自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 资源 (2)
  • 收藏
  • 关注

原创 数据特征工程的一些trick(风控逾期预测为案例)

数据特征工程的一些trick!以风控逾期为案例数据分析(下面内容都是风控逾期预测的案例)特征工程数据分析(下面内容都是风控逾期预测的案例)链接:https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.6.3b3022faB2aZ2J&postId=1293201.导入数据分析及可视化过程需要的库下面展示一些 内联代码片。import pandas as pdimport numpy as npimport

2021-05-22 21:14:44 453 1

原创 利用otsu阈值分割方法的图像二值化python实现

利用otsu阈值分割方法的图像二值化python实现基本原理实现代码最后计算结果基本原理在对图像进行阈值分割时,所选取的分割阈值应使前景区域的平均灰度、背景区域的平均灰度与整幅图像的平均灰度之间的差值最大,这种差异用区域的方差来表示。Otsu提出了最大方差法,该算法是在判别分析最小二乘法原理的基础上推导得到的,计算过程简单,是一种常用的阈值分割的稳定算法。实现代码import mathimport cv2import numpy as npimport matplotlib.pyplot as

2021-06-17 13:52:04 4277 2

原创 利用U-Net语义分割进行自己训练集的训练和预测

利用U-Net语义分割进行自己训练集的训练和预测引言利用U-Net语义分割网络进行三类图像分割(含背景),总体步骤分为以下三步:(1)制作自己的数据集(杯子数据集)通过labelme进行图像打标(注意:最好利用低版本,高版本有Bug)。样图如下:我是用来分割出保温杯和茶杯,值得一提的是背景在进行训练时也算作一类。(2)转换json文件打标结束后,会出现json文件,通过json_to_dataset.py将json文件转换为原图和标签图,标签图如下:当然,打标过程是手动的!(3)训练数

2021-06-14 21:06:47 1489 4

原创 Labelme安装不成功,清华源不太行!

Labelme安装不成功,清华源不太行!1.使用pip install labelme的指令会出现这样的结果:2.使用豆瓣源安装pip install pandas -i https://pypi.douban.com/simple3.效果非常好!安装成功。

2021-06-12 13:49:14 2109 2

原创 利用LSTM时序神经网络对主蒸汽流量的预测

利用LSTM时序神经网络对主蒸汽流量的预测1.数据集介绍训练数据是一个9列(含有9个特征量),包括炉膛温度,炉膛压力等数据,label数据是主蒸汽流量,其中9个特征量进行了归一化处理,使用的是sklearn里的 StandardScaler。导入的库和包,如下所示:import matplotlib.pyplot as pltfrom sklearn.preprocessing import MinMaxScalerimport numpy as npimport torchfrom torc

2021-05-23 16:36:30 1185 8

原创 跑通Yolov5的一些心得

跑通Yolov5的一些心得1.文件安装准备(版本要求)#pytorch 1.5.1#torchvision 0.6.1#vs2015conda create -n yolov5 python=3.7conda install pytorch torchvision cudatoolkit=10.1pip install -U -r requirements.txt安装pycocotoolscd cocoapi/PythonAPIpython setup.py build_ext inst

2021-05-23 16:12:25 1986 5

原创 U-net图像分割网络的用法(pytorch-python)

1.介绍数据集数据集在data文件夹里,分别训练集在“imgs”,label在“mask”里,数据集用的是医学影像细胞分割的样本,其实在train集里有原图和对应的样本图。train_x的样图:train_y(label)样图:2.训练模型import argparseimport loggingimport osimport sysimport numpy as npimport torchimport torch.nn as nnfrom torch import opti

2021-05-23 15:46:37 2707 8

原创 切割视频——将视频截取python实现

切割视频——将视频截取python实现该python代码用以将一长段视频,分割成自己需要的时长段的视频。import numpy as npimport cv2import osimport timeSTART_HOUR = 0START_MIN = 6START_SECOND = 55START_TIME = START_HOUR * 3600 + START_MIN * 60 + START_SECOND # 设置开始时间(单位秒)END_HOUR = 1END_MIN = 6

2021-05-23 15:25:05 5552 4

原创 Savitzky-Golay滤波的Python实现

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Savitzky-Golay滤波的python实现前言一、高斯滤波器二、使用结果1.原先的曲线2.滤波后的曲线代码前言高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板

2021-04-19 20:35:57 4530 1

原创 使用Python程序对视频中的图像进行选择性保存

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使用Python程序对视频中的图像进行选择性保存前言一、导入包二、使用步骤总结前言我们通常在进行图像分析时,往往需要将视频中的图像提取出来,这个程序能够帮助我们将视频中的图像提取出来。一、导入包import cv2import globimport osfrom datetime import datetime二、使用步骤函数部分def video_to_frames(path):path=’./video4.avi

2021-04-19 20:15:13 202

原创 使用滑动条控制Canny算法的上下阈值 Python

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使用滑动条控制Canny算法的上下阈值 Python前言1.Python 代码总结前言Canny算子是Opencv中常用的用来对图像中的轮廓线条进行检测的,应用十分广泛,但是每张图片所需要的轮廓效果,可以通过滑动条对其进行调整。1.Python 代码import cv2#载入图片img_original=cv2.imread(’./2.jpg’)#设置窗口cv2.namedWindow(‘Canny’)#定义回调函数d

2021-04-19 20:09:19 588

利用Dogleg的方法信任域策略

利用Dogleg的方法,对minf(x+p)进行信任域策略求解,代码中使用的案例是二维Rosenberck函数。

2021-05-23

PropertySheetd.props

在C++中调用opency需要的组件,节省在属性表文件里配置的时间

2021-04-19

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除