![](https://img-blog.csdnimg.cn/20191130202231597.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
AI
人工智能 机器学习 python 各种算法 各种技术持续更新
理想不闪火
成为优秀的CVer,
目前在读软件工程,计算机视觉、深度学习和医学图像处理专攻,
偶尔也搞迁移学习和全栈开发。
展开
-
U-net实现医学图像分割
here U-net论文学Unet,那么用keras版的也是蛮好的,但是到最后有自己的一点需求后再在此基础上搭自己的模块后Keras就显得很麻烦了,你需要考虑很多东西,比如张量对齐一类的,甚至调试都很难,因为Keras是基于tensorflow的,现在pytorch由于它简单灵活的特性被广泛使用,很多发表的论文都是用Pytorch实现的,特别是最近,有超过tensorflow的趋势,本工程文件...原创 2019-12-09 21:04:12 · 1110 阅读 · 0 评论 -
tensorflow和keras的版本问题
Tensorflow 1.3.0 兼容 Keras 2.1.2.不然容易出错错误:while_loop() got an unexpected keyword argument 'maximum_iterations'pip install keras==2.1.2 Tensorflow 1.9.0 兼容Keras 1.9.0Tensorflow 1.11.0 兼容Keras ...原创 2019-12-09 20:54:41 · 635 阅读 · 0 评论 -
scikit_image
hereC:\Windows\system32>pip install -i https://pypi.douban.com/simple/ scikit_imageskimage即是Scikit-Image。基于python脚本语言开发的数字图片处理包skimage包由许多的子模块组成,各个子模块提供不同的功能。主要子模块列表如下:data子模块学习导入data模块from ...原创 2019-12-09 20:04:17 · 401 阅读 · 0 评论 -
图像二值化
图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中,二值图像占有非常重要的地位,图像的二值化使图像中数据量大为减少,从而能凸显出目标的轮廓。...原创 2019-12-09 19:42:31 · 532 阅读 · 1 评论 -
灰度图
除了常见的卫星图像、航空照片外,许多地球物理观测数据也以灰度表示。以位场图像为例,把位场表示为灰度图,需要将位场观测值灰度量化,即将场的变化范围转换成256阶的灰度范围。由于位场的动态变化范围非常大,磁场可达数万个纳特,重力场也可能在数百个重力单位内变化,所以在显示为图像前通常需要对位场观测值进行拉伸或压缩。什么叫灰度图?任何颜色都有红、绿、蓝三原色组成,假如原来某点的颜色为RGB(R,G,B)...原创 2019-12-09 19:41:51 · 1709 阅读 · 0 评论 -
pytorch
一.Pytorch是什么? Pytorch是torch的python版本,是由Facebook开源的神经网络框架,专门针对 GPU 加速的深度神经网络(DNN)编程。Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor )库,在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同,pytorch的计算图是动态的,可以根据计算需要实时改变计算图。但由于To...原创 2019-12-09 19:34:44 · 1120 阅读 · 0 评论 -
深度学习训练数据打标签过程
对于生成的图片添加label,并保存成pkl格式在这里只选择两张图片进行举例。import numpy as npfrom PIL import Imageimport pickleimport matplotlib.pyplot as plt%matplotlib inline读取图片img_640 = Image.open('./output/img_640.jpg')im...原创 2019-12-09 19:17:28 · 4345 阅读 · 2 评论 -
U-net进行图像分割
数据准备原始数据:首先准备数据,参考数据来自于 ISBI 挑战的数据集。数据可以在 这里 下载到,含30张训练图、30张对应的标签。30张测试图片,均为.tif 格式文件程序准备程序地址:这里程序含有2个文件,一个文件为data.py :该文件是用来将训练数据转化为.npy 格式文件,便于网络使用数据。当然还有其他功能如数据增强等,程序中已经进行了解释。另外一个文件:unet.py :该文...原创 2019-12-09 18:16:19 · 1505 阅读 · 2 评论 -
.npy文件
1.前言:在深度学习领域。有一个名词叫迁移学习。倍数贫穷人们所喜爱。拿来主义还是用着很舒服的嘛!在使用训练好的模型时,其中有一种保存的模型文件格式叫.npy。2.打开方式·实现代码:import numpy as nptest=np.load('./bvlc_alexnet.npy',encoding = "latin1") #加载文件doc = open('1.txt', 'a') ...原创 2019-12-09 18:08:33 · 3555 阅读 · 0 评论 -
|TenserFlow复现代码详细分析—TensorflowUtils.py篇
here原创 2019-12-08 17:51:34 · 674 阅读 · 0 评论 -
tensorflow
关于 TensorFlowTensorFlow™ 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU),服务器,移动设备等等。TensorFlow 最初由Go...原创 2019-12-08 16:53:06 · 225 阅读 · 0 评论 -
预训练模型
优秀了预训练模型就是一些人用某个较大的数据集训练好的模型(这种模型往往比较大,训练需要大量的内存资源),你可以用这些预训练模型用到类似的数据集上进行模型微调。就比如自然语言处理中的bert。1 预训练模型由来预训练模型是深度学习架构,已经过训练以执行大量数据上的特定任务(例如,识别图片中的分类问题)。这种训练不容易执行,并且通常需要大量资源,超出许多可用于深度学习模型的人可用的资源,...原创 2019-12-08 16:36:27 · 5176 阅读 · 2 评论 -
深度学习
什么是深度学习?深度学习可以理解为“深度”和“学习”这两个名词的组合。“深度”体现在神经网络的层数上,一般来说,神经网络的层数越多,也就是越深,则学习效果越好;“学习”体现为神经网络可以通过不断地灌溉数据来自动校正权重偏置等参数,以拟合更好的学习效果。一个2层的神经网络的例子深度学习可以应用于什么?深度学习最典型最广泛的应用就是图像识别。此外,深度学习还可以应用于语音、自然语言等领域。...原创 2019-12-08 16:13:29 · 417 阅读 · 0 评论 -
语义分割--全卷积网络FCN详解
将图像级别的分类加强到像素级1.FCN概述CNN做图像分类甚至做目标检测的效果已经被证明并广泛应用,图像语义分割本质上也可以认为是稠密的目标识别(需要预测每个像素点的类别)。传统的基于CNN的语义分割方法是:将像素周围一个小区域(如25*25)作为CNN输入,做训练和预测。这样做有3个问题:像素区域的大小如何确定存储及计算量非常大像素区域的大小限制了感受野的大小,从而只能...原创 2019-12-08 12:21:04 · 615 阅读 · 0 评论 -
FCN-TensorFlow完整代码Github
https://github.com/EternityZY/FCN-TensorFlow原创 2019-12-08 11:35:11 · 1270 阅读 · 0 评论 -
使用keras时下载VGG19过慢的解决方法
问题:当你初次运行keras库时,需要下载VGG19,提示:Downloading data from https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5并下载缓慢。那么,该如何解决呢?解决方法:1...原创 2019-12-08 11:25:07 · 2270 阅读 · 1 评论 -
TensorFLow 加载VGG19 模型并进行预测
import tensorflow as tfimport scipy.ioimport numpy as npimport cv2 #download from here http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.matDEFAULT_PATH="./imagenet-vgg-ver...原创 2019-12-08 11:23:59 · 934 阅读 · 0 评论 -
语义分割之FCN
1 介绍图像语义分割是图像处理和是机器视觉技术中关于图像理解的重要一环,也是 AI 领域中一个重要的分支。语义分割即是对图像中每一个像素点进行分类,确定每个点的类别(如属于背景、人或车等),从而进行区域划分。目前,语义分割已经被广泛应用于自动驾驶、无人机落点判定等场景中。与分类不同的是,语义分割需要判断图像每个像素点的类别,进行精确分割。图像语义分割是像素级别的!但是由于CNN在进行convo...原创 2019-12-08 09:40:38 · 2139 阅读 · 0 评论 -
FCN&&VGG
FCN 相对CNN的优点2014年,加州大学伯克利分校的Long等人提出的完全卷积网络(Fully Convolutional Networks),推广了原有的CNN结构,在不带有全连接层的情况下能进行密集预测。这种结构的提出使得分割图谱可以生成任意大小的图像,且与图像块分类方法相比,也提高了处理速度。在后来,几乎所有关于语义分割的最新研究都采用了这种结构。2) 除了全连接层结构,在分割...原创 2019-12-08 09:34:12 · 1313 阅读 · 0 评论 -
Imagenet VGG-19网络加载和特征可视化
这篇文章主要阐述加载已经训练好的Imagenet VGG-19网络对图像猫进行识别,并且可视化VGG网络卷积层的特征图像。下载Imagenet VGG-19http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat加载Imagenet VGG-19完整代码如下:import scipy.ioim...原创 2019-12-08 09:28:23 · 2015 阅读 · 1 评论 -
利用vgg预训练模型提取图像特征
VGG卷积神经网络是牛津大学在2014年提出来的模型。当这个模型被提出时,由于它的简洁性和实用性,马上成为了当时最流行的卷积神经网络模型。它在图像分类和目标检测任务中都表现出非常好的结果。在2014年的ILSVRC比赛中,VGG 在Top-5中取得了92.3%的正确率。有VGG16和VGG19,模型的权重由ImageNet训练而来...原创 2019-12-08 09:20:48 · 2901 阅读 · 0 评论 -
专注年轻人的AI学习平台
http://dy.163.com/v2/article/detail/E7U2HHE10511TDDJ.html原创 2019-12-07 18:28:41 · 315 阅读 · 0 评论 -
建立线性数据集python
#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Sun Apr 22 14:13:06 2018@author: apple"""import numpy as npimport matplotlib.pyplot as plt#%%def gen_random_data(dim, N_class, num...原创 2019-12-05 18:29:10 · 745 阅读 · 0 评论 -
机器学习需要理解的五个基本概念
1、机器学习可以预测如果你只是在图片中标记朋友的面孔,那就不是在用机器学习模型。如果你上传了一张新照片系统马上告诉你每个人是谁,那你就是应用了机器学习模型。机器学习的主要意义在于根据图案模型和经过训练的其他因素来预测事物。它可以预测任何事物,如要基于地理位置和卧室数量预测房价,基于一年中的时间和天气的变化预测航班是否会延误,依据图片中的人物特点进行人像识别等等。2、机器学习需要训练你必须...原创 2019-12-05 13:51:35 · 415 阅读 · 0 评论 -
TL迁移学习
迁移学习概述背景随着越来越多的机器学习应用场景的出现,而现有表现比较好的监督学习需要大量的标注数据,标注数据是一项枯燥无味且花费巨大的任务,所以迁移学习受到越来越多的关注。传统机器学习(主要指监督学习)基于同分布假设需要大量标注数据然而实际使用过程中不同数据集可能存在一些问题,比如数据分布差异标注数据过期训练数据过期,也就是好不容易标定的数据要被丢弃,有些应用中数据是分布随着时间...原创 2019-12-05 11:02:40 · 795 阅读 · 0 评论 -
卷积神经网络概念与原理
一、卷积神经网络的基本概念受Hubel和Wiesel对猫视觉皮层电生理研究启发,有人提出卷积神经网络(CNN),Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力,在语音识别、人脸识别、通用物体识别、运动分析、自然语言处理甚至脑电波分析方面均有突破。卷积神经网络与普通神经网络的区别在于,卷积神经网络包含了一个由卷积层和子采样...原创 2019-12-04 22:13:24 · 623 阅读 · 0 评论 -
数据分析
https://www.cnblogs.com/tszr/p/11238752.html原创 2019-12-03 09:06:59 · 223 阅读 · 0 评论 -
名片去噪识别-aip
from aip import AipImageProcessfrom aip import AipOcrimport sklearn""" 你的 APPID AK SK """APP_ID = '17781881'API_KEY = '0L4q1HhmkcLq1QsNvd7rar5c'SECRET_KEY = 'yc1rd7PNt6YhoO8Zu7mWH9Z99avUxOXh'c...原创 2019-12-03 08:45:24 · 367 阅读 · 0 评论 -
图像识别4大类任务
Image Classification 图片分类 cnn,alexnet vggobject detection 目标检测 rcnn,fast rcnn, faster rcnnsemantic scene labeling 语义分割 fcninstance seg...原创 2019-12-02 20:23:15 · 1432 阅读 · 0 评论 -
Python机器学习笔记:sklearn库的学习
自2007年发布以来,scikit-learn已经成为Python重要的机器学习库了,scikit-learn简称sklearn,支持包括分类,回归,降维和聚类四大机器学习算法。还包括了特征提取,数据处理和模型评估者三大模块。sklearn是Scipy的扩展,建立在Numpy和matplolib库的基础上。利用这几大模块的优势,可以大大的提高机器学习的效率。sklearn拥有着完善的文档,上手...原创 2019-12-01 19:56:55 · 2042 阅读 · 1 评论 -
机器学习中训练集、验证集和测试集的区别
通常,在训练有监督的机器学习模型的时候,会将数据划分为训练集、验证集合测试集,划分比例一般为0.6:0.2:0.2。对原始数据进行三个集合的划分,是为了能够选出效果(可以理解为准确率)最好的、泛化能力最佳的模型。训练集(Training set)作用是用来拟合模型,通过设置分类器的参数,训练分类模型。后续结合验证集作用时,会选出同一参数的不同取值,拟合出多个分类器。验证集(Cross Val...原创 2019-12-01 18:28:34 · 2778 阅读 · 0 评论 -
各大AI 开放平台一览
各大AI 开放平台一览传送门:2019世界人工智能大会1、百度AI2、腾讯AI 开放平台3、阿里人工智能4、网易人工智能5、亚马逊人工智能服务6、Inter 英特尔人工智能服务1、京东AI2、海康威视 AI3、Face++ AI4、小米小爱 AI5、搜狗 AI6、OLAMI 欧拉密 AI7、讯飞 AI各大AI 开放平台一览传送门:2019世界人工智能大会传送门:2...原创 2019-12-01 16:25:55 · 1918 阅读 · 0 评论 -
通用物体识别
from aip import AipImageClassify""" 你的 APPID AK SK """APP_ID = '17899947'API_KEY = 'OsqUZDGtUUDpluUrXCZIGbb4'SECRET_KEY = 'E7hjQXHrQSZVwHWEc4WtvSp8m5Mj3joG'client = AipImageClassify(APP_ID, API...原创 2019-12-01 16:00:11 · 524 阅读 · 0 评论 -
百度AI开放平台
应用百度已经训练好的模型进行应用,可以了解一下目前AI能做哪些事情。1、申请账号,创建应用获取APP_ID、API_KEY、SECRET_KEY2、安装SDK如果已安装pip,执行pip install baidu-aip即可。如果已安装setuptools,执行python setup.py install即可。3、文字识别from aip import AipOcr“”" 你的...原创 2019-12-01 15:43:07 · 862 阅读 · 0 评论 -
色情图片识别-aip
使用百度AI开放平台创建应用from aip import AipImageCensor""" 你的 APPID AK SK """APP_ID = '17899842'API_KEY = 'VM5S1ouZgwmk7Icc8x2l75pK'SECRET_KEY = '9Cvxl1qB4zGuidQod9Sw6zadQHcnIQZz'client = AipImageCensor...原创 2019-12-01 15:40:52 · 1870 阅读 · 0 评论 -
DeepFake 入门了解
换脸到底是什么样的操作Deepfake,是由“deep machine learning”(深度机器学习)和“fake photo”(假照片)组合而成,本质是一种深度学习模型在图像合成、替换领域的技术框架,属于深度图像生成模型的一次成功应用。其实该技术最早版本在2018年初就被提出了,当时在构建模型的时候使用了Encoder-Decoder自编解码架构,在测试阶段通过将任意扭曲的人脸进行还原,...原创 2019-11-30 20:23:14 · 7645 阅读 · 0 评论