DONG_LIN_2019的博客

原创 C++(ALL) STL ATL Opencv 视觉图像实践进展记录

目录检索文件夹中的图片名——可用于批量读取图片C++ 创建文件夹并检测指定文件的个数C++ 检测指定文件的个数C++ 多线程C++ 常见错误解决"Error: "const char"类型的实参与"LPCWSTR"类型的形参不兼容"，解决方法：operator()找数组最大最小值图像增强——RGB图分离并均衡化图像增强——RGB图分离并对数log变换...

原创 Python_2019-01-04_机器学习——Tensorflow基本实现

目录tensorflow基础张量Tensor to Numpy'ndarraynumpy'ndarray to tensorTensorflow（tf）、matplotlib.pyplot（plt）案例：求y=(3*x1+4*x2) ^2在(2,3)处的偏导（梯度：(F'x1、F'x2)）三个参数：张量、常量、占位符、变量案例——求极小值案例——梯度下降求最小...

原创 机器视觉_相机开发（二）——大恒相机

目录第一步：安装Gaalxy_view软件：Galaxy_V18.06.25.01_X86_Win_cn.exe第二步：测试相机：MER-1070-10GC相机，应用软件打开该相机体验。第三步：利用SDK-API进行编程，主要功能（开启、采集、录像、停止、关闭）C接口利用回调函数进行显示C++ 接口利用回调函数进行显示利用获取帧进行显示第四步：MFC联合SDK进...

原创 常用链接

目录常用链接常用资源  常用链接机器学习库_scikit-learn说明文档：#http://scikit-learn.org/stable/index.htmlscikit_kearn使用（决策树）：#https://blog.csdn.net/szfhy/article/details/78648165Python实现C4.5(信息增益率):#http://...

原创 数据可视化-直方图

【代码】数据可视化-直方图。

原创 raw文件检索规则

【代码】文件检索规则。

原创 数据可视化 - 多个直方图

数据data后，自动统计data内部重复元素的个数作为直方图。，从小到大的元素自动排列作为直方图。

原创 Transforms IO

【代码】Transforms IO。

原创 MHD IO接口

【代码】MHD IO接口。

原创 pytorch 1.12.1 模板更新

【代码】pytorch 1.12.1 模板更新。

原创 医学图像数据增强-重采样itk

代码】医学图像数据增强-重采样itk。

原创 医学图像数据增强-归一化

代码】医学图像数据增强-归一化。

原创 python cv2 封装一个视频IO_todo

python cv2 封装一个视频IO_todo

原创 医疗影像算法工具的理解-pytorch

医疗影像工具理解

原创 pycharm的虚拟环境如何共享到jupyter-lab

pycharm的虚拟环境分享到jupyter中

原创 Python常用工具_dlib库的使用：人脸检测，人脸关键点

python工具库，人脸检测+人脸关键点定位

原创 手把手实现语义分割项目

手把手实现图像语义分割，图像分割

原创 Python应用（四）其他功能（一）python将ppt导出高清图片

WPS高清图片导出需要会员，就为了一个这个小需求开一个会员太亏了。实现python ppt导出高清图片功能

原创 Python应用(三)爬虫基础(一)下载资源链接

python爬虫资源下载，当文件很大，容易出现断点，可以使用 header元素的 range字段 从断点继续下载。

原创 专利检索工具（一）Derwent Innovation

专利检索工具

原创 Python开发数据可视化应用：hvplot交互式绘图

数据可视化（一）hvplot交互式绘图

原创 C++开发UDP通信：使用socket创建UDP服务器端和客户端

UDP通信步骤引用UDP通信步骤一、UDP套接字服务端架构步骤1． //初始化套接字环境WSAStartup2． //初始化地址和端口3． //创建UDP套接字socket4． //绑定端口bind5． //用recvfrom接收数据6． //用sendto发送数据7． //退出或者返回第5步继续 二、UDP客户端架构步骤1． //初始化套接字环境WSAStartup2． //初始化地址和端口3． //创建UDP套接字socket4． //用sendto发送数据5． //用

原创 Python开发UDP通信：使用socket创建UDP服务器端和客户端

UDP通信步骤引用UDP通信步骤一、UDP套接字服务端架构步骤1． //初始化套接字环境WSAStartup2． //初始化地址和端口3． //创建UDP套接字socket4． //绑定端口bind5． //用recvfrom接收数据6． //用sendto发送数据7． //退出或者返回第5步继续 二、UDP客户端架构步骤1． //初始化套接字环境WSAStartup2． //初始化地址和端口3． //创建UDP套接字socket4． //用sendto发送数据5． //用

原创 图像语义分割实践（五）优化器与学习率

优化器方法与学习率策略

原创 图像语义分割实践（四）损失函数与实现

pytorch损失函数的实现

原创 图像语义分割实践（三）模型搭建与实现

神经网络搭建常用基础模块有卷积，池化，归一，激活，全连接等等。如果使用Pytorch进行网络的搭建时，除了需要掌握这些基础模块外，还需要熟悉模型容器。

原创 图像语义分割实践（一）标签制作与转换

实现语义分割的标签制作与转换heatmap。

原创 图像语义分割实践（二）数据增强与读取

通过pytorch的dataset对象和dataloader对象实现语义分割的数据增强与读取。

原创 手把手使用 Nvidia TX2 加速目标检测模型-三部曲

太多页了，算了，生成pdf

原创 入门 tf

import osimport numpy as npimport tensorflow as tffrom tensorflow.core.framework import summary_pb2from tensorflow.python.framework.graph_util import convert_variables_to_constantsfrom tensorflow.examples.tutorials.mnist import input_datatf.logging..

原创 语义分割—Labelme转标签图

# >> !pip install -r requirements.txtfrom json_to_dataset import mk_datasetclass args: label_name_to_value = {'_background_': 0, 'center':1} # 指定标签映射 json_file = "./data" # json路径 image_file = "./data" # 图片路径 img_type = ".

原创 图像语义分割实践（二）数据增强与读取推荐库 “imgaug“

import cv2import numpy as npimport imgaug as iaimport imgaug.augmenters as iaafrom imgaug.augmentables import Keypoint, KeypointsOnImage # 关键点from imgaug.augmentables.segmaps import SegmentationMapsOnImage # 分割图image_name = "xxx.jpg"segmap_na...

原创 Opencv dnn tpb模型（tensorflow）调用——分类

自建模型：python调用成功， C++官网调用成功，但是自己写的调用失败，太坑了###################################################################### # # ###### dnn ...

原创 图像语义分割论文（五）金字塔 FPN，PAN，......

def FPN_s(inputs, stage_chal=(116, 232, 464), is_training=True): C3, C4, C5 = inputs P5 = Conv2D_BN_ReLU(C5, stage_chal[2], 256, 1, 1, act_type="relu", is_training=is_training) print(P5) P4_1 = Conv2D_BN_ReLU(C4, stage_chal[1], 256, ...

原创 图像语义分割论文（二）DFANet

DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation总结：精度不错，实时性也好，有必要试试CPU的运行速度技巧：多分支+高精度上采样目前实时语义分割主要包含三种思路，1、采用高效backbone；2、利用多分支来在速度和精度上取权衡；3、通过设计高精度的上采样模块来获得高分辨率的预测。...

原创 图像语义分割论文（四）BiSeNet V2

BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation BiSeNet V2: Bilateral Network with Guided Aggregation for Real-time Semantic Segmentation总结：精度不错，实时性也好，但是在CPU上不理想（200ms）技巧：多分支+高精度上采样+多头监督目前实时语义分割主要包含三种思路，1、采用高效backbone；2、

原创 图像语义分割论文（三）LEDNET

LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION技巧：残差+APN

原创 图像语义分割论文（一）ENET

ENet: A Deep Neural Network Architecture forReal-Time Semantic Segmentation感觉实现的框架还是挺繁琐，精度不够的赶脚，利用的技巧：残差（通常残差+组卷积技巧提精度）

原创 2021-0202 yolo的框架-YOLOv3

原创 2021-0202 yolo的框架-YOLOv5

复现的模型，改了点东西， VOC测试结果：有的厉害，我都不敢相信。