自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(325)
  • 资源 (14)
  • 收藏
  • 关注

原创 2024不可不会的StableDiffusion之变分自编码器(三)

接着我们来实现用VAE上述函数,接收图像和我们的变分自编码器作为输入,通过调用vae中的encode函数来实现将输入的image转化为潜在低纬度特征向量。本文重点介绍了SD模型中的变分自编码器VAE的相关功能和具体工作原理,并详细介绍了其编码器和解码器的操作步骤,并给出了相应的代码示例。您学废了嘛!

2024-01-30 08:28:40 1487

原创 2024不可不会的StableDiffusion之文本编码器(二)

本文重点介绍了SD模型中的文本编码器的相关功能和具体实现原理,并详细介绍了其两个具体操作步骤,并给出了相应的代码示例。您学废了嘛!

2024-01-27 13:12:44 2219

原创 2024不可不会的StableDiffusion之引言(一)

简单来说,稳定扩散模型是一种可以在给定文本提示词的情况下生成图像的深度学习模型。将其进行抽象,其主要实现的功能如下:正如我们从上面的图像中看到的那样,我们可以传递一个输入的文本提示,如“戴帽子的狗”,此时稳定的扩散模型可以生成代表文本语义的图像。是不是很神奇?

2024-01-27 10:28:31 684 1

原创 大模型背景下计算机视觉年终思考小结(二)

本文重点介绍了在大模型发展背景下,如何在日常开发中合理利用大模型的能力来构建合成数据集和丰富数据集的标注类别等应用,同时随着技术的发展,未来大模型在日常开发中会带来更多的应用和落地点,希望大家也可以结合自己具体的业务来思考如何和现有大模型进行结合。您学废了嘛?

2024-01-16 19:56:44 1333 2

原创 大模型背景下计算机视觉年终思考小结(一)

本文主要用来回顾了23年相关大模型在计算机视觉多个领域的发展现状,以及一些突出的技术论文概要分享,主要涉及图像大模型到图文大模型以及生成式大模型。对于这些大模型,在实际工作和项目中,我们更多的应该是思考如何在我们特定的、小规模的背景下利用好它们。本章节主要为相关论文的梳理和概述总结,下一节我们会针对实际项目中如何结合大模型进行数据集的构造等方向进行归纳总结。

2024-01-13 14:40:26 1444

原创 从零实现CLIP模型

总之,这篇博客文章探讨了CLIP模型,揭示了其广泛应用的潜力。随着我们对CLIP应用的了解,很明显,它的影响远远超出了最初的预期,为不同领域的创新解决方案铺平了道路。您学废了嘛?戳我。

2024-01-07 11:43:47 2579 4

原创 对比学习简介

在本教程中,我们将介绍对比学习领域中的相关概念。首先,我们将讨论这种技术背后相关的理论知识;接着,我们将介绍最常见的对比学习的损失函数和常见的训练策略。闲话少说,我们直接开始吧!

2023-12-31 20:50:40 583

原创 GroundingDINO-根据文本提示检测任意目标

正如大家在本文开头的表格中所看到的,比GLIP推理速度更快,但在要求实时检测场景中考虑起来仍然推理速度太慢。然而,该模型可以在灵活性和泛化性很重要的任务中大放异彩,比如可以成功地用于自动化数据标注。此外,还可以通过使用语言约束而不是复杂且容易出错的手工组件来分析检测关系,从而大大简化图像和视频分析的处理逻辑。总之,无疑是一个重大突破,它将为物体检测及其他领域的更多创新应用铺平道路。

2023-12-30 10:28:59 1634

原创 一种简单的自编码器PyTorch代码实现

在本文中,我们使用数据集来完成此任务。戳我。该数据集已在torchvision库中集成;我们可以通过几行代码直接导入和处理该数据集。为此,首先需要是编写一个collate_fn函数,将数据集从PIL图像转换为torch张量,并进行相应的pad# x;# y本文重点介绍了如何利用Pytorch来实现自编码器,从数据集,到搭建网络结构,以及特征可视化和网络预测输出几个方面,分别进行了详细的阐述,并给出了相应的代码示例。您学废了吗?戳我。

2023-12-23 20:04:12 1374

原创 一文弄懂自编码器 -- Autoencoders

自编码器神经网络是一种无监督的机器学习算法,它的主要目的为将输入层的数据压缩成较短的格式,我们也可以称为潜在空间的特征表示,并通过解码将上述特征解码成与原始输入最为相近的形式。这样我们在使用原始输入图像的时候,就可以使用维度较小的压缩特征经过解码器后进行替代。这听着是不是很熟悉,我们有一个类似的机器学习算法,即PCA做同样的任务。那么为什么我们需要自动编码器呢?本文重点介绍了自编码器的概念,网络结构以及相关变体,并给出了其在工业界的相关应用。您学废了嘛?

2023-12-16 18:11:52 439

原创 在OpenCV基于深度学习的超分辨率模型实践

本文重点介绍了在OpenCV中,利用深度学习的方法来进行超分辨率的实现,被给出了具体的代码实例,和几种常用的模型。您学废了吗?

2023-12-09 13:11:12 585

原创 一文弄懂Python中的Pipeline

本文重点介绍了管道的定义,以及相应的优点和具体的使用方法,并给出了相应的代码示例。您学废了嘛?

2023-12-01 16:05:14 3802

原创 Python字典六种类型概述

在Python中,Dictionary(dict)是一种内置的数据结构,用于以键值对的形式存储数据集合。当然,你可能也听到过Python字典的其他名称,如查找表、映射、哈希映射等。Python字典最常用的例子之一是电话簿。我们可以使用电话簿快速检索与给名字(key)相关的信息(value)。Python Dictionaries允许大家以最有效的方式存储和检索所需的数据;这就是为什么Python种的dict是这种编程语言中最常用的数据类型之一。

2023-11-18 13:49:32 505

原创 什么是机器学习中的正则化?

L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,可以用于特征选择;L2正则化可以防止模型过拟合,在一定程度上,L1也可以防止过拟合,提升模型的泛化能力;L1(拉格朗日)正则假设参数的先验分布是Laplace分布,可以保证模型的稀疏性,也就是某些参数等于0;L2(岭回归)正则假设参数的先验分布是Gaussian分布,可以保证模型的稳定性,也就是参数的值不会太大或太小。在实际使用中,如果特征是高维稀疏的,则使用L1正则;如果特征是低维稠密的,则使用L2正则。

2023-11-04 14:10:51 812

原创 【Python】用Python生成图像特效

本文使用简单的python代码实现了各种各样的图像特效,可以方便大家进行自由组合成更加酷炫的效果。您学废了嘛?

2023-10-28 20:26:45 553

原创 【Python】将Python中的多维列表进行展开

Python中的展平列表可以使用各种方法实现。我们探索了四种不同的方法:使用Python的原生语法来扁平化2D和3D列表,以及使用NumPy库展平任意维度的列表。每种方法都有自己的优点和局限性,因此请选择需要来选择最适合自己需求的方法。

2023-10-21 18:49:23 1338

原创 Python中图像相似性度量方法汇总

在当今视觉世界中,测量图像相似性的能力是众多应用程序的重要组成部分。本博客向大家介绍了各种图像相似性方法,从简单的基于直方图的方法到复杂的基于深度学习技术的实现方法。更进一步,大家还可以探索,这是一类专门为图像相似性任务设计的神经网络。嗯嗯,您学废了吗?

2023-10-14 13:12:29 1854

原创 基于HSV空间的彩色图像分割技术

每当我们看到图像时,它通常都是由各种元素和目标组成的。在某些情况下,我们可能会想要从图像中提取某个特定的对象,大家会怎么做?首先我们会想到的是进行crop相关的操作,这在某种程度上是可行的,但是这通常也会有一些不相关的像素会被包括在内,我确信大多情况下我们不希望这样。事实上,我们可以使用图像处理技术来获得感兴趣的物体。闲话少说,我们直接使用Python来进行图像分割。

2023-10-04 20:22:47 560

原创 推荐十道Python列表基础测试题

Python十大基础面试题

2023-09-23 19:05:54 1575

原创 深度学习基础之梯度下降

本文简要回顾了梯度下降的基础理论知识,温故而知新,希望大家可以从中受益。总之,梯度下降是机器学习中的基本优化方法,它提供了一种机制来通过优化最小化(或最大化)目标来更新相应的参数。

2023-09-09 21:15:31 384 1

原创 【Python】90%开发者未注意到的Python特性

看到这里的小伙伴,想必这个功能对你来说是崭新和有趣的吗?事实上,从大家最喜欢的编码语言中了解学习新事物总是感觉很棒!希望大家可以从现在开始使用此功能,并使编码看起来更容易。

2023-09-03 10:44:51 125

原创 图像后期处理操作

本文针对拍摄图像后期处理过程进行了相关总结,并给出了具体示例,以及每一步详细处理步骤,同时给出了其他样例图像。您学废了嘛?

2023-08-26 19:44:01 236

原创 图像处理技巧形态学滤波之膨胀操作

本文重点介绍了和腐蚀操作相反作用得膨胀操作,并通过具体例子进行了原理讲解,同时给出了相应得代码示例。您学废了嘛?

2023-08-12 20:46:25 1182

原创 图像处理技巧形态学滤波之腐蚀操作

腐蚀的主要目的是去除零散的早点和细线,从而只保留实质性的物体。在我们施加腐蚀操作后,剩余的线条看起来更加细,图像中对象的形状看起来更小。腐蚀蚀通常是对象分割和边界提取等任务中必备的基础操作。您学废了嘛?

2023-08-11 20:57:38 764

原创 OpenCV图像处理技巧之空间滤波

瞧!这些滤波器为我们提供了图像转换的巨大魅力,可以突出隐藏的细节并增强其视觉冲击力。通过了解每种滤波器的特性和应用,可以释放我们的创造力,探索图像处理的无限可能性。这不是很酷吗?😎。

2023-08-04 17:42:50 365

原创 用OpenCV图像处理技巧之白平衡算法(二)

最后的最后,我们对本系列讲解白平衡算法的三种效果进行汇总,结果如下:本文所介绍的三种白平衡算法都矫正了图像中的颜色投射关系,最终,算法的选择取决于应用程序的具体要求和假设。一般来说,和Gray world算法适用于通用颜色校正,而算法非常适合有参考白色补丁的专业应用。您学废了嘛?

2023-07-27 19:58:36 738

原创 用OpenCV图像处理技巧之白平衡算法(一)

白平衡是一种用于校正由不同照明条件引起的图像中的颜色校正的技术。这是一个调整图像颜色对比度的过程,使白色看起来像白色,使黑色看起来像黑色。这对于确保图像中的颜色是准确的并且对人眼来说是自然的是非常重要的。本文重点介绍了使用进行白平衡进而改善图像成像质量的算法细节,并总结了该算法的优缺点并给出了相应的代码示例。您学废了嘛?参考。

2023-07-23 10:18:20 923 2

原创 用OpenCV图像处理技巧之巧用直方图

在这一节中,我们深入探讨了图像处理的世界,探索了各种图像增强技术。重点介绍了利用直方图技术来实现各种图像增强的效果,并给出了相应的代码示例。您学废了嘛?

2023-07-22 16:59:05 466

原创 用OpenCV进行图像分割--进阶篇

通过上述分析,我们一步一步实现了利用RG-色度空间来分割绿色植物的目标,并针对每一步骤都进行了相应的讲解和代码示例,您学废了嘛!

2023-07-09 20:55:37 10153 2

原创 用OpenCV进行传统图像分割

哇,我们今天的旅程简直太棒了!我们对图像分割的深入研究无疑为我们如何从图像中提取有意义的信息提供了有效的方法。希望大家可以通过上述案例,进入到图像处理的神秘领域,感叹相关算法的魅力。

2023-07-03 20:03:48 2394

原创 用OpenCV进行透视变换

经过我们一步一步的优化,我们最终得到了,一幅美丽而干净的自上而下的油画。一般来说,一旦我们有了单应矩阵,我们也可以用它来变换一幅图像,使其与另一幅图像的视角对齐。这对于图像拼接等应用非常有用!嗯嗯,您学废了嘛?

2023-06-23 11:01:55 6050

原创 用OpenCV进行模板匹配

本文重点介绍了在传统图像处理中,如何利用模板匹配的方法来进行从表情包图像中寻找心动表情模板的样例,并给出了相应的代码实现。由于是传统方案,该方法的阈值选择和泛化能力都有一定的局限性,但是学习其背后的原理可以帮助我们更好的理解相关理论概念。

2023-06-23 09:52:10 3381

原创 用OpenCV进行OCR字符分割

本文重点介绍如何利用传统的图像处理的方法来进行OCR字符切分,进而可以用分割后的单个字符做相应的后续任务,虽然现在计算机视觉依然是卷积神经网络的天下,但是对于一些相对简单的落地场景传统方案还是很有效的。闲话少说,我们直接开始吧!

2023-06-22 09:04:46 1905

原创 【Python】在同一图形中更加优雅地绘制多个子图

我相信在单个图形中绘制多个图形有助于对比和提升可视化效果的目的,拥有一种使其更简洁的方法会提升很大的效果,推荐大家多多使用。您学废了嘛?

2023-06-18 19:08:40 1451

原创 【Python】在同一图形中的绘制多个子图

帖子很短,但里面的技巧非常有用。在实际应用中,经常不得不回来重新思考如何做到这一点,特此记录,方便下次查看。最后希望这篇文章帮助初学者轻松地在同一个图形中绘制多个子图。您学废了嘛?

2023-06-10 20:03:43 1760

原创 强化学习Q-learning实践

本文通过具体的应用,来对前篇Q-learning的理论知识用代码进行了详细的说明,主要通过业内知名的Taxi-v3环境进行了讲解,并给出了完整的代码示例。您学废了嘛?

2023-06-10 18:17:35 1857 2

原创 强化学习Q-learning入门

本文重点介绍了Q-learning算法的理论和相关概念,而没有关注它在代码中的实现。后续我会计划针对特定代码进行相应的举例讲解,嗯捏,如果你感兴趣,请多多关注。

2023-06-04 10:46:06 1498

原创 自动驾驶业内动态简讯

针对自动驾驶领域,最近相关头部公司的一些进展进行简短概要汇总,方便小伙伴们对其有直观的认识和把握相关业内最新资讯。

2023-05-27 19:38:42 1453

原创 Python数据可视化小结

通过数据可视化工具来取得引人注目的效果。这是关于了解数据背后隐藏的信息,通过了解受众,并不断接收和实施反馈,以不断改进可视化效果。本文一步一步通过具体数据例子来讲解了如何取得引入注目的可视化效果的完整步骤,并给出了相应的代码示例。您学废了嘛?

2023-05-20 18:32:54 3646

原创 【Python】使用Print函数制作旋转的动画

本文重点介绍了利用Python中的转义字符通过每次覆盖上一次的打印来实现旋转动画效果,并给出了相应的代码示例。您学废了吗?

2023-05-07 11:33:28 1516

虹软2017年秋招算法岗笔试题

虹软2017年秋招算法岗笔试题

2016-09-16

13年南理工上机真题

13年南理工上机真题

2014-04-08

南理工877计算机2014年真题

南理工877计算机2014年真题

2014-04-08

MATLAB6实例教程._.郝红伟编著_.-.北京_.中国电力出版社,.2001年9_0.rar

MATLAB6 使用教程 适合初学者多看一下

2012-09-17

精通MATLAB—综合辅导与指南.rar

精通MATLAB—综合辅导与指南 北京师范大学的数学建模教程,可以看下,吸收点精华……

2012-09-17

数学建模软件spss和SAS软件教程

数学建模软件spss和SAS软件教程 好东西,不解释,自己看

2012-09-15

数学建模教程

数学建模教程 初学者应该看看的书……个人感觉还不错

2012-09-15

LINGO和Excel在数学建模中的应用

LINGO和Excel在数学建模中的应用 经典作品

2012-09-13

数模竞赛matlab经典算法的程序.zip

涉及算法: 插值与拟合 规划问题 常见绘图 解方程 数据分析 图论算法 优化算法

2012-09-10

数学建模10大算法详解+程序源码打包.rar

蒙特卡罗算法、数据拟合、参数估计、插值等数据处理算法 线性规划、整数规划、多元规划、二次规划等规划类问题 图论算法、动态规划、回溯搜索、分治算法、分支定界等计算机算法 模拟退火法、神经网络、遗传算法 、网格算法和穷举法

2012-09-10

克里金工具箱

克里金(Kriging)插值法又称空间自协方差最佳插值法,它是以南非矿业工程师D.G.Krige的名字命名的一种最优内插法。克里金法广泛地应用于地下水模拟、土壤制图等领域,是一种很有用的地质统计格网化方法。它首先考虑的是空间属性在空间位置上的变异分布.确定对一个待插点值有影响的距离范围,然后用此范围内的采样点来估计待插点的属性值。该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后,为达到线性、无偏和最小估计方差的估计,而对每一个样品赋与一定的系数,最后 进行加权平均来估计块段品位的方法。但它仍是一种光滑的内插方法 在数据点多时,其内插的结果可信度较高 。

2012-09-10

克里金插值matlab程序

克里金插值matlab程序 克里金(Kriging)插值法又称空间自协方差最佳插值法,它是以南非矿业工程师D.G.Krige的名字命名的一种最优内插法。克里金法广泛地应用于地下水模拟、土壤制图等领域,是一种很有用的地质统计格网化方法。它首先考虑的是空间属性在空间位置上的变异分布.确定对一个待插点值有影响的距离范围,然后用此范围内的采样点来估计待插点的属性值。该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后,为达到线性、无偏和最小估计方差的估计,而对每一个样品赋与一定的系数,最后 进行加权平均来估计块段品位的方法。但它仍是一种光滑的内插方法 在数据点多时,其内插的结果可信度较高 。

2012-09-10

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除