一.进程和线程的基本概念： 进程： 是并发执行的程序在执行过程中分配和管理资源的基本单位，是一个动态的概念，竞争计算机系统资源的基本单位。 线程： 是进程的一个执行单元，是进程内的调度实体。比进程更小的独立运行的基本单位。线程也被称为轻量级进程。 一个程序至少一个进程，一个进程至少一个线程。 二.线程的意义： 每个进程都有自己的地址空间，即进程空间，在网络或多用户换机下，一个服务器通常需要接收大量不确定数量用户的并发请求，为每一个请求都创建一个进程显然行不通（系统开销大响应用户请求效率低），因此操作系统中线程概念被引进。 线程的执行过程是线性的，尽管中间会发生中断或者暂停，但是进程所拥有的资源...

----【经典模型&&热门模型】---- 【一】目标检测中IOU的相关概念与计算 IoU（Intersection over Union）即交并比，是目标检测任务中一个重要的模块，其是GT bbox与pred bbox交集的面积 / 二者并集的面积。 下面我们用坐标（top，left，bottom，right），即左上角坐标，右下角坐标。从而可以在给定的两个矩形中计算IOU值。 def compute_iou(rect1,rect2): # (y0,x0,y1,x1) = (top,left,bottom,right) S_rect1 = (rect1[2] - re...

Docker和容器技术为了这么火爆？核心原因就是“轻”。 在容器技术之前，业界的网红是虚拟机。虚拟机技术的代表是VMWare和OpenStack。 虚拟机就是在我们的操作系统里装一个软件，然后通过这个软件再模拟一台甚至多台“子电脑”出来。 在“子电脑”里，我们可以和正常电脑一样运行程序，例如打开微信。如果我们愿意，我们可以变出好几个“子电脑”，里面都开上微信。“子电脑”和“子电脑”之间，是相互隔离的，互不影响。 ==虚拟机属于虚拟化技术。而Docker这样的容器技术，也是虚拟化技术，属于轻量级的虚拟化。== 虚拟机虽然可以隔离出很多“子电脑”，但是占用空间更大，启动更慢，虚拟机软件可能还要花钱...

----【深度学习基础】---- 【一】卷积有什么特点？ 卷积主要有三大特点： 局部连接。比起全连接，局部连接会大大减少网络的参数。在二维图像中，局部像素的关联性很强，设计局部连接保证了卷积网络对图像局部特征的强响应能力。 权值共享。参数共享也能减少整体参数量，增强了网络训练的效率。一个卷积核的参数权重被整张图片共享，不会因为图像内位置的不同而改变卷积核内的参数权重。 下采样。下采样能逐渐降低图像分辨率，实现了数据的降维，并使浅层的局部特征组合成为深层的特征。下采样还能使计算资源耗费变少，加速模型训练，也能有效控制过拟合。 【二】不同层次的卷积都提取什么类型的特征？ 浅层卷积 提...

FaceNet解决的问题 虽然传统人脸识别技术发展很快，但是人脸验证和人脸识别在自然条件下应用依然存在很多困难。论文中作者提出了一个新的人脸识别模型：FaceNet。这个模型可以直接向人脸图片映射到欧几里得空间，空间距离的长度代表了人脸图像的相似性。只要映射空间生成，以FaceNet嵌入作为特征向量，那么人脸识别，验证和聚类等任务就可以轻松完成。 FaceNet的创新点 FaceNet是一个通用系统，可以用于人脸验证（是否是同一个人？），人脸识别（这个人是谁？）和聚类（寻找类似的人）。 FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间，比起之前的方法更加简单，只需要对...

总体思路 LFFD是由中科院提出的新型单目标检测模型，适用于人脸、行人、车辆等单目标检测，速度快模型小效果好，可以在RTX2070下使用TensorRT跑2k图片90fps。 论文研究了感受野（RF）与有效感受野（ERF）的关联与重要性，使用感受野替代Anchors，即Anchor-free的方法。在一个基础模型结构上分别抽取8路特征图对从小到大的人脸进行检测，检测模块分为类别二分类与边界回归。 主要优势： 通过添加更多CNN层，可以覆盖更大尺度的目标（比如典型的自拍场景人脸），而增加的延迟有限； 检测小目标能力突出，在极高分辨率（比如8K或更大）画面，可以检测其间10个像素大小的目标； ...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识。 1. 眼界决定了工作影响力的上界，能力决定了到底能否达到那个上界。 2. 人心能静，虽万变纷纭亦澄然无事。不静则燕居闲暇，亦憧憧撞撞。静在心，不在境。 3. 选择最能补短板的投资人而非出价最高的投资人。 4. 带着问题和可能的解决方案与其他人沟通。 5. 不要被情绪占据自己，时刻想着怎么把问题解决，这样你会专注于解决问题，而不是难受而让时间白白度过。 6. 一副健康、良好的体魄和由此带来的宁静和愉快的脾性，以及活跃、清晰、深刻、能够正...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识。 写在前面 【Make YOLO Great Again】栏目专注于从更实战，更深刻的角度解析YOLOv1-v7这个CV领域举足轻重的算法系列，并给出其在业务侧，竞赛侧以及研究侧的延伸思考。欢迎大家一起交流学习💪，分享宝贵的ideas与思考～ 大家好，我是Rocky。 近年来YOLO系列层出不穷，更新不断，已经到v7版本。Rocky认为不能简单用版本高低来评判一个系列的效果好坏，YOLOv1-v7不同版本各有特色，在不同场景，不同上下游环境，不同资源支持的情况下，如何从容选...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识。 KL散度 KL散度（Kullback-Leibler divergence），可以以称作相对熵（relative entropy）或信息散度（information divergence）。KL散度的理论意义在于度量两个概率分布之间的差异程度，当KL散度越高的时候，说明两者的差异程度越大；而当KL散度低的时候，则说明两者的差异程度小。如果两者相同的话，则该KL散度应该为0。 接下来我们举一个具体的例子： 我们设定两个概率分布分别为P和Q，在假定为连续随机变量的前提下，他们对应的...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识。 POC（Proof of Concept），即概念验证。通常是企业进行产品选型时或开展外部实施项目前，进行的一种产品或供应商能力验证工作。 验证内容： 产品的功能。产品功能由企业提供，企业可以根据自己的需求提供功能清单，也可以通过与多家供应商交流后，列出自己所需要的功能。 产品的性能。性能指标也是由企业提供，并建议提供具体性能指标所应用的环境及硬件设备等测试环境要求。 产品的API适用性。 产品相关技术文档的规范性、完整性。 涉及到自定义功能研发的，还需要验证API开放性，供...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识。 一.使用PyTorch编写卷积神经网络 使用Pytorh编写卷积神经网络，一般需要导入以下模块: import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import torchvision.transforms as transforms import torchvision.datasets as datasets import torchv...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识，也欢迎大家关注我的公众号WeThinkIn。 一.电脑类型 首先我们需要先搞清楚我们的电脑类型： MBR传统bios + 单硬盘 MBR传统bios + 双硬盘（SSD固态硬盘 + 机械硬盘） UEFI新式bios + 单硬盘 UEFI新式bios + 双硬盘（SSD固态硬盘 + 机械硬盘） 以上任意一种情况 + 电脑有特殊独立显卡（这种情况一般不考虑，只有少数电脑会遇到在Linux系统下没有显卡的驱动导致Linux装的过程中或装好后重启过程中卡死。） 删除Ubuntu 二....

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识，也欢迎大家关注我的公众号*********。 一.Batch Normalization基本原理及公式 BN的基本原理 Batch Normalization又称为“批归一化”。首先，在进行训练之前，一般要对数据做归一化，使其分布一致。 那么为什么要归一化呢？归一化后有什么好处呢？ 因为神经网络学习过程本质就是为了学习数据分布，一旦训练数据与测试数据的分布不同，那么网络的泛化能力也大大下降，另一方面，深度神经网络训练过程中，通常以送入网络的每一个Batch训练，一般每一个Batc...

这是我之前写在公众号里的一篇文章，在此分享到牛客上，一来是希望能和牛客上的朋友们一起交流学习CV算法以及相应的知识。 在目标检测领域可以划分为人脸检测与通用目标检测，往往人脸检测这方面会有专门的算法（包括人脸检测、人脸识别、人脸其他属性的识别等等），并且和通用目标检测（识别）会有一定的差别，这主要是因为人脸的特殊性（有时候目标比较小、人脸之间特征不明显、遮挡问题等），下面我们将从人脸检测和通用检测两个方面来讲解目标检测。 目前主要的人脸检测方法分类： 目前人脸检测方法主要包括两个区域：传统人脸检测算法和基于深度学习的人脸检测算法。传统人脸检测算法主要可分为4类： 基于知识的人脸检测方法。 基...