机器学习
Liu-Kevin
这个作者很懒,什么都没留下…
展开
-
OpenCV-3-几何变换
OpenCV-3-几何变换3.1 图像放缩import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(r'F:\Blog\opencv\lena.png',cv2.IMREAD_COLOR)print(r'origin shape:',end=''),print(img.shape)...原创 2019-10-16 19:54:22 · 296 阅读 · 0 评论 -
OpenCV-2-图像算子
OpenCV-2-图像算子二维卷积在图像处理中有着非常重要的作用,不同的卷积核可以得到不同的效果,比如高斯卷积核可以用来做图像的平滑,而一些边缘检测的卷积核可以得到图像的边缘等。二维的卷积也被称为算子,但是实际上算子可以有更广义的理解,针对逐个像素的操作可以认为算子,也就是一个或者多个输入图像到输出图像的函数。2.1 点算子上节课最后的部分,即OpenCV-1中的图像叠加,其实就是一个点算子...原创 2019-10-16 16:13:24 · 968 阅读 · 0 评论 -
OpenCV-1-基础篇
OpenCV-1-基础篇1.1 基础读写操作import cv2def cv2_show(name, img): ''' 用于展示图像的函数,注意在图像被展示后,需要按下键盘上的任意按钮,程序才能继续运行。 name:窗口的名称 img:图像 ''' cv2.imshow(name, img) cv2.waitKey(0) ...原创 2019-10-16 12:31:07 · 412 阅读 · 0 评论 -
Skimage图像处理教程4)形态学膨胀腐蚀开闭运算
这一讲我们介绍基于基于python的skimage包的形态学操作,主要介绍最常见的几个形态学操作,就是图像的膨胀腐蚀和开闭运算,主要利用skimage.morphology膨胀和腐蚀很直观,膨胀就是让一个区域变大,腐蚀就是让一个区域变小很直观很形象。开运算就是先做腐蚀再做膨胀,这样可以去除图像中一些孤立的小点,将两个区域很细的连接去除,闭运算就是首先对图像进行膨胀之后再进行腐蚀,这样可以去除图像...原创 2019-02-11 10:37:32 · 11869 阅读 · 1 评论 -
Skimage图像处理教程5)形态学运算
上一讲中已经介绍了如何介绍开闭,膨胀腐蚀,白顶帽黑顶帽运算等内容,这一讲主要介绍如何用python的skimage做其他的形态学运算,如去除小区域,提取图像骨架,# 移除小的区域skimage.morphology.remove_small_objects(ar, min_size=64, connectivity=1, in_place=False)#移除小的孔洞skimage.mor...原创 2019-02-11 10:40:41 · 8405 阅读 · 0 评论 -
Skimage图像处理教程6)图形绘制
Skimage可以直接画图并显示,比如画个直线,画一株幸运草?画一个同心圆?这里就需要用到python的skimage.draw的包,因为相对而言该方法并不常用,我们也就简单的介绍一下。# 绘制直线, r0,c0 为起始点坐标,r1,c1为终止点坐标# 返回rr,cc即 直线各个像素的位置skimage.draw.line(r0, c0, r1, c1)# 绘制抗锯齿的线skimage...原创 2019-02-12 10:41:07 · 3691 阅读 · 0 评论 -
论文阅读《Attention-guided Unified Network for Panoptic Segmentation》CVPR 2019
这篇文章发表于CVPR 2019会议上,中国科学院自动化研究所所做关于全景分割问题。本文提出了一个叫做 Attention-guided Unified Network ( AUNet ) 的结构去解决全景分割问题,该方法在MS-COCO数据集上取得了目前最好的结果。全景分割(Panoptic Segmentation)是一个比较新的分割概念,是指的对目标区域做实例分割(Instance Seg...原创 2019-02-27 17:35:44 · 5958 阅读 · 9 评论 -
Mathematica基础教程
Mathematica是一款强劲的数学分析型软件,以符号计算见长。下面我们就来认识一下各种基础操作:1,基础运算操作1.1运算符:Mathematica支持我们常见的运算符+ - * / ^ ! (加,减,乘,除,指数,阶乘)。逻辑运算符&&与,||或,!非1.2表达式:在Mathematica中可以直接将字母符号带入运算,这在大部分的数学软件中是不允许的,如x+y+y=...原创 2019-03-01 16:15:11 · 79253 阅读 · 10 评论 -
Keras多GPU训练方法及模型保存
多GPU训练可以在一定程度上提高训练的效率,keras在以tensorflow为底层的时候,可以方便的调用多GPU进行训练。其训练的原理是将一个神经网络在多块GPU中进行初始化,并且将一个batch的数据分配到不同的GPU中,反向传播结束后,再使用CPU进行合并更新参数。举个例子,同时使用两块GPU,batchsize是16的话,keras会将8个给1号GPU,另外8个给2号GPU,训练结束后将二...原创 2019-03-26 19:47:52 · 6755 阅读 · 11 评论 -
Skimage图像处理教程3)曝光度调整
这里所谓的曝光度的,这里所谓的曝光度,实际上是借用了英文单词exposure的翻译,因为在这一讲中,我们要涉及到python中skimage.exposure中涉及到的函数啦。这一讲主要包括图像的直方图,直方图均衡化,自适应直方图均衡化,颜色阈值调整,gamma校正等等内容。# 返回直方图, 直方图分成几份,返回两个数组分别是该组别的像素个数和组别skimage.exposure.histog...原创 2019-02-11 10:31:04 · 6387 阅读 · 0 评论 -
Skimage图像处理教程2)色彩空间变换
最为大家熟悉的色彩空间就是rgb色彩空间和灰度色彩空间了,除此之外HSV,YCbCr也都各有应用。这里我们就简单的介绍一下色彩空间变化,这就涉及到python中skimag.color的应用首先skimage支持的色彩空间有:[‘rgb’, ‘hsv’, ‘rgb cie’, ‘xyz’, ‘yuv’, ‘yiq’, ‘ypbpr’, ‘ycbcr’, ‘ydbdr’]常用的操作有# 转换...原创 2019-02-11 10:24:46 · 5352 阅读 · 0 评论 -
Skimage图像处理教程1)安装,读写和调用示例图片
Skimage是python一个强大的图像处理的包,对于学习数字图像处理的小伙伴们来说是一个很实用的包,数据都是基于numpy格式所以熟悉numpy操作的小伙伴们会用的更方便,当然,不懂的话也没有影响。安装方式如下:pip install scikit-image涉及到读写操作主要是使用skimage.io中的各种函数,skimage.data 提供了一系列的返回示例图片的方法,其中最为常用的...原创 2019-02-11 10:19:14 · 5909 阅读 · 0 评论 -
机器学习?有无监督、弱监督、半监督、强化、多示例学习是什么
什么是机器学习?让我们从不同版本的定义入手了解下什么是机器学习。机器学习中用很多的问题,比如有监督学习,无监督学习,弱监督学习,半监督学习,强化学习和多示例学习,他们都是如何定义的?原创 2017-12-28 14:07:16 · 30696 阅读 · 1 评论 -
机器学习中的分类问题及基本学习步骤
通过对于分类问题的介绍,认识基本的机器学习问题。认识什么是分类器,如何训练一个用于分类的机器学习的分类器,应该如何正确的使用数据训练一个分类器。原创 2018-03-19 20:08:35 · 21607 阅读 · 0 评论 -
什么是,泛化能力,过拟合,欠拟合,不收敛,奥卡姆剃刀?
我们在这里介绍几个机器学习中经常可以听到的几个名词,他们就是泛化能力,欠拟合,过拟合,不收敛和奥卡姆剃刀原则。原创 2018-03-20 15:44:03 · 33597 阅读 · 7 评论 -
三维条件随机场 ( dense CRF ) 分割MRI图像 (一)
这篇文章并不是要告诉大家复杂的条件随机场的数学原理,或者如何从源码编写crf程序,而是如何告诉大家如何使用别人已经写好的的工具去使用三维CRF分割三维的图像,其中主要是MRI图像的分割。环境是linux环境,ubuntu 16.04 server版本没有图形界。文章主要分为两部分:第一个是软件环境的配置,主要是ITK的安装测试第二是CRF的安装我们使用的软件来自于https://githu...原创 2018-12-19 15:28:40 · 3014 阅读 · 0 评论 -
三维条件随机场 ( dense CRF ) 分割MRI图像 (二)
这是第二部分,如果cmake和ITK成功的编译了我们就可以正式的安装和使用三维的dense CRF 条件随机场了。再次赘述,这篇文章并不是要告诉大家复杂的条件随机场的数学原理,或者如何从源码编写crf程序,而是如何告诉大家如何使用别人已经写好的的工具去使用三维CRF分割三维的图像,其中主要是MRI图像的分割。环境是linux环境,ubuntu 16.04 server版本没有图形界。文章主要分为...原创 2018-12-19 15:33:12 · 4210 阅读 · 4 评论 -
python图像数据增强——imgaug (一)
(一)imgaug基础用法(二)imgaug进阶示例在机器学习或者深度学习的问题中,因为受制于图像采集的方式,投入的精力和图像标注的难度等,用于训练的图像数量可能非常有限。这种情况下,可能出现模型过拟合,训练后的模型泛化能力差等问题,降低模型的实际使用能力,这种现象在医学图像的深度学习中尤其常见。为了在有限的数据下得到更好的分类,检测和分割的结果,往往需要使用数据增强的方式,通过对图像的旋转,...原创 2019-01-15 18:34:46 · 39482 阅读 · 27 评论 -
python图像数据增强——imgaug (二)
(一)imgaug基础用法(二)imgaug进阶示例在这章我们展示一个涵盖了大部分数据增强方法的例子。这里有大量的代码,可能会引起部分读者的不适,但是大家可以主要看注释,以及最后的总结性的话语,在实际上使用的时候再详细的看具体的实现,有一些。from imgaug import augmenters as iaa #引入数据增强的包sometimes = lambda aug: iaa....原创 2019-01-15 18:37:10 · 19751 阅读 · 27 评论 -
python图像数据增强——imgaug (三)
(一)imgaug基础用法(二)imgaug进阶示例(三)imgaug图像分割数据增强之前两章展示了最基本的imgaug的基础用法,以及一个较为全面的各种增强方法的展示,这里我们介绍在分割问题中的数据增强方法。在分类问题中,输入为一张图像,输出为一个类别,在这种问题中,我们只需要对图像进行增强,并不需要对标签做出改动。而在分割问题中,当训练使用的图像被翻转或者扭曲之后,标签也要对应的做出相...原创 2019-01-15 20:05:47 · 16698 阅读 · 23 评论 -
Skimage图像处理教程 0)目录
Skimage是python一个强大的图像处理的包,对于学习数字图像处理的小伙伴们来说是一个很实用的包,数据都是基于numpy格式所以熟悉numpy操作的小伙伴们会用的更方便,当然,不懂的话也没有影响。下面就是每一讲的目录,持续更新中……1)安装,读写和调用示例图片2)色彩空间变换3)曝光度调整4)形态学膨胀腐蚀开闭运算5)形态学运算...原创 2019-02-11 10:14:22 · 3051 阅读 · 0 评论 -
没有免费的午餐理论 No Free Lunch Theorem
没有免费午餐理论是在有限的搜索空间中,当且仅当我们指定了具体的问题的时候我们才能说一个优化方法要优于另一种优化方法。也就是说,在理论上,不存在一个算法在所有的问题上都能获得最优的结果。原创 2017-12-24 17:31:53 · 10761 阅读 · 0 评论