JimmyOrigin-CSDN博客

原创 OpenCV-6之图像的几何变换

1、仿射变换1.1 仿射变换可以理解为线性变换：放大、缩小、移动、旋转等。1.2 矩阵的线性变换：只要乘上另一个矩阵就可以变换过去。注：有些变换并不是一步到位，因此需要找到变换矩阵。1.3 变换矩阵说明1.4 代码import cv2src = cv2.imread('img/1.jpg')rows, cols, channel = src.shape# 最后一个[0, 0, 1]被省略# M = np.float32([[1, 0, 20], [0, 1, 50]])

2021-05-17 16:25:22 203 1

原创深度强化学习（一）之脉络梳理

目录一、技术构成二、深度学习和强化学习区别三、两种决策方法四、强化学习的工作方式五、强化学习网络设计六、奖励的使用一、技术构成深度强化学习由两个技术构成：1）RL:Reinforce Learning 强化学习2）DL:Deep Learning 深度学习二、深度学习和强化学习区别1）强化学习完成两个任务：规划和决策2）深度学习完成：特征映射，提取语义信息。规划：达到最终状态，中间采取的一系列动作，不仅对当前状态做反应，还要考虑到未来。三、两种决策方法1）DQN基于value做

2021-05-13 17:24:11 687

原创 OpenCV-5之图像运算

1、add和addWeighted：用于图像融合cv2.add（加法）和cv2.subtract（减法）import cv2import numpy as npx = np.uint8([250])y = np.uint8([10])print(cv2.add(x,y)) # [[255]]print(cv2.subtract(y,x)) # [[0]]cv2.addWeightedimport cv2img1 = cv2.imread('img/1.jpg')img2 =

2021-05-12 13:22:24 169 1

原创 OpenCV-4之二值化操作

1、说明全局二值化效果不是很好，自适应二值化，尤其是高斯阈值效果更好些。只有灰度图能做二值化操作。2、全局二值化• cv2.THRESH_BINARY（黑白二值）• cv2.THRESH_BINARY_INV（黑白二值反转）• cv2.THRESH_TRUNC （得到的图像为多像素值）• cv2.THRESH_TOZERO• cv2.THRESH_TOZERO_INVimport cv2img = cv2.imread('img/1.jpg')gray = cv2.cvtColor(

2021-05-12 11:18:26 438

原创 OpenCV-3之draw_shape

1、cv2.lineimport cv2img = cv2.imread(r"img/1.jpg")cv2.line(img, pt1=(100, 30), pt2=(210, 180), color=(0, 0, 255), thickness=2) cv2.imshow("pic show", img)cv2.waitKey(0)2、cv2.circle：thickness=-1，内部填充import cv2img = cv2.imread(r"img/1.jpg")cv2.ci

2021-05-12 10:41:36 219 1

原创 OpenCV-2之色彩空间

1、色彩空间颜色空间：RGB\RGBA\GRAY\HSV\YUV1.1、HSV颜色空间：H:色彩，S：饱和度，V：亮度。1.2、YUV颜色空间：Y:亮度，U：色彩，V：色彩。1.3、HSV颜色空间颜色是连续的，RGB颜色是离散的。2、代码2.1、color_space.pyimport cv2src = cv2.imread(r"img/1.jpg")# dst = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)# dst = cv2.cvtColor(

2021-05-12 10:14:53 311

原创 OpenCV-1之读写基本操作

1、基本知识1.1 图片常见格式bmp：位图，占用空间大，保真度高（大小wxhxcxp）因此图片一般要经过压缩，压缩分为有损压缩和污损压缩。jpg：rgb三通道png：rgba四通道，带有透明通道2、读取图片import cv2img = cv2.imread(r"img/1.jpg",0) # 0灰度图，1色彩图cv2.imshow("pic show", img)cv2.waitKey(0)3、保存图片import numpy as npimport cv2img =

2021-05-12 09:41:19 202

原创 OpenCV-python-03之createCLAHE生成自适应均衡化图像

1、说明equalizeHist这种全局的均衡化也会存在一些问题，由于整体亮度的提升，也会使得局部图像的细节变得模糊，因为我们需要进行分块的局部均衡化操作。如creatCLAHE2、代码import cv2img = cv2.imread('8.jpg', 0)cv2.imshow("src", img)# 直方图均衡化dst1 = cv2.equalizeHist(img)cv2.imshow("dst1", dst1)# 自适应直方图均衡化clahe = cv2.createC

2021-05-11 16:12:32 7058

原创 OpenCV-python-2之equalizeHist

1、说明直方图均衡化：一般可以用来提升图片的亮度，频数均衡化指的是让频数的分布看起来更加均匀一些2、代码import cv2import matplotlib.pyplot as pltimg = cv2.imread('7.jpg', 0)cv2.imshow("src", img)his = cv2.calcHist([img], [0], None, [255], [0, 255])plt.plot(his, label='his', color='r')# 直方图均衡化ds

2021-05-11 16:00:08 594

原创 OpenCV-python-1之calcHist

一、说明统计图像像素的直方图，图像质量较好的像素分布是正太分布，如果是两头或者中间像素多，就要考虑直方图均衡化，提高图片质量。二、代码7 import cv2 8 import matplotlib.pyplot as plt 9 10 img = cv2.imread('1.jpg') 11 cv2.imshow("...", img) 12 13 img_B = cv2.calcHist([img], [0], None, [256], [0,256]) 11 cv2.i

2021-05-11 14:55:35 277

原创 Swin-Transformer

1、参考《Shifted Window算法详解》《Swin-Transformer-classify代码》《Torch serve部署》

2021-05-11 13:17:16 433

原创 CNN使用Transformer

目录1、torch.nn.Transformer()2 、CNN使用Transformer代码1、torch.nn.Transformer()API解释参考：《pytorch中的transformer》2 、CNN使用Transformer代码注意：[1]nhead必须能被d_model整除（序列被几个头注意）[2]CNN特征图通道512被当成序列，放到第一个维度,批次放到第二个维度[3]Transformer必须有src和tgt两个向量，CNN是自相关性解算，都放入特征图向量特别提示：T

2021-04-30 17:03:39 1804 1

原创 PaddleOCR安装

1、安装paddleocr1.1 安装docker镜像1）拉取镜像sudo docker pull paddlepaddle/paddle:2.0.2-gpu-cuda11.0-cudnn82）查看镜像sudo docker images3）构建和启动容器sudo docker run -d -p 19196:19196 --name ppocr --gpus all -it -v $PWD:/paddle paddlepaddle/paddle:2.0.2-gpu-cuda11.0-c

2021-04-30 14:17:42 1616 1

原创 vim环境配置

目录1、安装2、使用1、安装参考《Git的vimplus环境配置》.2、使用《Vim的学习笔记【一】》

2021-04-30 10:01:57 137

原创 CentOS系统下 Nas服务器挂载到GPU服务器

NAS服务器：CentOS系统GPU服务器：CentOS系统GPU服务器通过千兆端口连接外网GPU服务和NAS服务器之间通过万兆光口相连怎样把NAS服务器挂载到GPU服务器，每次通过ssh访问GPU服务器就可以看到NAS服务器上的文件。@TOC端口一、设置NAS和GPU的网络端口为了把NAS服务器挂载到GPU服务器上，必须在网络上是通的（物理上），然后才能实现挂载。所以首先要设置NAS和GPU服务器的光口。1、NAS服务器光口设置找到对应光口设置勾选上自动连接设置IP2、GPU服

2021-04-20 10:33:34 472

原创 Windows和linux互传zip文件并解压缩

Windows通过xshell上传文件到linux系统有大小限制，文件大小不能超过4GB.一、Windows将大文件压缩成多个小文件二、通过xshell的rz命令上传上述压缩包三、linux系统下1）先把所有文件重新zip一下，将windows系统下压缩包文件重新压缩到 big_10steel.zip。zip -F 10steel.zip --output big_10steel.zip2）解压缩big_10steel.zip文件unzip big_10steel.zip《lin

2021-03-28 08:46:28 2195

原创预训练权重加载

一般为了缩短网络训练时间，并且希望达到更好的精度，我们一般加载预训练权重进行网络的训练。加载的过程中可能会遇到，网络权重与网络层命名不同的情况。目录一、网络结构与权重完全对应二、网络结构相同，网络层命名不同一、网络结构与权重完全对应model.load_state_dict(torch.load(weight_pth))二、网络结构相同，网络层命名不同def load_weight(net, weight): weight_file = '/weight_pth' dic={} f

2021-03-03 21:32:40 3751 5

原创 Anaconda创建深度学习虚拟环境/配置PyCharm环境/远程登陆PyCharm

不同时期的开源算法代码，可能是基于不同的python、pytorch版本。日常工作中我们不可能把这些库卸载掉然后安装对应版本，这样就太繁琐耗时了。但是我们可以借助Anaconda的创建虚拟环境安装对应的软件版本环境，下次有需要时直接激活就可以使用，方便快捷。目录一、Anaconda安装二、Anaconda创建虚拟环境2.1 搜索python、pytorch版本2.2 创建虚拟环境2.3 激活虚拟环境2.4 虚拟环境中安装依赖项三、使用虚拟环境3.1 查询虚拟环境：`conda env list`3.2 激

2021-02-26 13:24:58 369 1

原创 CentOS 安装Nvidia驱动+CUDA+cuDNN+Anaconda3

提示：这里可以添加学习目标例如：一周掌握 Java 入门知识学习内容：提示：这里可以添加要学的内容例如：1、搭建 Java 开发环境2、掌握 Java 基本语法3、掌握条件语句4、掌握循环语句学习时间：提示：这里可以添加计划学习的时间例如：1、周一至周五晚上 7 点—晚上9点2、周六上午 9 点-上午 11 点3、周日下午 3 点-下午 6 点学习产出：提示：这里统计学习计划的总量例如：1、技术笔记 2 遍2、CSDN 技术博客 3 篇3、学.

2021-02-24 14:15:21 2529

原创 CentOS上安装Docker及docker常用命令

一、在CentOS上安装Docker EngineDocker 引擎是用来运行和管理容器的核心软件。通常人们会简单地将其代指为 Docker 或 Docker 平台。因此我们需要在CentOS服务器上安装Docker引擎，以便于多用户进行容器化部署。下面做一些简要说明，详情请参考官方教程：https://docs.docker.com/engine/install/centos/.1、Docker Engine安装1.1 依赖项：CentOS 7(暂不支持8）centos-extras rep

2021-02-24 14:09:23 213

转载 CentOS 7环境下大量创建帐号

由于 CentOS 7.x 的 passwd 已经提供了 --stdin 的功能，因此如果我们可以提供帐号密码的话，那么就能够很简单的创建起我们的帐号密码了。下面鸟哥制作一个简单的 script 来执行新增用户的功能喔！[root@study ~]# vim accountadd.sh#!/bin/bash# This shell script will create amount of linux login accounts for you.# 1\. check the "accountad

2021-02-20 15:53:49 824

JimmyOrigin的博客