bashan1604的博客

基于YOLOv5测试图像增强效果。由于发票提取数据仅有1k左右，和数据增强整体效果与各种增强方法效果的不确定性，通过实验确认图像增强效果与增强方法的选定。基本方法是将增强后的图片与标签直接混入原始图像与标签中进行实验。图像增强方法如下：Rotate：小角度旋转 AddToHueAndSaturation：同时更改色相和饱和度 WithPolarWarping：极射 Dropout：随机失活 BlendAlpha：Alpha融合，不论是在3D还是2D中都常见，最常见的应用就是：设置图片的透明度

锚框：和候选区域一样透彻理解RPN: 从候选区域搜索到候选区域提取网络

去噪中值滤波 输入：灰度化后的图 背景中有极多噪点的图片，去噪比较困难。画出轮廓线不一定为规则图形drawContours​(Matimage, java.util.List<MatOfPoint>contours, intcontourIdx,Scalarcolor, intthickness) contours 所有轮廓线的坐标点 color new Scalar(255, 255, 255): white ...

灰度化+二值化+自适应二值化package part;import org.opencv.core.Core;import org.opencv.core.Mat;import org.opencv.imgcodecs.Imgcodecs;import org.opencv.imgproc.Imgproc;//二值化public class Threshold { public static void main(String[] args) { S

【深度学习】yolov5 可视化训练结果以及result.txt解析yolov5训练相关参数解释理解目标检测当中的mAP

Linux下安装好了cuda之后nvcc -V仍然无法执行

YOLOV5——将 json 格式的标注数据转化为 YOLO 需要的 txt 格式

Anaconda创建虚拟环境使用anaconda创建一个python 3.8 的虚拟环境，详细步骤参见下文Win10 + Anaconda + Python + Jupyter notebook + Pip + TensorFlow + PyCharm

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。卷积神经网络（CNN）卷积神经网络区别于其它网络模型的主要特点是卷积运算操作。相关关系CNN，卷积神经网络，是以卷积为核心的一大类网络。 LeNet、AlexNet、VGG、GoogLeNet，属于CNN，主要用于图像分类任务的..

DevelopmentTraditional ways:2001: Viola-JonesPaul Viola和Michael Jones在论文《Robust Real-time Object Detection》提出，使得低处理能力的傻瓜相机得以进行实时的面部识别Ways of deep learning2013: OverFeatNYU（纽约大学） 提出一个使用卷积神经网络（CNN...