python2021
文章平均质量分 50
海宝7号
一路高歌,行者无疆。
展开
-
python-openCV使用resize批量输出并保存图片指定大小
dsize形参的数组的宽度在前,高度在后(output_width,output_height),所以当形参为(256,512)时,实际上得到的其实是512256的图像,而并非我们期望的256512图像。import osimport cv2def convertjpg(jpgfilepath, outdir): # file_path = os.path.join(jpgfilepath, filename) s_num=os.listdir(jpgfilepath) wi原创 2021-09-15 21:12:21 · 1490 阅读 · 0 评论 -
CVPR 2022 | 美团技术团队精选6篇优秀论文解读
计算机视觉国际顶会CVPR 2022近日在美国新奥尔良召开,今年美团技术团队有多篇论文被CVPR 2022收录,这些论文涵盖了模型压缩、视频目标分割、3D视觉定位、图像描述、模型安全、跨模态视频内容检索等研究领域。本文将对6篇精选的论文做简要的介绍(附下载链接),希望能对从事相关研究的同学有所帮助或启发。CVPR的全称是IEEE国际计算机视觉与模式识别会议(IEEE Conference on Computer Vision and Pattern Recognition),...转载 2022-06-26 16:12:58 · 1674 阅读 · 0 评论 -
【分别使用OpenCV、ONNXRuntime部署YOLOV6目标检测,包含C++和Python两个版本的程序】
最近美团视觉团队研发了一款致力于工业应用的目标检测框架YOLOv6,看到他们在昨天发布公布了训练模型。 于是我在今天编写了一套使用opencv的dnn模块做YOLOv6目标检测推理的程序,包含C++和Python两个版本的程序。接着编写了使用ONNXRuntime做YOLOv6目标检测推理的程序,依然是包含C++和Python两个版本的程序。onnx文件在百度云盘,下载链接:https://pan.baidu.com/s/1XqnZaG_0AswxnsYv4sCk6A 提取码...转载 2022-06-26 15:25:12 · 1690 阅读 · 2 评论 -
【基于 python 云计算的娱乐资讯软件 V1.0操作指导及说明书】
基于 python 云计算的娱乐资讯软件主要是用来对娱乐资讯进行在线查询的软件,该系统具有大量的娱乐新闻资讯,用户可以通过该软件实时的了解掌握娱乐资讯信息。系统还具有资源占用低、运行效率高、扩展能力强等优点。......原创 2022-06-26 11:47:59 · 226 阅读 · 0 评论 -
实现CNN图像的识别和训练通过tensorflow框架对cifar10数据集等方法的处理
实现CNN图像的识别和训练通过tensorflow框架对cifar10数据集等方法的处理。包括Alexnet网络和VGGnetVGGNet是牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司的研究员一起研发的深度卷积神经网络VGG探索了卷积神经网络的深度与其性能之间的关系,通过反复堆叠33的小型卷积核和22的最大池化层,VGG成功构筑了16-19层深的卷积神经网络...原创 2022-06-25 12:20:27 · 1545 阅读 · 0 评论 -
TensorBoard可视化处理案例简析
TensorBoard 提供机器学习实验所需的可视化功能和工具:跟踪和可视化损失及准确率等指标可视化模型图(操作和层)查看权重、偏差或其他张量随时间变化的直方图将嵌入投射到较低的维度空间显示图片、文字和音频数据剖析 TensorFlow 程序以及更多功能TensorBoard是一个独立的包(不是pytorch中的),这个包的作用就是可视化您模型中的各种参数和结果。...原创 2022-06-25 12:02:55 · 333 阅读 · 0 评论 -
使用Tensorflow进行完整的深度神经网络CNN训练完成图片识别案例2
未完待续。• 视觉皮层、感受野,一些神经元看线,一些神经元看线的方向,一些神经元有更大的感受野,组合底层的图案• 1998年Yann LeCun等人推出了LeNet-5架构,广泛用于手写体数字识别,包含全连接层和sigmoid激活函数,还有卷积层和池化层等处理......原创 2022-06-25 11:54:01 · 781 阅读 · 0 评论 -
使用tensorflow进行完整的DNN深度神经网络CNN训练完成图片识别案例
在深度学习中,比传统的机器学习领域更成功的应用之一是图像识别。我们使用广泛使用的MNIST手写数字图像数据集。使用tensorflow进行完整的DNN深度神经网络CNN训练完成手写图片识别--完整步骤及原理实现方法反向传播,就是梯度下降使用reverse-mode autodiff• 前向传播,就是make predictions,然后计算输出误差,然后计算出每个神经元节点对误差的贡献• 求贡献就是反向传播是根据前向传播的误...原创 2022-06-25 11:40:45 · 1183 阅读 · 0 评论 -
python实现钟表动画展示turtle库使用
python实现钟表动画展示turtle库使用原创 2022-06-08 01:52:49 · 496 阅读 · 2 评论 -
使用opencv批量裁剪保存图片
使用opencv批量裁剪保存图片代码很简短,如下:import cv2import 0rootdir = ‘pic/’list = os.listdir (rootdir)for i in range(0, len(list)) :img=cv2. imread(“pic/”+list[i])w,h, g=img . shapeprint (w,h)dst = img[35:w-35, 67:h]#裁剪坐标为[y0:y1, x0:x1]cv2. imwrite (“result/”+原创 2022-03-16 13:56:17 · 6723 阅读 · 0 评论 -
【TFLearn和TensorFlow应用】——泰坦尼克号预测
使用TFLearn和TensorFlow根据泰坦尼克号乘客的个人信息(如性别,年龄等)来估计他们的生存可能性。为了解决这个经典的机器学习任务,我们将构建一个深度神经网络分类器。参考来源 介绍1912年4月15日,泰坦尼克号在与冰山相撞后沉没,2224名乘客和机组人员中有1502人死亡。虽然在沉没中幸存下来有一些运气因素,但有些人群比其他群体更有可能生存下来,例如妇女,儿童和上层阶级。在本教程中,我们将进行分析以发现这些人是谁。代码如下:from __future__ import print_f原创 2021-12-29 15:04:55 · 991 阅读 · 0 评论 -
最新版本pytorch实现cnn训练 test on MNIST字体实用
代码如下import torchfrom torch.autograd import Variableimport torch.nn as nnimport torch.nn.functional as F# impot torchvisionfrom torchvision import transformsfrom torch.utils.data import DataLoaderfrom torchvision.datasets import MNISTfrom torch im原创 2021-12-28 19:38:29 · 201 阅读 · 0 评论 -
【datetime模块用法大全】
datetime模块用于是date和time模块的合集,datetime有两个常量,MAXYEAR和MINYEAR,分别是9999和1.datetime模块定义了5个类,分别是1.datetime.date:表示日期的类2.datetime.datetime:表示日期时间的类3.datetime.time:表示时间的类from datetime import datefrom datetime import datetimefrom datetime import timefrom date原创 2021-12-16 19:26:13 · 1499 阅读 · 0 评论 -
标记方式有Trimap和Strokes两种的静态图像抠图算法python源码精简版整理
import randomimport mathimport numpy as npimport cv2# 标记方式有Trimap和Strokes两种的静态图像抠图算法def gen_trimap(alpha): k_size = random.choice(range(1, 5)) # 随机选择核大小 iterations = np.random.randint(1, 20) kernel = cv2.getStructuringElement(cv2.MORPH_原创 2021-11-20 21:46:18 · 2157 阅读 · 1 评论 -
python在TF框架下使用Keras测试训练数据实现猫和狗的分类可视化输出保存导出DIY
展示了如何从头开始进行图像分类,从磁盘上的 JPEG 图像文件开始,而不使用预先训练的权重或预先制作的 Keras 应用程序模型。我们在 Kaggle Cats vs Dogs 二进制分类数据集上演示了工作流程。我们使用该image_dataset_from_directory实用程序生成数据集,并使用 Keras 图像预处理层进行图像标准化和数据增强。参考来源:https://keras.io/examples/vision/image_classification_from_scratch/源原创 2021-09-17 15:43:37 · 226 阅读 · 0 评论 -
SWMR 多进程示例SWMR 多进程示例
SWMR 多进程示例启动两个并发子进程:写入器和读取器。编写器进程首先创建目标文件和数据集。然后它将文件切换到 SWMR 模式,并通知读取器进程(使用 multiprocessing.Event)打开文件进行读取是安全的。然后写入进程继续将块附加到数据集。每次写入后,它会通知读取器已写入新数据。此时新数据是否在文件中可见取决于操作系统和文件系统延迟。""" Demonstrate the use of h5py in SWMR mode to write to a dataset (append转载 2021-09-17 14:04:34 · 544 阅读 · 0 评论 -
python创建h5文件——图片文件夹批量制作数据集
话不多说,代码全套完整,亲测实用NB666只说真话,不打诳语。import numpy as npimport matplotlib.pyplot as pltimport h5pyimport osdef createData(path): pics = os.listdir(path) all_data = [] for item in pics: try: all_data.append(plt.imread(path+it原创 2021-10-10 15:52:00 · 1022 阅读 · 0 评论 -
使用python的Captcha库批量生成验证码图片并保存
使用python的Captcha库批量生成验证码图片并保存参考来源:https://blog.csdn.net/wi162yyxq/article/details/88200440为下一步通过CNN对验证码进行识别做准备。代码如下import sysimport osimport shutilimport randomimport timefrom captcha.image import ImageCaptcha #用于生成验证码的字符集CHAR_SET = ['0','1','.原创 2021-09-16 19:09:22 · 1073 阅读 · 0 评论 -
python使用 Captcha 模块来生成验证码图片
使用 Captcha 模块来生成验证码图片安装就不多说了pip3 install captchapip3 install captcha -i https://mirrors.aliyun.com/pypi/simple/话不多说,直接上代码import base64import randomfrom io import BytesIOfrom captcha.image import ImageCaptchaseed = '123456789abcdefghijkmnpqrstuv原创 2021-09-16 18:44:39 · 10566 阅读 · 0 评论 -
在 IMDB 情感分类任务上训练双向 LSTM
代码如下在这里插入代码片from __future__ import print_functionimport numpy as npfrom keras.preprocessing import sequencefrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Embedding, LSTM, Bidirectionalfrom keras.datasets import imdbma转载 2021-09-16 18:31:36 · 166 阅读 · 0 评论 -
在 IMDB 情绪分类任务上训练循环卷积网络
2 个轮次后达到 0.8498 的测试精度。K520 GPU 上为 41 秒/轮次。原文链接:https://keras-zh.readthedocs.io/examples/imdb_cnn_lstm/代码如下:from __future__ import print_functionfrom keras.preprocessing import sequencefrom keras.models import Sequentialfrom keras.layers import Dense,原创 2021-09-16 18:22:59 · 134 阅读 · 0 评论 -
将 Convolution1D 用于文本分类Keras的python源码DIY
将 Convolution1D 用于文本分类。2个轮次后达到 0.89 的测试精度。在 Intel i5 2.4Ghz CPU 上每轮次 90秒。在 Tesla K40 GPU 上每轮次 10秒。参考文档:https://keras-zh.readthedocs.io/examples/imdb_cnn/代码如下:from __future__ import print_functionfrom keras.preprocessing import sequencefrom keras.mo转载 2021-09-16 18:19:49 · 289 阅读 · 0 评论 -
使用Numpy随机值生成图像并CV写入保存
import cv2import numpy as npimg = np.random.randint(255, size=(300, 600, 3))isWritten = cv2.imwrite('D:/image-2.png', img)if isWritten: print('The image is successfully saved.')使用随机值生成图像并保存使用 cv2.imwrite() 函数将一个 numpy 数组写入图像。为此,我们将创建一个 numpy 数组原创 2021-09-15 19:23:13 · 2657 阅读 · 0 评论 -
AttributeError: module ‘cv2.cv2‘ has no attribute ‘Tracker_create‘--OpenCV目标跟踪运行出错
需要安装opencv-contrib-python报错bugAttributeError: module ‘cv2.cv2’ has no attribute ‘Tracker_create’官网来源:https://github.com/skvark/opencv-python当然也可以:pip install opencv-contrib-python -i http:///////pip install opencv-contrib-python -i https://mirrors..原创 2021-09-09 19:21:26 · 2092 阅读 · 0 评论 -
TensorFlow] 运行报错CPU版本的安装Pycharm版本2.6最新tensorflow==虐杀pip安装
tensorflow cpu版本安装运行与tensorflow-GPU版本的问题。显卡不用可以直接安装CPU版本的tf平台框架找到pycharm对应位置快捷操作在管理镜像,中输入相关的镜像源,快捷有效。完全虐杀在cmd窗口的docs下的自定义pip安装可以自定义添加:单个添加即可。https://pypi.python.org/simplehttps://mirrors.aliyun.com/pypi/simple/https://pypi.tuna.tsinghua.edu.cn原创 2021-09-09 19:15:49 · 347 阅读 · 0 评论 -
使用 OpenCV (C++/Python) 进行对象跟踪API操作DIY
什么是对象跟踪?简而言之,在视频的连续帧中定位对象称为跟踪。这个定义听起来很简单,但在计算机视觉和机器学习中,跟踪是一个非常广泛的术语,包含概念上相似但技术上不同的想法。例如,以下所有不同但相关的想法一般都在Object Tracking下研究密集光流:这些算法有助于估计视频帧中每个像素的运动矢量。稀疏光流:这些算法,如 Kanade-Lucas-Tomashi (KLT) 特征跟踪器,跟踪图像中几个特征点的位置。**卡尔曼滤波:**一种非常流行的信号处理算法,用于根据先验运动信息预测运动物体的位转载 2021-09-09 19:06:08 · 426 阅读 · 0 评论 -
使用 OpenCV 进行对象跟踪的几种算法解读
使用 OpenCV 进行对象跟踪——算法在本节中,我们将深入研究不同的跟踪算法。目标不是对每个跟踪器有深入的理论理解,而是从实践的角度理解它们。让我首先解释跟踪背后的一些一般原则。在跟踪中,我们的目标是在当前帧中找到一个对象,因为我们已经在所有(或几乎所有)之前的帧中成功跟踪了对象。由于我们一直跟踪对象直到当前帧,我们知道它是如何移动的。换句话说,我们知道运动模型的参数。运动模型只是一种奇特的说法,即您知道对象在前一帧中的位置和速度(速度 + 运动方向)。如果您对对象一无所知,则可以根据当前运动模型预原创 2021-09-09 19:04:17 · 856 阅读 · 0 评论 -
NBNB——datetime的所有要求
Nbnb2021datetime模块用于是date和time模块的合集,datetime有两个常量,MAXYEAR和MINYEAR,分别是9999和1.datetime模块定义了5个类,分别是1.datetime.date:表示日期的类2.datetime.datetime:表示日期时间的类3.datetime.time:表示时间的类from datetime import datefrom datetime import datetimefrom datetime import time原创 2021-09-06 14:32:48 · 598 阅读 · 0 评论 -
深度学习训练123——variable_scope.py
深度学习训练123import tensorflow.compat.v1 as tfimport numpy as nptf.disable_eager_execution()def dense(inputs, num_units): weight = tf.get_variable(name='weight', shape=[inputs.shape[1], num_units]) bias = tf.get_variable(name='bias', shape=[num_un原创 2021-09-05 19:36:59 · 135 阅读 · 0 评论 -
tensorflow测试数据集开始DIY省略精简版
import tensorflow as tfimport tensorflow_datasets as tfdsdataset = tfds.load(‘tf_flowers’, split=tfds.Split.TRAIN)dataset = dataset.shuffle(1024).batch(32)for data in dataset:print(data)等下,直接从网上开始downloadimport tensorflow as tfimport tensorflow_dat原创 2021-09-05 19:31:27 · 253 阅读 · 0 评论 -
从入门到放弃,tensorflow只需要几个小时hhh
遇到的坑# -*- coding:utf-8 -*-import matplotlib.pyplot as pltimport tensorflow as tfimport osos.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"#忽略警告默认1显示全部信息os.environ["CUDA_VISIBLE_DEVICES"]="-1"#禁用GPU,默认1/0使用tf.compat.v1.disable_eager_execution()# # 建议使用GPU最小显原创 2021-09-05 19:11:10 · 303 阅读 · 0 评论 -
Input ‘image‘ of ‘EncodeJpeg‘ Op has type float32 that does not match expected type of uint8.
Input ‘image’ of ‘EncodeJpeg’ Op has type float32 that does not match expected type of uint8.今天在使用python 编写 tensorflow 改变图片大小的脚本时,运行出现如下错误。Input ‘image’ of ‘EncodeJpeg’ Op has type float32 that does not match expected type of uint8.可以很清楚的看出是传入类型错误导致的。所原创 2021-09-05 19:06:31 · 362 阅读 · 0 评论 -
plt与np联合绘制六边形并输出保存源码
import numpy as npimport matplotlib.pyplot as plttheta = np.linspace(0, 2 * np.pi, 8)points = np.vstack((np.cos(theta), np.sin(theta))).transpose()plt.figure(figsize=(4., 4.))plt.gca().add_patch(plt.Polygon(points, color = '.75'))plt.grid(True)原创 2021-09-05 18:29:11 · 172 阅读 · 0 评论 -
tf.image.decode_jpeg函数与tf.image.encode_jpeg函数用法
tf.image.decode_jpeg函数tf.image.decode_jpeg函数tf.image.decode_jpeg(contents,channels=0,ratio=1,fancy_upscaling=True,try_recover_truncated=False,acceptable_fraction=1,dct_method=’’,name=None)请参阅指南:图像操作>编码和解码将JPEG编码图像解码为uint8张量.attr channels表示原创 2021-09-05 15:58:44 · 2489 阅读 · 0 评论 -
五坑TF的resize使用的5种插值算法——tf.resize的method方法大全2.6版本最新实用
# -*- coding: utf-8 -*-import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport osos.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"#忽略警告默认1显示全部信息os.environ["CUDA_VISIBLE_DEVICES"]="-1"#禁用GPU,默认1/0使用tf.compat.v1.disable_eager_executi原创 2021-09-05 15:32:27 · 831 阅读 · 0 评论 -
tf读取图片写入并输出指定要求的像素
# import tensorflow as tf# import matplotlib.pylab as plt# import sys# 读取数据文件# image = tf.read_file("D:\Pictures\cscscs\sc13.jpg", 'r')# image = tf.io.gfile.GFile('D:\Pictures\cscscs\sc13.jpg').read()# # 新版NBNBNB# # 将图像文件解码为Tensor# image_tensor =.原创 2021-09-05 14:08:11 · 270 阅读 · 0 评论 -
完美解决tensorflow 使用CPU与GPU相关问题
查看 tensorflow 版本 conda list例如发现 tensorflow 1.10.0 tensorflow-gpu 1.10.0当两个版本相同时,默认会使用 cpu 版本如果同时存在 cpu 和 gpu 版本的 tensorflow,系统默认使用版本高的 tensorflow如果想要使用 gpu 版本的 tensorflow,只需要将 gpu 版本升级比 cpu 高,即可解决在运行之前先查看GPU的使用情况: 指令:nvidia-smi 备注:查看GPU此时的使用情况原创 2021-09-05 14:06:13 · 5231 阅读 · 0 评论 -
一个简单是测试程序时间运行的统计结果python源码
一个简单是测试程序时间运行的统计结果python源码import datetime as dtstarttime1=dt.time(12,34,56)print(starttime1)print("程序开始执行时间:")# print(dt.datetime.today())starttime=dt.datetime.today()# 与上相同 print(dt.datetime.now())print('hour:',starttime.hour)print('minute',star原创 2021-09-04 13:36:12 · 86 阅读 · 0 评论 -
datetime模块合集用法
**Nbnb2021datetime模块用于是date和time模块的合集,datetime有两个常量,MAXYEAR和MINYEAR,分别是9999和1.datetime模块定义了5个类,分别是1.datetime.date:表示日期的类2.datetime.datetime:表示日期时间的类3.datetime.time:表示时间的类from datetime import datefrom datetime import datetimefrom datetime impo转载 2021-09-04 13:28:35 · 151 阅读 · 0 评论 -
图像的拉普拉斯金字塔和高斯金字塔python实现openCV联合调用123
图像的拉普拉斯金字塔和高斯金字塔python实现openCV联合调用123话不多说,直接上代码。########################################################### 缩放到原来的二分之一,输出尺寸格式为(宽,高)# img_test1 = cv.resize(img, (int(y / 2), int(x / 2)))# 缩放到原来的四分之一# img_test2 = cv.resize(img, (0, 0), fx=0.25, fy=0.25原创 2021-09-04 10:33:09 · 179 阅读 · 0 评论