略编辑器的右侧，可以看到“启用不安全的来宾登录”转载，亲测有用 https://www.codenong.com/cs107087565/1、按win+R键打开运行，输入gpedit.msc，打开本地组策略编辑器。3、双击“启用不安全的来宾登录”，选择“已启用”，确定就行。本地现在就能建立映射网络

以下内容是从这篇博客里搬来的，自己记录一下方便归纳总结。原文链接：https://blog.csdn.net/tudou2013goodluck/article/details/83270805arm-himix100-linux交叉编译器安装了，环境也配置了，查看了一下在/etc/profile里已经将路径export了，source /etc/profile也执行了。可是…make...

参考 https://baijiahao.baidu.com/s?id=1616657317266058736&wfr=spider&for=pc研究人员利用GPU在4K/8K视频中进行物体检测卡内基梅隆大学的研究人员开发出一种新系统，该系统使用GPU快速准确地检测4K和8K视频中的物体。研究人员表示，虽然大量数据源以高分辨率记录，但目前最先进的物体检测模型，如YOLO，F...

前言：在做深度学习的时候，经常需要收集样本，有些样本我们可以从开源数据库中提取，省去自己标注的麻烦，下面介绍几种提取的方法，根据自己需要拿去用。1. 将图片按类别保存在不同文件夹，文件名不变。执行完得到如下结果，只是对图片进行的分类，没有对xml进行分类。对xml和图片都进行分类的代码参考本博客第3部分介绍。voc_class-pic.pyimport xml.dom.minido...

https://www.cnblogs.com/daihengchen/p/6345041.html上一次发博客已经是9月份的事了…这段时间公司的事实在是多，有写博客的时间都拿去看paper了…正好春节回来写点东西，也正好对这段时间做一个总结。首先当然还是好好说点这段时间的主要工作：语义分割。semantic segmentation 应该是DL这几年快速发展的最重要的领域之一了，但可惜的事，..

https://blog.csdn.net/m0_37615398/article/details/84982384很多时候，在小目标检测中，对于一副高分辨率图像，我们很难直接输入一整幅大图来进行目标检测，特别是对于one-stage的方法，如SSD的输入尺寸是300和512， YOLO的输入尺寸是416，而高分辨率图像通常有几千×几千像素。所以我在此分享将一副高分辨率图像分块同时写入对应目...

参考文献1.https://www.jianshu.com/p/16f69668ce25一. 各大主流开源框架这些框架都支持CUDA，所以表中的编程语言里没有将cuda写上。还有一些没有列入表中，是因为他它们已经升级为大家更喜欢或者使用起来更简单的版本。比如torch->pytorch，theano->lasagne。还有一些小众的，以及一些移动端的框架，暂不讨论。作为一个深度学习算法

考察很多算法 包括 yolo ssd等这一系列 onestage的方法 都不能解决检测时目标较小的问题，经过思考认为 问题出在小目标的特征图和 大目标不同上。有篇论文解决了这个问题，就是RSSD算法 R 是彩虹的意思 表示将多个特征图相融合 来作为分类标准。论文：Enhancement of SSD by concatenating feature maps for object detect..

转载：https://www.cnblogs.com/E-Dreamer-Blogs/p/11442927.html小目标难检测原因主要原因（1）小目标在原图中尺寸比较小，通用目标检测模型中，一般的基础骨干神经网络（VGG系列和Resnet系列）都有几次下采样处理，导致小目标在特征图的尺寸基本上只有个位数的像素大小，导致设计的目标检测分类器对小目标的分类效果差。（2）小目标在原图中尺寸比较...

https://blog.csdn.net/m0_37615398/article/details/84982384很多时候，在小目标检测中，对于一副高分辨率图像，我们很难直接输入一整幅大图来进行目标检测，特别是对于one-stage的方法，如SSD的输入尺寸是300和512， YOLO的输入尺寸是416，而高分辨率图像通常有几千×几千像素。所以我在此分享将一副高分辨率图像分块同时写入对应目...