首先感谢一下文末的博客,感谢你们的分享!
从今天开始就要开始备赛了,然后在群里,也是看到了很多大佬,我深知自己啥都不会啊,加油吧
然后在看直播时,主持人分享的是去看那个图像分割的课程,那就开始吧,加油!
然后进入后有个预习课程,我对照了自身,发现我面向对象不太会,于是从这学起吧
面向对象编程(python)
简称:oop
这里我看到了骆驼命名法,很是好玩,然后我就去查了一下,可以参照文末第二个博客
就是在断点处用大写字母写出来,我感觉我得养成良好的习惯,也是要从现在开始就要培养
定义类:
class Dog:
pass
实例属性:
class Dog:
def __init__(self, name ,age):
self.name = name
self.age = age
类属性:这个属性是所有实例都具备的
class Dog:
# Class Attribute
species = 'mammal'
然后我们看个例子:也不难,不解释了
class Dog:
species = "dongwu"
def __init__(self,name,age):
self.name = name
self.age = age
xiaoming = Dog("xiaoming",6)
xiaohong = Dog("xiaohong",7)
print(str(xiaohong.name)+" and "+str(xiaohong.age)+" and "+xiaohong.species)
>>xiaohong and 7 and dongwu
然后下一步就是去在类中去写函数了:
class Dog:
species = "dongwu"
def __init__(self,name,age):
self.name = name
self.age = age
def speak(self,sound):
return "{}的叫声是{}".format(self.name,sound)
xiaoming = Dog("xiaoming",6)
xiaohong = Dog("xiaohong",7)
print(str(xiaohong.name)+" and "+str(xiaohong.age)+" and "+xiaohong.species)
print(xiaoming.speak("wang"))
>>xiaohong and 7 and dongwu
>>xiaoming的叫声是wang
对上面的进行了改进,就是这类中写了个函数,这里记住第一个参数是self,必须有,然后其他的自己定,实例化后,调用我们的函数也是self.def,这个要注意,然后self就不用写函数里了,直接写我们后来的参数,
然后说一下对象继承:我的理解就是在这个类的基础上,然后新建个类,并且扩展属性,但确拥有原来类的所有属性。
class Dog:
species = "dongwu"
def __init__(self,name,age):
self.name = name
self.age = age
def speak(self,sound):
return "{}的叫声是{}".format(self.name,sound)
class MuYang(Dog):
def run(self,speed):
return "速度为{}".format(speed)
xiaoming = Dog("xiaoming",6)
xiaohong = MuYang("muyang",12)
print(str(xiaohong.name)+" and "+str(xiaohong.age)+" and "+xiaohong.run(70))
>>muyang and 12 and 速度为70
然后就是对图像分割的快速体验
人像分割
人像分割任务旨在识别图像中的人体轮廓,与背景进行分离,返回分割后的二值图、灰度图、前景人像图,适应多个人体、复杂背景、各类人体姿态。
可应用于人像扣图、人体特效和影视后期处理等场景。
然后说会用到paddleseg,于是我去查了一下,说到要用paddle2.0版本,那么我先用弄个这个版本的,我原来是用的1.8版本的,然后很感谢群里的大佬,给我提供的博客,下次他们发啥我都去看去,嗯!
是一篇关于ai stdio 的使用的教程,我觉得可以去参照一波
然后第一步是paddleseg的安装,PaddleSeg是基于PaddlePaddle生态下的语义分割库,可结合丰富的预训练模型更便捷高效地进行语义分割。
注: 在AI studio中运行shell命令需要在最开始添加!,这里是需要注意的
# 解压从PaddleSeg Github仓库下载好的压缩包
!unzip -o PaddleSeg.zip
# 运行脚本需在PaddleSeg目录下
%cd PaddleSeg
# 安装所需依赖项
!pip install -r requirements.txt
若你想在自己的电脑环境中安装PaddleSeg,可运行如下命令:
# 从PaddleSeg的github仓库下载代码
git clone https://github.com/PaddlePaddle/PaddleSeg.git
# 运行PaddleSeg的程序需在PaddleSeg目录下
cd PaddleSeg/
# 安装所需依赖项
pip install -r requirements.txt
安装后看到这个文件夹,这里说明一下在ai stdio 中的命令cd 前要加%,命令要加!
然后这个教程是使用DeepLabv3+ xception网络检测人像。
先看下DeepLabv3+ 介绍:官网讲的有点太浅了,后续看视频会详解,这里先有个印象
Xception是DeepLa