![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python
文章平均质量分 75
望天边星宿
一个致力于抢计算机饭碗的自动化学生!
展开
-
【Python】使用VTK实现3D可视化医学图像(格式.nii.gz)
使用ITK和VTK实现3D可视化医学图像(格式.nii.gz)原创 2022-12-09 11:34:09 · 4829 阅读 · 3 评论 -
【Python】SimpleITK 针对于 LiTS 数据集,获取最大肝脏面积的切片
SimpleITK 针对于 LiTS 数据集,获取最大肝脏面积的切片原创 2022-11-30 17:35:30 · 1649 阅读 · 1 评论 -
【Python】SimpleITK使用笔记
1. 概念1.1 nii格式1.2 SimpleITK1.3 SimpleITK 图像2. 基本操作2.1 常见属性2.1 读取和保存图像2.2 SimpleITK图像数据和Numpy矩阵数据之间的转换原创 2022-11-09 10:58:40 · 6623 阅读 · 0 评论 -
【PyTorch】模型的保存和加载
PyTorch保存与加载模型原创 2022-10-27 20:04:20 · 505 阅读 · 0 评论 -
【SpringCloud Alibaba】Sentinel配置、流量控制、熔断降级、限流、规则持久化
Sentinel下载安装、测试、流量控制:默认直接、关联、快速失败、Warm up、排队等待;熔断降级,RT、异常比例、异常数、热点参数限流、服务熔断、规则持久化。原创 2021-11-23 09:16:51 · 575 阅读 · 0 评论 -
【Python】QtDesigner PyUIC PyRcc最新配置方法(PyQt5)
一、安装依赖安装PyQt5、pyqt5-toolspip install pyqt5pip install pyqt5-tools二、配置1 配置QtDesignerName: QtDesignerProgram: D:\ProgramData\Anaconda3\Lib\site-packages\qt5_applications\Qt\bin\designer.exeWorking directory: $FileDir$2 配置PyUIC:Name: PyUICProg原创 2021-07-17 16:02:09 · 2479 阅读 · 1 评论 -
【CoppeliaSim】Vrep与Python实现联合控制的通讯问题
本文主要介绍如何将CoppeliaSim与Python联合起来进行仿真,针对于他们直接的联合控制进行配置。一、The B0-based remote API这是官方对两个API的说明:链接:https://www.coppeliarobotics.com/helpFiles/en/remoteApiOverview.htm基于B0的远程API:这表示远程API的第二个版本。 它基于BlueZero中间件及其CoppeliaSim的接口插件。 与传统的远程API相比,它更易于使用且更具灵活性,最原创 2021-07-15 15:06:59 · 2841 阅读 · 1 评论 -
【PyTorch】构造VGG19网络进行本地图片分类(超详细过程)——程序代码
构造VGG19网络进行本地图片分类(超详细过程),包括如何自定义网络、自建数据集并加载、自定模型并训练原创 2021-06-10 14:46:07 · 9426 阅读 · 13 评论 -
【PyTorch】构造VGG19网络进行本地图片分类(超详细过程)——项目介绍
一、VGG介绍二、数据集介绍Animal Image Dataset(DOG, CAT and PANDA)Dataset for Image Classification Practice下载地址:https://www.kaggle.com/ashishsaxena2209/animal-image-datasetdog-cat-and-panda该数据集共包含3类目标:狗、猫和熊猫;每种图片各1000张;图片尺寸不固定;大部分图片为RGB图片,少部分图片为灰度图片,所以在处理数据的时候要注意原创 2021-06-10 14:45:43 · 6630 阅读 · 0 评论 -
【深度学习】BP神经网络(Backpropagation)简单推导及代码实现
一、原理1 概括构造一个神经网络含有两个输入,两个隐藏神经元,两个输出神经元。隐藏层和输出元包括两个偏置。其结构如下:设置输入和输出数据,并为神经元初始化参数,包括权重和偏置。BP神经网络的目标是优化权重,使神经网络学会如何正确地映任意输入到输出。以输入0.05和0.1,输出0.01和0.99为训练集进行测试。2 前项传播将输入层的0.05和0.10输入到隐藏层,通过初始化的权重和偏差进行计算可得到隐含层的输出。之后通过激活函数对隐含层的输出进行非线性化处理,激活函数使用Sigmoid。f原创 2021-06-01 15:02:16 · 1071 阅读 · 0 评论 -
【Python】生成voc格式的xml标签
xml标签代码import xml.etree.ElementTree as ETclass GenAnnotations: def __init__(self, filename, witdh, height, depth=3, foldername="VOC2007", sourcename="Unknown"): self.root = ET.Element("annotation") self.foleder = ET.SubElement(self原创 2021-05-24 21:31:24 · 669 阅读 · 0 评论 -
【Django】编写第一个应用——5 投票应用的视图2
一、编写一个简单的表单让我们更新一下在上一个教程中编写的投票详细页面的模板 polls/detail.html ,让它包含一个 HTML 元素:polls/templates/polls/detail.html<h1>{{ question.question_text }}</h1>{% if error_message %}<p><strong>{{ error_message }}</strong></p>{% endi原创 2021-05-18 15:23:14 · 192 阅读 · 0 评论 -
【Django】编写第一个应用——4 投票应用的视图
一、概况Django 中的视图的概念是「一类具有相同功能和模板的网页的集合」。比如,在一个博客应用中,你可能会创建如下几个视图:博客首页——展示最近的几项内容。内容“详情”页——详细展示某项内容。以年为单位的归档页——展示选中的年份里各个月份创建的内容。以月为单位的归档页——展示选中的月份里各天创建的内容。以天为单位的归档页——展示选中天里创建的所有内容。评论处理器——用于响应为一项内容添加评论的操作。而在我们的投票应用中,我们需要下列几个视图:问题索引页——展示最近的几个投票问题原创 2021-05-17 14:39:13 · 286 阅读 · 0 评论 -
【Django】编写第一个应用——3 管理页面
设计哲学为你的员工或客户生成一个用户添加,修改和删除内容的后台是一项缺乏创造性和乏味的工作。因此,Django 全自动地根据模型创建后台界面。Django 产生于一个公众页面和内容发布者页面完全分离的新闻类站点的开发过程中。站点管理人员使用管理系统来添加新闻、事件和体育时讯等,这些添加的内容被显示在公众页面上。Django 通过为站点管理人员创建统一的内容编辑界面解决了这个问题。管理界面不是为了网站的访问者,而是为管理者准备的。一、创建一个管理员账号打开命令行工具,进入mysite所在原创 2021-05-16 19:36:00 · 218 阅读 · 0 评论 -
【Django】编写第一个应用——2 数据库、创建模型
一、数据库配置现在,打开 mysite/settings.py 。这是个包含了 Django 项目设置的 Python 模块。通常,这个配置文件使用 SQLite 作为默认数据库。如果你不熟悉数据库,或者只是想尝试下 Django,这是最简单的选择。Python 内置 SQLite,所以你无需安装额外东西来使用它。当你开始一个真正的项目时,你可能更倾向使用一个更具扩展性的数据库,例如 PostgreSQL,避免中途切换数据库这个令人头疼的问题。如果你想使用其他数据库,你需要安装合适的 database原创 2021-05-14 21:34:55 · 230 阅读 · 0 评论 -
【Django】编写第一个应用——1 创建项目、应用
一、安装Django打开命令行窗口,或使用anaconda创建虚拟环境后:pip install django查看Django版本:python -m django --version二、创建工程2.1 创建工程如果这是你第一次使用 Django 的话,你需要一些初始化设置。也就是说,你需要用一些自动生成的代码配置一个 Django project —— 即一个 Django 项目实例需要的设置项集合,包括数据库配置、Django 配置和应用程序配置。打开命令行,cd 到一个你想放置你代码的原创 2021-05-05 22:13:42 · 268 阅读 · 0 评论 -
【OpenCV】Python广角摄像头的畸变矫正
效果图三幅图像分别为矫正前、校正后和裁减后的图片。矫正后的图像有些奇怪,需要把无用的部分裁剪掉。代码步骤一:拍摄棋盘图片运行该程序,按空格键拍摄棋盘信息(注意拍摄的棋盘要完整),拍摄20张左右即可,按q键退出。import cv2# 图片保存路径IMG_SAVE_PATH = "img/"if __name__ == '__main__': num = 1 camera = cv2.VideoCapture(0) while True: st原创 2021-04-26 10:44:31 · 7556 阅读 · 8 评论 -
【python】批量实现图像数据增强(扩增)并复制xml标签文件
数据扩增的概念数据扩增是指不实际增加原始数据,只是对原始数据做一些变换,从而创造出更多的数据。数据扩增的目的数据扩增的目的是增加数据量、丰富数据多样性、提高模型的泛化能力。数据扩增的方法单样本扩增包括:图像翻转、图像旋转、图像扭曲、图像仿射变换、图像缩放、图像压缩、图像随机crop、图像随机padding、图像对比度调整、亮度调整、色度调整、饱和度调整、色彩抖动、添加噪声、图像模糊、图像区域随机擦除、风格转换、生成对抗网络生成等。多样本扩增包括:SamplePairing和mixup,二者思路很原创 2021-04-25 23:17:54 · 3255 阅读 · 4 评论 -
【Python】Opencv检测行人
# coding:utf-8import cv2from timeit import default_timer as timerclass Predict(object): def __init__(self): # 获取hog检测器对象 self.hog = cv2.HOGDescriptor() # 设置检测人的默认检测器 self.hog.setSVMDetector(cv2.HOGDescriptor_getDef原创 2020-12-08 21:53:19 · 2113 阅读 · 0 评论 -
【Python】图片视频处理常用操作及方法
图片处理操作1.1 图片尺寸获取1.2 图片resize1.3 图片保存二、视频处理操作2.1 视频信息获取2.2 视频resize及保存一、图片处理操作1.1 图片尺寸获取方法一:opencvimport cv2img = cv2.imread('my_image.jpg',0)height, width = img.shape[:2]1.2 图片resize方法一:opencvimport cv2frame = cv2.imread('./Pictures/pyth原创 2020-11-18 19:46:40 · 921 阅读 · 0 评论 -
【tensorflow.python.framework.errors_impl.InternalError: Blas SGEMM launch failed】错误解决方案
最近使用yolov3训练模型,依然使用原先的配置和环境,但是却出现以下错误,百思不得其解。E tensorflow/stream_executor/cuda/cuda_blas.cc:652] failed to run cuBLAS routine cublasSgemm_v2: CUBLAS_STATUS_EXECUTION_FAILEDTraceback (most recent call last): File "E:/Project/keras-yolo3-person&vehic原创 2020-11-16 21:50:44 · 8033 阅读 · 18 评论 -
【PyTorch】自动微分torch.auotograd()——.backword()分析
一、简介torch.auotograd模块可实现任意标量值函数自动求导的类和函数。针对一个张量只需要设置参数requires_grad=True,通过相关计算即可输出其在传播过程中的梯度(导数)信息。二、案例分析分析1在PyTorch中生成一个矩阵张量x,且y=sum(x2+2x+1)y = sum(x^2+2x+1)y=sum(x2+2x+1),计算出y在x上的导数,程序如下:import torchx = torch.tensor([[1.0, 2], [3, 4]], requires_原创 2020-10-20 16:59:37 · 410 阅读 · 1 评论 -
【PyTorch】张量超详细介绍(数据类型、生成、操作、计算)
一、张量的数据类型、默认类型、类型转换。二、张量的生成:torch.tensor()、torch.Tensor()、张量和NumPy数据互相转换、随机数生成张量、函数生成等。三、张量操作:改变张量的形状、获取张量中的元素、拼接和拆分等。四、张量计算:比较大小、基本运算、统计相关计算等。原创 2020-10-19 21:32:52 · 6972 阅读 · 5 评论 -
【目标检测】基于yolo3和sort的多目标检测与跟踪
yolo3论文:https://arxiv.org/abs/1804.02767yolo3源码:https://github.com/qqwweee/keras-yolo3sort论文:https://arxiv.org/abs/1602.00763sort源码:https://github.com/abewley/sort依赖:目标检测:tensorflow-gpu==1.12.0keras-gpu==2.2.4opencv==4.2.0pillow==6.2.2numpymatpl原创 2020-09-27 22:16:48 · 5305 阅读 · 18 评论 -
Caltech行人数据集转化VOC格式
该数据库是目前规模较大的行人数据库,采用车载摄像头拍摄,约10个小时左右,视频的分辨率为640x480,30帧/秒。标注了约249,884帧(约137分钟),350000个矩形框,2300个行人,另外还对矩形框之间的时间对应关系及其遮挡的情况进行标注。下载好的Caltech行人数据集,解压放在Caltech文件夹内,目录情况如下图。seq2jpg.py将seq文件转换为jpg文件。# -*- coding:utf-8 -*-import osimport fnmatchdef open_原创 2020-09-15 19:51:01 · 2534 阅读 · 13 评论 -
【Python】os.path常用命令
os.path常用命令:路径合并——os.path.join()获取文件名——os.path.basename()分离扩展名——os.path.splitext()路径是否存在——os.path.exists()原创 2020-09-15 15:10:34 · 269 阅读 · 0 评论 -
【目标检测】keras-yolo3-tiny训练自己的数据集(目标:人&车辆)
配置GPU环境。https://blog.csdn.net/See_Star/article/details/103141180使用Anaconda创建虚拟环境、并安装依赖。下载keras-yolov3修改代码:yolov3-tiny.cfg修改以下四部分:filters = 3*(类别数+5)classes = 类别数当类别数量为2时,filters=21,classes=2yolov3-tiny.cfg 注释参考:https://blog.csdn.net/weixin_4415原创 2020-09-12 15:06:47 · 2462 阅读 · 6 评论 -
【python】数据集修改:移除和修改xml类别
前言由于收集数据集并标准过于麻烦,所以采用现有数据集进行训练。使用Visual Object Classes Challenge 2012 (VOC2012)中的部分类别作为项目的数据集。共包含20类目标,总计17125张图片。从17125张图片中提取含有以下三类(person、car、bus)的图片和标签,并将其转移到新的目录。将标签中的car、bus修改为vehicle。代码import xml.etree.ElementTree as ETimport shutilimport os原创 2020-09-12 14:41:18 · 1085 阅读 · 2 评论 -
【目标检测】基于YOLOv5的目标检测分类(Pytorch)(自定义数据集训练模型)
项目源码:https://github.com/ultralytics/yolov5数据集制作:https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data一、准备环节计算机环境:Win10 + Python3.7 + cuda9.0主要依赖:Python>=3.7Cythonmatplotlib>=3.2.2numpy>=1.18.5opencv-python>=4.1.2pillowPyYAML&g原创 2020-08-31 15:12:42 · 9994 阅读 · 2 评论 -
【Python】SMTP发送邮件
SMTP是发送邮件的协议,Python内置对SMTP的支持,可以发送纯文本邮件、HTML邮件以及带附件的邮件。原创 2020-08-26 13:25:08 · 371 阅读 · 0 评论 -
【爬虫】Scrapy初次尝试 入门详细教程(爬取豆瓣top250电影信息)
使用scrapy爬虫框架爬取豆瓣电影Top 250的电影信息(序号、电影名、介绍、星级、评论数、描述)。包括:环境的搭建、item编写、xpath定位、spider编写、数据保存等部分。原创 2020-08-16 14:56:43 · 3607 阅读 · 3 评论 -
【Python】解决一个有趣的概率学问题(三门问题)
问题如下:1990 年,美国马里兰州的 Craig Whitaker 给 Parade 杂志的「问问玛丽莲」( Ask Marilyn )专栏写了一封信,向这个专栏的主持人玛丽莲·沃斯·莎凡特( Marilyn vos Savant )提出了一个概率问题:「假设你正在参加一个电视节目。舞台上有三扇门,其中一扇门的后面是汽车,另外两扇门的后面是山羊。你当然是想选中后面有汽车的那扇门。你随便选择了一扇门,比如说 1 号门。这时,主持人打开了另一扇门,比如说 3 号门,让你看到了 3 号门的后面是一只山羊(主持原创 2020-08-15 17:19:26 · 1434 阅读 · 0 评论 -
【PyTorch】Window10搭建GPU环境(CUDA、cuDNN)
目录一、选择CUDA版本1.1 查看NVIDIA版本1.2 安装CUDA1.3 安装cuDNN二、选择Torch版本三、安装PyTorch一、选择CUDA版本1.1 查看NVIDIA版本方法一1 在电脑桌面空白处点击鼠标右键2 选择 NVIDIA 控制面板(若没有该选项,可尝试方法二)3 查看英伟达版本。(如果未显示版本,请看下一步)4 点击菜单栏的 帮助(help)——系统信息(System Information),可以查看更多信息。方法二1 进入控制面板(Control Pan原创 2020-08-11 20:05:25 · 2342 阅读 · 0 评论 -
【Flask】以视频流的方式将视频输出到Web端
功能:将视频以视频流的形式传入web端。我的理解就是,将视频转换为图片,一帧一帧的传入,连续的图片形成视频。用途:将视频以视频流的方式输出到web端没有任何意义,因在web端可以直接输出视频。但是在一些特殊情况下,视频是实时生成的(摄像头录制视频,对视频进行图像检测等等),在这种情况下,就需要采用视频流的方式,将实时生成的图像输出的web端形成视频效果。项目结构flask-video-streaming/|——templates/| |——index.html||——app.py原创 2020-05-19 15:49:29 · 5816 阅读 · 16 评论 -
【Python】视频转换成图片
依赖:opencv功能:将视频逐帧转化为图片存放在文件夹内注意:路径均为英文代码如下:import cv2video_path = 'E:/Activities/fwwb2019/code/keras-yolo3-helmet-v2/sort/output/my_computer_video2.mp4' # 视频地址output_path = 'E:/Activities/fwwb2019/code/keras-yolo3-helmet-v2/sort/output/video2img/'原创 2020-05-09 16:33:43 · 5715 阅读 · 6 评论 -
【Flask】学习——Web表单(普通表单和Flask-WTF)
Flask普通表单;Flask-WTF;WTForms支持、HTML标准字段、常用验证函数;WTForm示例;WTForm逻辑验证原创 2020-05-09 10:07:39 · 946 阅读 · 0 评论 -
【Python】批零重命名文件(0001、0002、0003……)
现在想给5000多张图片重命名一个统一的格式,原命名如下:重命名后:代码如下:import osfolder_path = 'E:/Activities/fwwb2019/dataset/face-dataset'num = 1if __name__ == '__main__': for file in os.listdir(folder_path): ...原创 2020-05-03 23:07:39 · 3826 阅读 · 5 评论 -
【目标检测】基于YOLOv3的海上船舶目标检测分类(Tensorflow/keras)
一、准备环节计算机环境:Win10 + Python3.6 + cuda9.0主要依赖:tensorflow-gpu 1.12.0keras-gpu 2.2.4opencvpillownumpymatplotlib必选部分源码:https://github.com/qqwweee/keras-yolo3权重文件:yolo.h5(被墙,可采用下面方法)在YOLO官网下载...原创 2020-04-28 20:48:45 · 22481 阅读 · 64 评论 -
【Flask】学习——过滤器及常用操作
过滤器过滤器的本质就是函数。有时候我们不仅仅只是需要输出变量的值,还需要修改变量的显示,甚至格式话、运算等等,而在模板中是不能直接调用Python中的某些方法,那么这就用到了过滤器。使用方法:使用方式为:变量名|过滤器{{ variable | filter_bane(*args) }}如果没有任何参数传给过滤器,则可以把括号省略掉{{ variable|filter_name }}...原创 2020-04-25 19:17:39 · 293 阅读 · 0 评论 -
【Flask】学习——Jinja2模板引擎的使用方法(注释、变量代码块、控制代码块)
本文主要介绍模板的概念及应用和Jinja2的相关概念。同时包括Jinja2模板引擎的使用方法:注释、变量代码块、控制代码块等。原创 2020-04-24 15:25:00 · 1245 阅读 · 0 评论