python
王纯月
靡不有初,鲜克有终。
展开
-
【代码篇】图像分类任务辅助标注:决策树的使用
做图像分类标注时,先标注一部分数据,然后计算这些图像的特征信息,见【代码篇】图像预处理阶段:提取图像特征,利用这些特征信息及分类标签训练一个决策树模型,最后再利用这个决策树模型分类剩下的数据,进而减少工作量。原创 2022-12-25 12:52:52 · 299 阅读 · 0 评论 -
【代码篇】图像预处理阶段:提取图像特征
需要提取的图像特征:1.文件大小;2.宽;3.高;4.图片尺寸;5.图像梯度(表征图像纹理的复杂程度);6.sobel算子(表征图像复杂度);7.色彩丰富度;8.无参考图像评价指标NIQE。最后根据上述图像信息可对相同的图片进行去重操作。原创 2022-12-25 12:21:45 · 1054 阅读 · 0 评论 -
【代码篇】xml格式转为json格式(转为coco格式)python版
import jsonimport xml.etree.ElementTree as ETimport osfrom lxml import etreefrom tqdm import tqdmimport numpy as npclass GEN_Annotations: def __init__(self, filename): self.root = etree.Element("annotation") child1 = etree.Sub原创 2022-05-13 15:17:18 · 779 阅读 · 0 评论 -
【代码篇】字节流与图片的转换bytes_To_numpy.ndarray(python版)
前端输入的往往是字节流,这里需要转换成图片才能用cv2读取import cv2import numpy as np# 图片转为字节流img_src = cv2.imread("E:/result_data/1.jpg")img_byte = img_src.tobytes()# 字节流转为图片nparr = np.frombuffer(img_byte, dtype=np.uint8)img_shape = img_src.shapeimg_dst = nparr.reshape(.原创 2021-03-18 20:42:15 · 2022 阅读 · 2 评论 -
【安装篇】pytorch安装(gpu版)
来自于深度之眼课程。安装anaconda的目的是为了创建虚拟环境(用到了conda);安装pycharm的目的就是用其做编译器;安装cuda的目的是装GPU。pytorch安装(gpu版)1.Anaconda安装2.Pycharm安装3.cuda安装4.cudnn安装5.pytorch安装1.Anaconda安装上面安装的第三步非常重要,注意勾选,因为它指的是把anaconda添加到系统环境变量。—————————————————————————————————————————————原创 2020-08-06 17:00:51 · 2709 阅读 · 0 评论 -
【报错篇】cudaGetDeviceCount returned 30 -> unknown error
第一步:确保显卡驱动的版本与CUDA版本对应。转:Win10如何查看Nvidia支持的CUDA版本然后在官网下载对应的cuda版本,而cudnn跟cuda对应。第二步:如果出现cudaGetDeviceCount returned 30 -> unknown error问题,则需要卸载图形驱动程序(由cuda安装的),在控制面板-卸载程序里卸载即可(最终需要重启)...原创 2020-08-06 16:23:28 · 2356 阅读 · 1 评论 -
【安装篇】pytorch安装(cpu+gpu版)
来自于深度之眼课程。注意事项1:安装anaconda的目的是为了创建虚拟环境(用到了coda);安装pycharm的目的就是用其做编译器;安装cuda的目的是装GPU(只用CPU这个可省略)。—————————————————————————————————————————————————————注意事项2:上面安装的第三步非常重要,注意勾选,因为它指的是把anaconda添加到系统环境变量。————————————————————————————————————————————————————原创 2020-07-23 20:27:54 · 2362 阅读 · 0 评论 -
【理论篇】HOG特征描述算子
HOG特征前言1 理论1.1 梯度计算1.2 分网格的梯度方向直方图1.3 块描述子1.4 块描述子归一化2 代码前言HOG全称histogram of oriented gradients.就是根据方向梯度直方图寻找图像的特征。它可以用来表示图像的物体特征,因此能够检测出这类物体。(下图就是HOG提取的特征)HOG特征描述子提取过程:灰度图像转换梯度计算分网格的梯度方向直方图块描述子块描述子归一化1 理论1.1 梯度计算为了得到梯度直方图,那么首先需要计算水平和垂直梯度,这可以原创 2020-07-06 22:34:55 · 1169 阅读 · 0 评论 -
【理论篇】Haar特征描述算子
Haar分类器前言1. 理论1.1 Haar-like特征1.2 积分图1.3 AdaBoost算法1.4 筛选式级联2. 代码(人脸检测)前言以前的人脸检测都是基于像素,基于统计学的概念进行研究。有了Haar之后,人脸检测分类器才出现,准确率也得到了提高。Haar分类器 = Haar-like小波特征 + 积分图方法 + AdaBoost +级联Haar分类器算法的要点如下:使用Haar-like特征做检测。使用积分图(Integral Image)对Haar-like特征求值进行加原创 2020-07-02 21:34:54 · 1285 阅读 · 0 评论 -
【理论篇】LBP特征描述算子
LBP特征描述算子-人脸检测1. 原理2. 对LBP特征向量进行提取2.1 步骤2.2 代码1. 原理进展原始的LBP算子圆形LBP算子旋转不变性的 LBP 算子LBP等价模式定义在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0将 3×3 邻域扩展到任意邻域,并用圆形邻域代替了正方形邻域,改进后的 LBP 算子允许在半径为 R 的圆形邻域内有任意多个像素点通过不断旋转圆形邻域得到原创 2020-06-28 17:15:20 · 338 阅读 · 0 评论 -
【理论篇】Harris特征点检测
我之前利用四个角点的位置特征找到了四个角点,详见:透视变换法校正轮廓(全过程) | python代码Harris角点检测1. 原理1. 原理原图:效果图:原创 2020-06-23 23:06:11 · 373 阅读 · 1 评论 -
【代码篇】更多种括号的匹配(python篇)
class Stack: def __init__(self): self.items = [] def isEmpty(self): return self.items == [] def push(self, item): self.items.append(item) def pop(self): self.items.pop() def peek(self)原创 2020-06-21 15:52:59 · 294 阅读 · 0 评论