图像处理
文章平均质量分 94
hahaCoderX
计算机硕士,《智能前端技术与实践》作者,主要研究方向包括机器学习、Web开发、网络爬虫
展开
-
Canvas 2D详解
大家好,我是石璞东。在我书的第六章中有一个关于MNIST手写数字的例子,当数据集加载完成之后,用户可以在<canvas/>上输入手写数字,点击「预测」按钮之后,浏览器会弹出经模型预测之后的结果;在我书的第九章和第十章中,分别有关于目标检测和人体姿态检测的案例,当关键点的得分符合一定要求时,会通过<canvas/>将关键部分绘制出来,请看效果:图1 - MNIST手写数字案例图2 - 人体姿态检测案例图3 - 目标检测案例接下来,我们将在本文中详细讲解一下上述三个原创 2021-03-30 12:27:28 · 3213 阅读 · 0 评论 -
FileReader详解
我在Google Chrome Web Store上发布了一个案例hahaOCR,该扩展程序可以帮助用户识别出图片中的文字信息,并以文本形式显示,大家可以在chrome网上应用商店中找到我发布的应用程序,如图所示:图1 - hahaOCR该扩展程序支持用户通过文件上传按钮上传图片,请看演示效果:图2 - 测试图片图3 - 测试效果接下来,我们将在本文中详细讲解该案例所涉及的文件(图片)处理模块。参考资料MDN Web Docs:https://developer.mozilla.o原创 2021-03-14 01:40:50 · 7394 阅读 · 7 评论 -
基于Adaboost的高光谱分类算法设计
这次我们分享数据挖掘领域中较为经典的一个算法 AdaBoost,首先请看本次分享的目录梗概:数据集简介AdaBoost算法简介AdaBoost算法实例解析代码展示参考文献一、数据集简介数据集地址:http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scen该数据集共包括Indian Pines、Salinas、Pavia Centre and University、Cuprite、Kennedy原创 2020-11-12 18:12:27 · 1124 阅读 · 6 评论 -
详解上采样的两种常用方法(附以TensorFlow 2.x实现的小demo)
我们以Unet网络来进入我们今天将要分享的主题,请看下图:我们知道,Unet网络结构大致可以分为三大部分:编码器(Encoder):由四个子模块构成,每个子模块包含两个卷积层,并且在每个子模块之后均有一个通过max_pooling实现的下采样层;通过观察网络层级结构我们可以知道,Encoder共下采样4次,一共下采样16倍;解码器(Decoder):同样由四个子模块组成,与Encoder对应,Decoder共上采样4次,从而可以将Encoder得到的高级语义特征图恢复到原图片的分辨率;skip原创 2020-11-06 01:00:42 · 4630 阅读 · 0 评论