mz314的博客

在京东的实习工作中遇到了一个业务场景，做下简单的描述：对这样的图片，知道每个文字对应的bbox和label，需要将它裁剪出来，作为单条数据来组成训练集。但是问题是： 比如“秀女坊商行专柜代购”都是倾斜的，没法直接裁剪。解决思路： 根据bbox获得最小外接矩形，先将外接矩形裁剪出来，然后对得到的图片做仿射变化，然后根据现在的bbox估算每个词条的宽度，根据宽度，从终点再次裁剪，得到最终的结果。原图如下：结果如下：代码如下：import cv2import osimport mathd

​ 最近在学习Handwriting Transformers手写体生成，里面用到了复杂的GAN模型，所以最近开始学习GAN。记录一下一个pytorch实现GAN的小例子，下面代码可以完整运行。​ 运行环境是 python == 3.8，pytorch == 1.8，cuda == 10.2​ 代码注释中有详细的注释。​ 代码参考该为博主博客：参考​ 上述代码是前几年的，我将代码有些地方按照现在pytorch的习惯重新写了一下。import torch.nn as nnfrom torchvis

pytorch中的view()函数作用为重构张量的维度，相当于numpy中的resize()的功能。每次在代码中读到这个函数的用法总是要百度查，于是今天便对view函数做一个总结，方便以后查阅。# 申明一个torch张量importa = torch.tensor([1, 2, 3, 4, 5, 6, 7, 8, 9])print(a.shape, a) # torch.Size([9]) tensor([1, 2, 3, 4, 5, 6, 7, 8, 9])# 对a向量resize，-1是按照

pytorch中的save_imagepytorch保存图片主要用到 make_grid 和 save_image这两个方法。制作网格：torchvision.utils.make_grid(tensor, nrow, padding) # 参数说明# tensor(tensor or list)：四维 (B x C x H x W) mini-batch的tensor数据或者是包含同一尺寸的图片列表。# nrow(int)：网格每行图片的个数，默认是8；千万不要理解为图片的行数。# padd