- 博客(93)
- 资源 (15)
- 收藏
- 关注
原创 第2章 图像变换
图像变换主要通过调节像素数值,调节色彩明暗度,显示图像细节,方便人眼观察。图像变换的本质是调节像素分布。本节主要讲述常用的线性变换和非线性变换。
2023-08-07 22:11:55 217
原创 yolov5 代码详解
在datasets文件夹分别存放imags和labels文件夹,imags文件夹存放图片信息(.jpg)。labels文件夹存放对应图片的标签信息(.txt),标签信息包含目标物体的类别和真实框的坐标(cx,cy,w,h),这些坐标都是归一化后的数据。训练策略上也增加一些新的技巧,比如多尺度、rectangle、用遗传算法搜寻超参数。
2023-05-15 16:05:48 869
原创 YOLOV2 pytorch版本代码详解
yolov2 pytorch版代码详解,由于参考的keras版本写的太乱,就整理一下,转化为pytorch版,还有许多不足,敬请大家多多指教。
2022-10-25 12:56:50 3376 3
原创 SSD要点回顾
SSD用VGG作为主干网络,提取VGG16第三、四次下采样的特征图得到Conv4_3、fc7,之后又继续下采样得到Conv6,Conv7,Conv8,Conv9,一共7个特征层用来分类和回归。SSD的损失函数在计算正负样本损失的时候,把所有预测类别作为正样本,背景预测作为负样本,由于正负样本数量相对不平衡,因此设计负样本数量在正样本的3倍,和总样本减正样本数量之间取最小值。SSD中对数据和框分别数据增强,包括缩放、剪切、随机翻转、色度(亮度、饱和度)调整及对真实框缩放、随机翻转、剪切操作。
2022-09-21 10:40:05 755 1
原创 openCV实战——图像去雾
全 局直方图处理通过对 RGB 图像的 R、G、B 三层通道分别进行直方图均衡化,再整合到新的图 像的方式进行。将整幅图像分成很多小块,然后再对每一个小块分别进行直方图均衡化,最后进行拼接。掩膜的主要是用来提取感兴趣区域。即自适应直方图均衡化。
2022-09-08 11:48:06 2798
原创 物体分类__pytorch
vgg16网络架构相对简单,参数量是真的大。在刚开始出现时是有价值的,用3x3的卷积核代替大的卷积核,两个3x3相当与一个5x5的卷积核的卷积效果,减少参数量,也变相加深网络深度。通过设置cgfs 的方式,让模型可以细化成不同的版本。通过vgg16 的学习,学习到网络架构、模型初始化参数、冻结参数、加载参数、改变分类数目等方法。多分类问题采用交叉熵作为损失函数。y_pred[batch_size,cls],y_true[cls](1) 加载模型代码。
2022-09-06 17:30:31 580
原创 Faster R-CNN pytorch版
Faster R-CNN可以选用多种流行的backbone提取特征,以ResNet50为例。Faster R-CNN是在R-CNN,Fast R-CNN的基础上改进得来的。R-CNN,Fast R-CNN是Faster-RCNN发展进化的基石,回顾R-CNN,Fast R-CNN有助于更好地理解Faster R-CNN。针对R C-NN的问题,Fast R-CNN有所改进,主要体现在把建议框映射到特征图上,再把特征图统一尺寸,这样就大大减少了重复计算,但是还是两步骤检测。(1)R-CNN检测流程。...
2022-08-31 14:01:10 710
原创 计算机视觉主干模型VGG16、MobileNetV2、ResNet50 pytorch版
MobileNetV2在MobileNetV1的基础上,增加Inverted resblock模块儿。Inverted体现在对输入首先利用1x1卷积进行升维,然后利用3x3深度可分离卷积进行特征提取,然后再利用1x1卷积降维。resblock体现在输入和上一步输出相加。2 . VGG16代码。......
2022-08-27 19:08:58 3141
原创 Pytorch知识点学习
torch.utils.data工具包包括以下4个类。1)Dataset:是一个抽象类,其他数据集需要继承这个类,并且覆写其中的两个方法(getitem_、len)。2)DataLoader:定义一个新的迭代器,实现批量(batch)读取,打乱数据(shuffle)并提供并行加速等功能。3)random_split:把数据集随机拆分为给定长度的非重叠的新数据集。4)*sampler:多种采样函数。torchvision包括4个类,各类的主要功能如下。...
2022-08-26 15:48:33 312
原创 c语言--线性表之顺序表
c语言--线性表1 SeqList.c1.1 线性表特点1.2 线性表初始化1.3 从线性表末尾添加元素1.4 从线性表表首添加元素1.5 列举线性表1.6 从线性表末尾删除元素1.7 从线性表表首删除元素1.8 在线性表指定位置插入元素1.9 查找元素1.20 返回线性表长度1.21 删除线性表指定位置元素1.22 删除线性表指定值1.23 对线性表排序1.24 清除线性表2 SeqList.h3 main.c1 SeqList.c1.1 线性表特点线性表是在连续空间中存储的同类型元素。除了
2022-05-07 22:11:36 717
原创 C语言学习笔记
#include <stdio.h>#include <stdlib.h>#define MAXSIZE 100typedef struct{ int data[MAXSIZE]; int length;}SqList;SqList *InitList(SqList *L); // 初始化void DestroyList(SqList *L); // 销毁void ClearList(SqList *L)
2022-04-12 14:45:23 326
原创 OpenCV 实战3——图像分割Kmean聚类
图像分割--Keman聚类图像分割–Keman聚类## 1 图像分割--Keman聚类import cv2import numpy as npimport matplotlib.pyplot as plt# 1 读入图片img0 = cv2.imread('bird.png',1) # [754,886,3]img0 = cv2.cvtColor(img0,cv2.COLOR_BGR2RGB)img_ = cv2.GaussianBlur(img0,(13,13),10,10)h,w
2022-03-26 15:01:50 9404 1
原创 OpenCV角点检测
角点检测Harris 角点检测算法1. 角点2. 流程3. 实现Harris 角点检测算法1. 角点角点是水平方向、垂直方向变化都很大的像素。2. 流程(1)找出角点用高斯算子求出像素水平方向和垂直方向的梯度dx, dy,–> 对梯度的平方dxdx ,dydy, dxdy滤波得到Wxx ,Wxy,Wyy --> 在求的(WxxWyy - Wxy**2)/(Wxx + Wyy)作为候选角点。(2)筛选角点根据阈值筛选角点–> 取得角点的坐标 -->根据角点坐标得到角点所
2022-03-24 18:21:24 5837 1
原创 openCV 图像直方图均衡化
openCV 图像直方图均衡化1 概念2 流程3 代码实现1 概念图像直方图均衡化是对图像像素重新映射,使得映射后的像素分布更加均匀,图像显示适合人类视觉。2 流程(1) 计算原图像像素的频率(2) 计算原图像像素的累积频率(3) 归一化3 代码实现(1)方法一### 3 灰度图像进行直方图均衡化## histeq(im,nbr_bins=256) :img --> imhist,bins -->.cumsum() --> normalize--> interp
2022-03-21 12:07:43 4854
原创 PAC原理
@[TOC][PAC]PAC1 概念PCA(Principal Component Analysis,主成分分析)是一个非常有用的降维技巧。它 可以在使用尽可能少维数的前提下,尽量多地保持训练数据的信息。2 流程img --> img_mean -->x = (img - img_mean) --> M= x*x.T --> e,ev =linalg.eigh(M)–>tmp = dot(X.T,EV) --> V = tmp[::-1] -->S = s
2022-03-21 11:53:35 1666
原创 openCV实战2 显著性检测
实战2 显著性检测1. 概念2 静态显著性检测3 代码1. 概念显著性检测指找出图片中引人注目的区域或比较重要的区域。在OpenCV的saliency模块中有三种显著性检测算法:Static saliency:此类显着性检测算法依赖于图像特征和统计信息来定位图像中显著性区域。Motion saliency: 此类显着性检测算法输入为视频或一系列连续帧。运动显着性算法处理这些连续的帧,并跟踪帧中“移动”的对象。这些移动的对象被认为是显着性区域。Objectness:这类显著性检测算法计算出一个个的
2022-03-16 17:59:00 5071
原创 openCV项目实战1 图像融合
openCV项目实战 1 图像融合1 图像融合两幅图片叠加在一起,形成前景背景的效果。2. 流程(1)读入要融合的两幅图片。(2)把两幅图片调整到统一大小,方便下一步叠加。(3)对两幅图片按照一定的权重相加。(4)显示图片。img1,img2 --> resize --> cv2.addWeighted()–>show'''图像融合(对图像加权):img1,img2 --> resize --> cv2.addWeighted()'''import cv
2022-03-16 10:38:55 3254
原创 FasterRCNN详解
FasterRCNN详解1.2.2 FasterRCNN1 模型1.1 主干网络VGG16 or ResNet50.1.2 RPN生成建议框1.3 RCNN进行分类和回归2 预测2.1 预测流程3 训练3.1 训练流程3.2 生成标签3.3 损失函数1.2.2 FasterRCNNFasterRCNN在FastRCNN的基础上,实现端到端的训练。算法分为3个部分。主干网络提取特征、RPN生成建议框、RCNN进行分类和回归。FasterRCNN优点:检测精度高。RPN网络生成先验框。通用型、鲁棒
2022-01-16 18:12:29 6543
原创 SSD详细版
SSD详细版1 数据处理1.1 数据集划分voc2ssd.py1.2 读入数据voc_annotation.py1.2.1 代码步骤1.2.2 代码2 主干网络2.1.1 主干网络流程2.2.1 建立VGG16模型步骤2.2.2 VGG16代码2.2.3 SSD300代码2.3.1 对特征层分别分类、回归、生成先验框2.3.2 对特征层分别分类和回归代码3 制作标签3.1 流程3.2 代码步骤3.3 代码4 预测4.1 预测流程4.1.1 预测代码步骤4.1.2 预测代码4.2 检测目标4.2.1 检测步
2022-01-05 15:36:33 2319
原创 2 AlexNet
AlexNet论文阅读1 AlexNet1.1 综述及训练1.2 AlexNet创新1.3 网络构架1 AlexNetImageNet Classification with Deep Convolutional Neural Networkshttps://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf1.1 综述及训练数据集:ImageNet LSVRC-
2021-09-24 10:58:06 112
原创 1 卷积知识点汇总
卷积汇总1 普通卷积2 空洞卷积3 深度可分离卷积4 反卷积5 分组卷积1 普通卷积2 空洞卷积3 深度可分离卷积4 反卷积5 分组卷积
2021-09-21 09:51:18 489
1 TensorFlow安装与环境配置 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
3 TensorFlow 模型建立与训练 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
4 TensorFlow常用模块 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
2 TensorFlow基础 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
7 TensorFlow Lite(Jinpeng) — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
5 TensorFlow模型导出 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
6 TensorFlow Serving — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
10 使用TPU训练TensorFlow模型(Huan) — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
9 TensorFlow分布式训练 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
12 TensorFlow Datasets 数据集载入 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
16 使用Docker部署TensorFlow环境 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
17 在云端使用TensorFlow — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
19 参考资料与推荐阅读 — 简单粗暴 TensorFlow 2 0.4 beta 文档.pdf
2021-10-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人