参考博客： http://www.pianshen.com/article/7949351947/ https://www.cnblogs.com/fx-blog/p/8213704.html 1. 安装opencv和opencv_contrib 推荐使用码云下载，github太慢了！ opencv下载地址 opencv_contrib下载地址 解压后讲opencv_contrib移动到opencv文件↖(ω)↗中 2.下载ippicv_2019_lnx_intel64_general_20180723 百度网盘(免费)：链接: https://pan.baidu.com/s/1ey...

将图像拼接成视频格式 今天想将5000张图片转换成视频格式，操作如下: import os import cv2 import numpy as np path = '/home/violet/PycharmProjects/deepSort/images/img1/' filelist = os.listdir(path) fps = 20 #视频每秒24帧 size = (640, 480) #需要转为视频的图片的尺寸 #可以使用cv2.resize()进行修改 video = cv2.VideoWriter("VideoTest.avi", cv2.Vide...

题目 给定你一个长度为n的整数数列。 请你使用归并排序对这个数列按照从小到大进行排序。 并将排好序的数列按顺序输出。 输入格式 输入共两行，第- -行包含整数n。 第二行包含n个整数(所有整数均在1~10^9范围内)，表示整个数列。 输出格式 输出共一行，包含n个整数,表示排好序的数列。 数据范围 1<n<100000 输入样例: 3 1 2 4 5 输出样例: 1 2 3 4 5 步骤 确定分界点，mid = (1 + r) / 2 递归排序left, right 归并——合二为一 ※ C++ #include <iostream&g...

学这个的目的在于用命令行进行程序调试，不能过于依赖IDE。 pdb是python自带的调试工具，缺点是不适合多线程调试，有点事简洁高效。 使用 python3 -m pdb test.py 常用指令： l:list,显示当前代码前后的三行 n:next ，向下执行一行 c：continue，继续执行代码 b<>行数：加断点 cl：清除断点 s：step，进入到一个函数 p<>变量名：print一个变量 a<>args：打印形参 q：退出 r：return，快速执行到函数最后一行

Multi-Object-Tracking-Paper-List Some new works could be found in the MOT16、MOT17 ranking list, but it seems that no work opening their source code in recent months, so I did not update the source code list. Sometimes, I think that the MOT benchmark may lead the researchers to a wrong direction. Th...

来实习后在配置环境上花费了挺久的时间，但是在不断试错的同时也在提高系统操作的经验。在conda管理下安装opencv一直装不上，我怀疑是我安装的版本太高了导致不兼容。所以选择了添加新的conda解释器来处理。果然可以解决了 conda的虚拟环境真的非常实用，尤其是对于大的深度学习项目，给每个项目单独配一个环境，轻巧又容易管理，还能直接用别人配好的虚拟环境，非常方便。 参考博客 使用 conda env list 新建环境 conda create -n new_name python=3.6 # 版本号自己定，名字自己定 检查系统的解释器有哪些 conda remove -n ...

1）目标分割，任务是把目标对应的部分分割出来。 2）目标检测，检测到图片当中的目标的具***置 3) 目标识别，即是在所有的给定数据中，分类出哪一些sample是目标，哪一些不是。这个仅仅做一下分类任务。 4）目标追踪，这个任务很重要的第一点是目标定位（Target Locating）。而且这个任务设计到的数据一般具有时间序列（Temporal Data）。常见的情况是首先Target被Identify以后，算法或者系统需要在接下来时序的数据中，快速并高效地对给定目标进行再定位。任务需要区别类似目标，需要避免不要的重复计算，充分利用好时序相关性（Temporal Correlation），并且...

如题

鸢尾花分类 load dataset 鸢尾花数据是机器学习和统计学中经典的数据集，包含在scikir-learn的datasets中，使用load_iris函数加载数据 from sklearn.datasets import load_iris iris_dataset = load_iris() print("Keys of iris_dataset: \n{}".format(iris_dataset.keys())) print("Target name: \n{}".format(iris_dataset['target_names']...