以下神经网络模型图示均为本人学习过程中用PPT画的流程框图。1. LeNet(Y.Lecun,1998)模型2. AlexNet(Alex.K, 2012)模型3. VGGNet16\VGGNet19模型4. GoogleNet Inception模型Inception5. FasterRCNN目标检测模型6. SSD目标检测模...

1. MNIST手写数字分类图像集地址：http://yann.lecun.com/exdb/mnist/手写数字识别图像库，共70000张图片，其中60000张训练集图片，10000张测试集图片，图像大小28x28，黑底白字样式train-images-idx3-ubyte.gz：训练集图片train-labels-idx1-ubyte.gz：训练集图片对应数字标签t10k-...

以下神经网络模型图示均为本人学习过程中用PPT画的流程框图。1. LeNet(Y.Lecun,1998)模型2. AlexNet(Alex.K, 2012)模型3. VGGNet16\VGGNet19模型4. GoogleNet Inception模型Inception5. FasterRCNN目标检测模型6. SSD目标检测模...

在卷积神经网络中往往需要对输入图像做缩放，那么是怎么做做缩放的，是直接长宽都缩放到目标长宽，还是按照某种的比例来做呢？以FasterRCNN的Caffe版本（https://github.com/rbgirshick/py-faster-rcnn）为例，其缩放方式如下：例如：这个步骤无论是训练阶段还是推理阶段都采用。在config.py文件中中定义了目标分辨率大小，即短边的...

在上位机虚拟机软件上安装ARM的交叉编译链，下载nodejs源码，使用交叉编译软件编译nodejs，得到ARM板上可执行的文件，并放到ARM板上，通过node xxx.js文件的方式执行。注意还需要移植依赖库到ARM板上。需要一台与ARM相同架构并自带ubuntu或统信等系统的设备，在上面安装部署nodejs的环境，使用run pkg打包的方法在该环境下将源码打包成应用程序的可执行文件，然后将应用

本篇文章整理下嵌入式开发中一些入门的基础技能，都是根据以往的工程经验整理，适用于之前没做过嵌入式开发的新手。嵌入式开发流程一般如下，一般是在PC机的Windows系统下安装Ubuntu虚拟机，搭建嵌入式开发环境及交叉编译环境，开发完成后，编译得到bin文件，然后在Windows下将bin文件通过串口或网络下发到嵌入式板卡，程序在嵌入式板卡上运行。1. RS232串口接孔图解串...

在卷积神经网络中往往需要对输入图像做缩放，那么是怎么做做缩放的，是直接长宽都缩放到目标长宽，还是按照某种的比例来做呢？以FasterRCNN的Caffe版本（https://github.com/rbgirshick/py-faster-rcnn）为例，其缩放方式如下：例如：这个步骤无论是训练阶段还是推理阶段都采用。在config.py文件中中定义了目标分辨率大小，即短边的...

YUV444：Y,U,V三个分量是4:4:4，也就是1:1:1的关系YUV422：Y,U,V三个分量是4:2:2的关系，在水平方向上，每两个Y分量共用1个U，V分量YUV420：Y,U,V三个分量是4:1:1的关系，每四个Y分量共用1个U，V分量如下图所示：YUV420根据UV分量在计算机中存储的顺序不同????️可分为YUV420p与YUVspYUV420p（即I420）：先存放U，再存放V..

以下神经网络模型图示均为本人学习过程中用PPT画的流程框图。1. LeNet(Y.Lecun,1998)模型2. AlexNet(Alex.K, 2012)模型3. VGGNet16\VGGNet19模型4. GoogleNet Inception模型Inception5. FasterRCNN目标检测模型6. SSD目标检测模...

本文主要讲述ffmpeg编码过程中是如何设置I帧，B帧及P帧的，以及如何通过代码判断帧类型。之前看过很多网上的文章，讲述如何判断I帧，B帧，P帧，然而都是停留在H.264官方文档中的定义，如果不结合ffmpeg，就仿佛纸上谈兵，有点不切实际，而且很多文章将I帧与I Slice混为一谈，将I Slice当做I帧，这其实是错的。本文就结合ffmpeg讲解ffmpeg中是如何编码各种帧类型的，并纠正..