机器学习
jjj6666
这个作者很懒,什么都没留下…
展开
-
yolov7 实现decode导出onnx
目标检测原创 2022-07-19 11:19:19 · 662 阅读 · 2 评论 -
利用opencv进行图像变化并保存
import cv2import numpy as np#旋转img = cv2.imread('xxx', 1)rows, cols, channel = img.shapeM = cv2.getRotationMatrix2D((cols / 2, rows / 3), 90, 0.4)dst = cv2.warpAffine(img, M, (cols, rows))cv2....原创 2018-03-20 16:46:40 · 594 阅读 · 0 评论 -
yolo v2源码分析
/src darknet.c main->run_detector(argc,argv) detecter.c run_detector 跳转到train_detector/test_detector/validate_detector/... train_detector 读取图片+训练+保存权重 ->parse_network_cfg(parser.c) 解析配置文件 ...原创 2018-03-20 14:03:34 · 422 阅读 · 0 评论 -
selective search 算法
.输入:图片输出:物体位置的可能结果L获取初始分割区域R={r1,r2,…,rn}计算R中两两相邻区域(ri,rj)之间的相似度,添加到相似度集合S中从S中找出,相似度最大的两个区域ri和rj,将其合并成为一个区域 rt,添加到区域集合R中。从s中除去原先与ri和rj相邻区域之间计算的相似度。添加新的rt与其相邻区域的相似度。迭代直至S为空...原创 2018-03-09 16:40:17 · 308 阅读 · 0 评论 -
图像语义分割-FCN
传统的基于CNN的分割方法的做法通常是:为了对一个像素分类,使用该像素周围的一个图像块作为CNN的输入用于训练和预测。这种方法有几个缺点:一是存储开销很大。二是计算效率低下,相邻的像素块基本上是重复的。三是像素块大小的限制了感知区域的大小。通常像素块的大小比整幅 FCN将传统CNN中的全连接层转化成一个个的卷积层。 FCN将传统CNN中的全连接层转化成一个个的卷积层。 在传统的CNN结构...转载 2018-03-09 16:22:18 · 423 阅读 · 0 评论 -
【小白】ubuntu虚拟机python打开摄像头并截取照片
环境:vm14(如果12弄不好,就换版本吧) win10step1:win+s 搜服务 找到VMware USB Arbitration Service 保证打开step2:player-可移动设备-Acer usbxxxx-连接step3:安装cheese # -*- coding: utf-8 -*-import cv2cap = cv2.VideoCap原创 2017-11-16 10:34:08 · 637 阅读 · 0 评论 -
【小白】配置openface
。原创 2017-11-05 21:29:53 · 265 阅读 · 0 评论 -
【学习笔记】基于随机森林分类的微博机器用户识别研究
1.基于随机森林分类的微博机器用户识别研究 这篇论文在网上随便找2.文中提出了8个点来识别是否为机器用户比较难实现的应该是第一个点,条件信息熵,大概是如果发微博的比较规律,那么就可能是机器用户。内容相似度指用户发布的微博与其他用户微博的相似程度,因为机器用户会伪装(那我的微博全部都是hhhhh 哈哈哈哈 66666 岂不是被识别成机器用户了?)3.随机森林分类文章列了原创 2017-11-09 16:44:22 · 653 阅读 · 0 评论 -
【学习】facenet:a unified embedding for face recognition and clustering_wrapper
第一次看英文文档,有参考网上的几篇学习笔记,给想看英文的同学加个翻译~后面数据分析这些就没加了翻译 2017-11-07 17:40:38 · 645 阅读 · 0 评论