- 博客(16)
- 收藏
- 关注
RSS订阅原创 图像算法从业一年的体验
序幕在老家的一个私企从事图像算法这个行业已经将近一年，说是这一年学到了什么的话，可能就是如何应用框架对数据进行训练了吧；说是养成了什么习惯，可能就是越来越懒了吧。下面给大家总结一下我个人这一年工作以来的感受。（本文纯纯txt版本）拉开序幕我是从事工业故障（缺陷）方面的检测工作，其中一些涉及到公司内部信息的我这里便不进行提及了。对于工业故障检测，我们应用的主要方案大致就是：数据处理+图像处理+深度学习+图像处理数据处理+图像处理+深度学习+深度学习+图像处理数据处理先说第一种，图像处理+深
2021-05-07 13:37:55
908
2
原创 Come on和我一起做基于深度学习的缺陷检测一(模型训练）
各位客官实在是抱歉，最近开始上班了，导致没时间更新博客，好不容易有个周末，来把没有写完的写上。这个是我在GitHub上下载的一个master，具体链接不记得了，下载完结构如下图大家自己在GitHub上找一找，这个代码有很多大神都已经写完了，先说一说需要改动的地方吧。我们来依次介绍，font就是个放字体文件的文件夹，要是想要简体中文的话自己在网上下载个文件就可以了，放在yolo.py文件里的154行就可以了、下一个文件夹log这个是用来存放训练的模型的，这个大神的代码保存的是**.h5模型，所以用的
2020-07-05 17:44:10
1567
6
原创 Come on和我一起做基于深度学习的缺陷检测一(数据准备2）
基于深度学习的织物疵点检测Pascal-Voc格式数据集.xml格式数据集增强Pascal-Voc格式数据集和上一个博客一样，同样是通过精灵标注助手，可以直接生成Pascal-Voc格式的数据，具体如下图所示。文件属性都是 .xml 格式的文件，里面的内容有些许的差异，下面来看看如何用Python生成这个文件# -*- coding: utf-8 -*-from lxml import etreeimport numpy as npimport xml.etree.ElementTree a
2020-05-17 00:25:53
497
2
原创 Come on和我一起做基于深度学习的缺陷检测一(数据准备）
基于深度学习的织物疵点检测数据集的制作数据标注数据增强（图像和xml文件同时增强）这里有几句话要说：这个项目会持续更新，由于要忙于毕业答辩和论文修改，更新时间不定；由于本人研三，今年毕业要去工作，可能会出现拖更的现象；我把以前Python-OpenCV的相关博客删除了，因为这个OPENCV更新太快，发现有的已经没啥作用了，以后的博客尽量用矩阵运算的形式来编写代码。数据集的制作这里数...
2020-05-08 16:53:35
2082
9
原创 图像任你转，黑边不再现
图像任你转，黑边不再现图像旋转原理点的旋转图像的旋转图像去黑三级目录图像旋转原理在接触图像处理的过程中，你一定接触过图像的旋转、平移、缩放等基本变换，这里就说图像的旋转。点的旋转点（x，y）通过顺时针旋转θ，变换为（x’，y’）。它是如何变换的呢？这里用三角函数进行表示。先是x，y的由来然后是，x’，y’的由来这里想要用x，y来表示x’，y’，先要引入三角函数的展开式根据展...
2020-05-05 12:25:43
2048
8
原创 啥是卷积神经网络（三）（GoogLeNet v1网络详解）
啥是卷积神经网络（三）（ GoogLeNet详解）故事的起因故事的经过输入Inception(3a、b)故事的起因这里为什么直接就介绍 GoogLeNet网络结构，而不是介绍更早地一点的AlexNet、VGG等结构呢？主要原因就是一个叫做 1x1 卷积核的机制。这个1x1 卷积方式就是GoogLeNet首次提出来的，在我的‘啥是卷积神经网络（一）’中对1x1卷积核进行了详细的介绍。怕到时候忘记...
2020-04-22 18:09:17
916
原创 啥是卷积神经网络（二）（LeNet-5网络详解）
LeNet-5磨磨唧唧网络介绍输入（Input）隐含层卷积层（Convolutions,C1）磨磨唧唧上一个随笔说了卷积神经网络中的隐含层及其工作机制，这回以神经网络的开山鼻祖LeNet-5网络为例，对卷积神经网络进行详细的介绍。网络介绍先放一张大家都看过的LeNet-5网络结构图，其实这个图像已经可以很清楚的解释了LeNet-5的网络结构和工作机制。为了更加清晰的理解，我们来一步一步...
2020-04-20 16:46:04
1251
原创 啥是卷积神经网络（一）
卷积神经网络絮絮叨叨卷积神经网络（CNN）是啥？隐含层卷积层合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入絮絮叨叨网络上有关...
2020-04-19 13:48:50
1139
原创 自己编程实现抖音特效（Python）
最近被抖音的各种神奇特效折服的不行不行的，于是准备自己写一个简单的小特效，下面开始进入正题：首先我们要知道特效要实现的功能。本人毕竟第一次弄，就选择一个简单的特效------戴帽子框架搭建思路：人脸识别这里的人脸识别采用开源库OpenCV中的haarcascade_frontalface_default.xml文件进行检测，这个文件在OpenCV官网上或者GitHub上就可以下载，这里...
2019-10-13 22:15:51
4612
1
原创 Python 闭包
在介绍Python中闭包的知识点之前，我们首先来了解一下什么是全局变量和局部变量1.全局变量：在函数体外部声明的变量，所有函数都可以访问；2.局部变量：在函数体内部声明的变量，仅限于函数内部使用；在Python中全局变量和局部变量有以下几点关系：当局部变量和全局变量名称相同时，采用就近原则；如果全局变量是不可变的(比如字符串)，在函数中进行修改需要添加global关键字；如果全局变量...
2019-08-28 17:54:34
110
原创 Python 函数参数
没啥用的话：最近复习了python的基础语法，发现很多东西都已忘记，现在重新捡起来，以博客的方式记录，以便巩固和复习python中的函数参数在python中构造函数是个再简单不过的过程了，只需要像下面这样。def 函数名(参数1，参数2，....): 函数体其中函数名可以随意取，自己写程序的话只要函数名自己知道啥意思就行；函数体就要根据函数具体功能来编写啦。这里主要介...
2019-08-24 21:41:57
170
原创 机器视觉之镜头
由于最近需要找工作，补充了一下机器视觉镜头的基础知识，在阅读博客和论文的同时，整理出下面的内容，希望各位大神给与指正和帮助。工业摄像头的主要参数包括：分辨率、帧率、像素格式、像元、相机接口、传输接口。下面对这些参数进行简要介绍：分辨率（Resolution）指的是图像传感器中所包含的像素点数，用长X宽表示。我们常说多少万像素相机就是由分辨率计算得来的，4:3的计算方式如下表。分辨率在一...
2019-08-02 20:35:32
1164
2
原创 机器视觉之光源系统
机器视觉系统——光源本文参考一些经典博客、论文和本人的相关经验归纳整理。照明系统是机器视觉系统中最关键的部分之一，光源的选择和设计会影响到图像的质量，进而影响到系统的性能。有效的光源系统能够产生最大的对比度、亮度，且对部件的位置变化不敏感。并可提高检测的准确率和效率。常见的机器视觉照明光源主要包括以下几种类型:白炽光源、金属卤素光源、荧光光源、LED光源、红外光源、X射线光源等。如下表所示...
2019-07-28 16:40:50
1727
原创 织物瑕疵数据集
本人目前是在读研究生，研究方向为机器视觉，现可承接有关机器视觉相关项目检测算法部分的编写，编程语言采用Python或halcon自带编程语言。参与理管机的识别算法的编写，目前正在做验布机的瑕疵检测算法部分。（有些做不了的东西望各位老板不要见怪，毕竟还是个学生党，能力和见识有限。文章最后有联系方式）下面开始进入正题织物瑕疵数据集大小共（6.5GB），后续会继续更新，其中包括三部分（有偿）。...
2019-06-27 14:57:08
9375
97
原创 Roberts、Sobel、Prewitt、Kirsch、Canny、Laplacian图像边缘检测原理及其代码实现(Python3)
边缘检测在介绍边缘检测之前，我们需要先了解什么是图像梯度？图像梯度函数可以用一阶导数来表示变化程度，而对于二维图像来说，其局部特性的显著变化可以用梯度来表示。梯度是函数变化的一种度量，定义为：而对数数字图像而言，导数可用差分来近似。以上就是图像梯度的简单介绍。下面进入本文正题：边缘检测算子(edge detectors)，是用于在亮度函数中定位变化的非常重要的局部图像预处理...
2019-03-01 16:08:21
5037
原创 奇异值分解SVD数学原理及代码(Python)
奇异值分解SVD数学原理及代码(Python)首先简单介绍一下什么是正交矩阵(酉矩阵)如果 或其中，E为单位矩阵，或，则n阶实矩阵A称为正交矩阵。正交矩阵是实数特殊化的酉矩阵，因此总是属于正规矩阵。下面进入正题：由上式可知U，V为正交方阵，故可进行特征值和特征向量的求解从下面的例子中可以更容易增强对奇异值分解的理解上式中正交矩阵的特征值和特征向量求解过程通过...
2019-02-28 22:23:05
3293
5
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人