【导读】利用深度神经网络,以色列Yad Vashem博物馆的团队可以让图像识别算法帮助索引和分类其数字历史,将它的8亿数字资产——包括超过4PB的数据传播给全世界更多的人。 世界知名博物馆Yad Vashem为后代的人们保存了600万被德国纳粹杀害的犹太人的一些相关记忆。 Yad Vashem每年接待100万的游客。Yad Vashem存档了许多内容,其中包括视频证词、短片、照片、个人书面陈述、纳粹文件和音频文件等。 利用深度神经网络,Yad Vashem的团队可以让图像识别算法帮助索引和分类其数字历史。Yad Vashem的首席信息官 Michael Lieber表示,这可能有助于找到受害者的新关系和新故事。 “例如,Yad Vashem可以使用视频分析来理解和预测博物馆的流量和单个展品的影响,以及从丰富的历史数据中提取深刻的见解,”他说。
YAD2K:又一个 DARKNET 2 KERAS(转换器) 你可能已经注意到 YOLO 是用 Darknet 编写的,而 Darknet 听起来和 Tensorflow 没什么关系。 我们将会使用 YAD2K 来将 Darknet 模型转换为 Keras 模型。 请按照此处的教程来安装 YAD2K(https://github.com/allanzelener/YAD2K#installation)。 现在,我们将要修复 YAD2K 里的一个 Bug 来正确加载 Tiny YOLO。 /yad2k.py yolov2-tiny.cfg yolov2-tiny.weights model_data/yolov2-tiny.h5 之后,我们要保证新模型能运转起来。
data_list = re.findall("d\d", text) print(data_list) 输出: ['d2', 'd3', 'd1'] import re text = "rodt-yad3hdd9888j-jjd123 re.findall("d\d+", text) # +,1个或n个 print(data_list) 输出: ['d3', 'd9888', 'd123'] import re text = "rodt-yad3hdd9888j-jjd123 *", text) # *,0个或n个 print(data_list) 输出: ['d', 'd3', 'd', 'd9888', 'd123'] import re text = "rodt-yad3hdd9888j-jjd123 ,0个或1个 print(data_list) 输出: ['d', 'd3', 'd', 'd9', 'd1'] import re text = "rodt-yad3hdd9888j-jjd123 re.findall("d\d{2}", text) # {n},固定n个 print(data_list) 输出: ['d98', 'd12'] import re text = "rodt-yad3hdd9888j-jjd123
下载需要脚本 https://github.com/allanzelener/YAD2K 点击 ? 下载zip。 当然你使用git命令下载下来也可以。 准备工作 复制或剪切yolo.weights和yolo.cfg以及yad2k.py三个文件,以及一个文件夹yad2k到我的文档(桌面上那个我的文档,它是命令行执行的默认路径,这样你就不需要cd进下载目录执行操作了 注意文件夹吴恩达提供的作业里已经有yad2k文件夹,所有windows会提示你是否替换原有文件,点击替换。 打开Anaconda Prompt (tensorflow) C:\Users\wangh>python yad2k.py yolo.cfg yolo.weights model_data/yolo.h5 注意,我是在tensorflow虚拟环境下进行的,你在什么环境下运行都可以,它本质上是调用yad2k.py使用yolo.weights和yolo.cfg去生成yolo.py,需要有keras包。
Core ML 转换工具 https://pypi.python.org/pypi/coremltools 步骤1:Darknet to Keras 1.2.2 在我以前的YOLO博文中,我使用YAD2K 所以首先我需要修改YAD2K脚本来使用旧版本的Keras(这个被改过的YAD2K被包含在YAD2K github repo中)。 您可以在README文件中找到有关如何进行此转换的完整说明。 YAD2K 链接:https://github.com/allanzelener/YAD2K 步骤2:Keras 1.2.2到 Core ML Core ML转换工具支持YOLO格式,我们可以编写一个 我们再次使用由YAD2K创建的Keras 1.2.2模型。(您可以使用Keras 2.0,因为我已经为Core ML制作了一个1.2.2模型,就使用它吧。) 您可以在nngraph.py中看到相关代码: 首先加载我们用YAD2K制作的tiny-yolo-voc.h5模型。 然后,它遍历所有卷积层,并将权重与批次正则化参数一起放入单个文件中,每个层一个文件。
数据库设计工具 YAD_Designer YAD_Designer是另一个数据库设计,这个项目的目标是为设计关系数据库提供一个开发工具。 YAD_Designer基于实体关系模型,定位于在教学环境中使用。
然后将压缩文件解压缩到*YAD2K-master*文件夹。 进入 YAD2K-master文件夹,打开命令提示符(需要安装 Python3 并在 path 中),然后运行以下命令: python yad2k.py yolov2.cfg yolov2.weights yolo/yolo.h5 如果执行成功,将在YAD2K-master/model_data文件夹*、中创建两个文件,即yolo.h5和yolo.anchors。 将yad2k文件夹从YAD2K-master文件夹复制到当前路径。 现在,您当前的路径应该有两个文件夹yad2k和yolo 在当前路径中创建一个名为images的新文件夹,并将输入图像放在此处。 在当前路径中创建另一个名为output的新空文件夹。
如AA10; A1A; $%$; YAD; 等。
100); }; // 执行 getData(); </script> </html> 视频演示:http://mpvideo.qpic.cn/0bc3dyaacaaa2yad75xhanrvahwdaepaaaia.f10002
查看相关目录权限,发现hadoop-yarn目录权限为000,定位到问题 root@bigdata29:/var/lib/hadoop-yarn>ls -lrt /var/lib/ | grep hadoop-yad
http://mpvideo.qpic.cn/0bc3yqakaaaa4yad2is4z5rvbrgdudcabiaa.f10002.mp4?
如AA10; A1A; % ; YAD; 等。
各种实现: Keras https://github.com/allanzelener/YAD2K PyTorch https://github.com/longcw/yolo2-pytorch Tensorflow
colorgradient-card">four 6
YT + C*YD), /* coords of ctrl points on AD segs */ XAD = Math.round(CC*XA + C*XD), YAD 但已经足够了: return [ [XC, YC], [XC, YC], [-XB, YB], [-XBE, YBE], [-XAE, YAE], [-XA, YA], [-XAD, YAD ], [-XTD, YTD], [XT, YT], [XTD, YTD], [XAD, YAD], [XA, YA], [XAE, YAE], [XBE, YBE], [XB, YB] ];
4j4dCq1tswhA9YkuJCi0WpRmGYWBQ67dyT2or7RedFZlULLZN3nL6AWlo5V2jRXw4WQxCon2rU1p122wmiTzqYOfsykjwullWV4bYcZU4n77A4/9WwlSqZCpEbcdwV8IMkvwfJUInSWqTvmYMcKTWu8yad5DZ2v7LBWfgsL
github(Chainer): https://github.com/leetenki/YOLOv2 github(Keras): https://github.com/allanzelener/YAD2K
target=https%3A//github.com/allanzelener/YAD2K SqueezeNet https://link.zhihu.com/?
set jd_cookie enable_yad false #跳过云上阿东。 jd myCookie #查询绑定ckset jd_cookie enable_yad false #跳过云上阿东。
set jd_cookie enable_yad false #跳过云上阿东。 jd myCookie #查询绑定ck set jd_cookie enable_yad false #跳过云上阿东。