2021年05月_机器不学习我学习

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创【目标检测】RCNN~YOLO目标检测算法面试必备

https://zhuanlan.zhihu.com/p/354060133https://mp.weixin.qq.com/s/-AOXSFityGqBEn-OW3EYkg

2021-05-31 16:39:03 607

当我们需要关闭终端，后台训练模型时：nohup python train.py & # 后台运行，直到训练结束实时查看：tail -f nohup.out查看python进程ps -ef|grep pythonkill -9 id # 杀死进程killall -9 python # 杀死所有python进程参考https://blog.csdn.net/xuqimm/article/details/78092002...

2021-05-24 17:06:13 1419

原创【目标检测】已知top, left, bottom, right 求 xmin,ymin,xmax,ymax

前段时间在项目实践过程中遇到xmin,ymin,width,height 和 xmin,ymin,xmax,ymax相互转换的问题，请看https://blog.csdn.net/AugustMe/article/details/1166433841 最近又遇到一个新问题：已知top, left, bottom, right 求 xmin,ymin,xmax,ymax2 解决方案xmin = leftymin = topxmax = rightymax = bottom其中(xmin , y

2021-05-21 14:57:16 1178

原创【CV】PIL.Image.save() 保存图片压缩问题

1. 出现的问题：在Pillow中的PIL.Image.save()方法中，使用默认参数保存jpg图片的过程中发现图片被压缩的很严重，导致原来很大的图片变成几十KB。但是有些时候往往需要图片的大小不能变化太大或不能太小。2. 问题原因：这是因为在保存为jpg的过程中，PIL.Image.save()方法内部使用压缩算法对图片进行的压缩处理。3. 解决方法在保存的时候，加上一些参数。form PIL import Imageimg = Image.open("xxx.jpg")img.save

2021-05-21 13:58:39 14178

原创【目标检测】PaddlePaddle框架下的PaddleDetection

进入AIstudio，申请GPU资源打开终端：查看Cuda版本：nvcc -V配置环境：# CUDA10.1python -m pip install paddlepaddle-gpu==2.0.2 -f https://mirror.baidu.com/pypi/simple训练# 单卡export CUDA_VISIBLE_DEVICES=0python tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_co

2021-05-14 16:12:38 395

原创【python】利用PIL实现批量将一组图片粘贴到另外一组图片上

文章目录代码Imgage.paste()参考功能：实现将文件夹下一组图片随机粘贴到另一个文件夹下的一组图片上，并保存代码from PIL import Imageimport osimport random def handle_img(imgdir,imgFlodName,img_path): imgs = os.listdir(imgdir+imgFlodName) imgNum = len(imgs) print(imgNum) image_ori = o

2021-05-13 17:09:42 1885

原创【opencv】图像平滑处理

图像平滑处理就是图像滤波，使图像模糊化。高斯滤波是一种非常常用的模糊平滑方式，是线性滤波中的一种。其广泛的应用在图像处理的减噪过程中，尤其是被高斯噪声所污染的图像上。还经常做为一些复杂算法的第一步，比如Canny边缘检测等。中值滤波是一种非线性滤波器，常用于消除图像中的椒盐噪声。与低通滤波不同的是，中值滤波有利于保留边缘的尖锐度，但它会洗去均匀介质区域中的纹理。在做为去除相机噪声点的一种方法，还有形态学的开运算也可对相机降噪。双边滤波是一种非线性滤波器。这是一种结合图像的空间邻近度与像素值相似度的处理

2021-05-13 15:33:13 1226 1

原创【python】随机数的生成

废话不多说，直接看下面的实例：1、使用python自带的random库import random# 功能：在[n,m]范围内，随机生成一个数x， n、m、x都为int类型random.randint(1,10) # 取值范围：1,2,3,4,5,6,7,8,9,10# 功能：在[n,m)范围内，以间隔2随机生成一个数x，n、m、x都为int类型random.randrange(1,5,2) # 取值范围：1,3 注：5取不到# 功能：在列表a中随机选择一个数a = [1, 2, 3,

2021-05-13 14:58:32 7468

原创【opencv】无缝融合两张图片--cv2.seamlessClone()泊松融合

基于opencv-python=3.4.0功能：将2张图片进行融合# -*- coding: utf-8 -*-"""Created on Wed May 12 08:28:00 2021@author: zqq"""import cv2import numpy as np folder = 'cv/'# Read images : src image will be cloned into dstim = cv2.imread("ds_ori/pic/doubleskin_13

2021-05-13 13:54:15 2802 1

原创【opencv】读取cv2.imread()、保存cv2.imwrite()、缩放cv2.resize()、图像融合cv2.addWeighted()

1. 读取图片、保存图片、缩放图片基于opencv-python==3.4.0读取：cv2.imread()保存：cv2.imwrite()缩放：cv2.resize()# -*- coding: utf-8 -*-"""Created on Thu May 13 10:12:38 2021@author: zqq"""import cv2import os# 1. 读取图片# 1.1 单张img1 = cv2.imread("ds_ori/pic/doubleskin

2021-05-13 13:30:19 1550 3

原创【目标检测】xmin,ymin,width,height 转为 xmin,ymin,xmax,ymax

1、xmin,ymin,width,height 转为 xmin,ymin,xmax,ymax前2个坐标不需要动，只需要动后2个，规则如下：xmax= xmin+width-1ymax= ymin+height-1[xmin, ymin, xmin+width-1, ymin+height-1]2、xmin,ymin,xmax,ymax 转为 x,y,width,height前2个坐标不需要动，只需要动后2个，规则如下：width = xmax-xmin+1height = ymax

2021-05-11 10:46:17 1584 1

原创【目标检测】YOLO V5代码

原版代码：https://github.com/ultralytics/yolov5衍生版代码：https://github.com/wudashuo/yolov5https://github.com/DataXujing/YOLO-v5

2021-05-08 13:24:00 532

原创【pytorch】padding的几种填充方法

今天总结一下，pytorch框架下的几种边界填充方法：1、torch.nn.ReflectionPad2d(padding)功能：使用输入边界的反射填充输入张量。1.1、若 padding是int类型，则在所有边界填充使用相同的举例：padding=1（左、右、上、下 4个方向分别填充长度为1的映射）padding=2（左、右、上、下 4个方向分别填充长度为2的映射）1.1、若 padding是tuple类型，根据tuple里的数值进行映射左边填充长度为1的映射，右边填充长度为1的

2021-05-06 14:56:49 7894

垃圾桶满溢检测-VOC数据集格式-含xml文件

垃圾桶满溢检测-VOC数据集格式-含xml文件用于目标检测，适应于YOLO系列的算法

2024-03-15

人脸表情识别数据集-图像分类数据集

该数据集包含三个文件夹，即 Happy、Sad 和 Angry。每个文件夹包含每个提到的表情的大约 100 张图像。您可以将此数据集用于各种目的，包括使用卷积神经网络和计算机视觉进行分类。

2024-03-14

California房价预测数据集-机器学习-回归模型

California房价预测数据集-机器学习-回归模型-随机森林-CatBoost-deepforest California房价预测数据集是一个基于1990年加州普查的数据集，主要用于建立加州房价模型。该数据集包含了每个街区组（街区组是美国调查局发布样本数据的最小地理单位，通常拥有600至3000人口）的人口、收入中位数、房价中位数等指标。利用这些数据进行学习，模型能够预测任何街区的房价中位数。该数据集经过处理和修改，现在可从多个来源获取，例如Luís Torgo的页面（波尔图大学）或StatLib镜像。数据集最初由Pace、R. Kelley和Ronald Barry在1997年使用，并发表在“统计与概率快报”期刊的名为Sparse Spatial Autoregressions的论文中。 California房价预测数据集为研究者提供了一个宝贵的资源，使他们能够深入了解加州房价的影响因素，并据此进行房价预测。这对于房地产投资者、政策制定者以及任何对房地产市场感兴趣的人来说，都具有重要的参考价值。请注意，房价受到多种因素的影响，包括但不限于经济状况、政策变化、地理位置等

2024-03-13