- 博客(6)
- 资源 (1)
- 收藏
- 关注
原创 GAN
presentation: 前端时间defect detect中很多思想也和GAN相关。通过重建误差定义了异常分数。所以最近有时间就在看GAN, 代码都是基于Pytorch的。GAN(生成对抗网络)Generative Adversarial network2-1:概述GAN(生成对抗网络),顾名思义,这个网络第一部分是生成网络,第二部分对抗模型严格来讲是一个判别器;简单来说,就是让两个网络相互竞争,生成网络来生成假的数据,对抗网络通过判别器去判别真伪,最后希望生成器生成的数据能够以假乱真。
2020-12-23 23:12:17 936
原创 Pytorch基础_1
Pytorchpresentation: 就是Pytorch的一个学习日志,持续记录一些遇到的知识点和问题。git(https://github.com/Du-Sen-Lin/Pytorch)代码基本参照liaoxingyu老师的,加了很多小白(指我)注释。顺便博客中也记录了一些expand。0、GPU:1、PyTorch指定GPU设备:1. 类似tensorflow指定GPU的方式,使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定:CUDA_VISIBLE_DEVI
2020-12-23 23:00:40 340
原创 TraditionCV_4: 直线拟合,找边,霍夫直线
presentation:最小二乘法:几何意义:高维空间中的一个向量在低维子空间的投影小二乘法是由勒让德在19世纪发现的,形式如下式:观测值就是我们的多组样本,理论值就是我们的假设拟合函数。目标函数也就是在机器学习中常说的损失函数,我们的目标是得到使目标函数最小化时候的拟合函数的模型。可以加入正则化项,降低过拟合。回归问题中,损失函数是平方损失,正则化可以是参数向量的L2范数,也可以是L1范数。L1: regularization*abs§L2: 0.5 * regularizatio
2020-12-18 16:33:40 1201 1
原创 TraditionCV_3: opencv 霍夫检测圆
presentation: 检测圆在图像预处理中主要可用于特征点的定位,通过特征定位后可对图像做一定的预处理(比如剪切、平移等基本操作),当然,也有其他方法进行圆的定位,比如可以去先轮廓检测,通过contour信息去试是否能够在约束条件下拟合圆。拟合方法常见的:最小二乘法,RANSAC(通过内点数目迭代)。当然,如果真的要去找圆特征,最好用的方法还是直接用一个目标检测,标一些数据,训练的网络检测圆效果只会更好。或者特征比较明显,也可以使用模板匹配。import cv2import numpy as np
2020-12-17 23:21:00 233
原创 TraditionCV_2: opencv 二值化
presentation: opencv中常见的二值化操作,当然,不同图片你要去调参,不同的二值化处理效果不同,可以根据特定场景二值化后的效果选取想要的二值化操作。import cv2import numpy as npfrom matplotlib import pyplot as pltimport osif __name__ == "__main__": input_path = '' img = cv2.imread(input_path + 'test.jpg')
2020-12-17 23:06:26 163
原创 TraditionCV_1: opencv 查找轮廓
——准备更博了,或许是光已经出现。传统CV本就如此,不像深度学习泛化性能那么强。但她,总是让你充满了很多的甜蜜。特定场景下,很多传统CV都有着巨大的魔力,尤其是在算法落地上。精确率、召回率、过检、漏检的要求并不是去深度学习中调参炼丹就能解决的,图像的预处理往往是成功的第一步。所以总结了一系列opencv中传统CV的用法,当然,你也逃不过特定场景下的调参。初写python, 多谢指教。介绍:主要是opencv中的cv2.findContours()函数,用于寻找图像中的轮廓,代码...
2020-12-17 22:49:06 184
huffmantree对英文短文编码,译码
2018-05-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人