- 博客(32)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 交叉编译opencv for arm
如果想生成静态库，那么就要取消BUILD_SHARED_LIBS的打勾。cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/mnt/programfiles/arm/opencv-3.4.4/arm_output -D INSTALL_C_EXAMPLES=OFF -D INSTALL_PYTHON_EXAMPLES=OFF -D...
2023-04-27 12:02:17
112
1
原创 图像处理python代码小应用
直方图匹配：https://www.cnblogs.com/picassooo/p/11504937.html仿射变换：https://blog.csdn.net/liuweiyuxiang/article/details/827999991.直方图匹配直方图匹配代码：直方图匹配结果：2.仿射变换a
2020-12-16 22:27:04
284
原创 图像处理--几何运算
几何变换要求有空间变换和灰度插值。灰度级插值输出像素通常被映射到输入图像中的非整数位置，即位于四个输入像素之间，因此，为了决定与该位置相对应的灰度值，必须进行插值运算。1.最近邻插值最简单的插值方法为零阶插值或称为最近邻插值，即令输出像素的灰度值等于离它所映射到的位置最近的输入像素的灰度值。当图像中包含像素之间灰度级有变化的细微结构时，最近邻插值法会在图像中产生人工的痕迹。锯齿形边缘。2.双线性插值一阶插值（双线性插值）效果比零阶插值好，但是程序稍微复杂，运行时间长。由于通过四个点确定一个平
2020-11-24 22:31:51
962
原创 图像代数运算
图像加法：对同一3场景的多幅图像求平均值；将一幅图像内容叠加到另一幅图像图像减法：去除背景以及运动检测图像乘法：抹去图像某些部分图像除法：产生比率图像以提取颜色和光谱信息；区分一副图像中不同颜色区域1.图像之和的直方图两幅图像不相关，即两幅图像之间没有任何关系，它们的联合二维直方图是各自的直方图之积：将两幅不相关的图像进行加运算后得到的输出直方图：符号*表示如下积分中所定义的卷积：卷积运算后，均值和方差变化如下：两个高斯函数进行卷积运算，产生第三个高斯函数，均值发生了移动，并且方差
2020-10-26 17:43:36
1514
原创 点运算
点运算又被称为对比度增强，对比度拉伸或灰度变换。点运算应用1.光度学标定人们常常希望数字图像的灰度能反应一些物理特性，例如光照强度、光密度等。通过去掉图像传感器的非线性影响，点运算可以达到该目的。举例：假设一幅图像被一个对光照强度呈非线性反应的仪器所数字化，点运算可以变换灰度级，使之反应光照强度的等步长增量。2.对比度增强点运算可以扩展感兴趣特征的对比度，使之占据可显示灰度级的更大部分。又称为对比度增强，或者对比度扩展。3.显示标定一些显示设备有能使图像视觉特征突出的优选灰度范围，用这样的显示
2020-09-27 20:56:35
2563
原创 裁剪图像的黑边(图像拼接后的黑边去除)
参考链接:https://www.cnblogs.com/yumoye/p/10512540.html累计多张图像拼接后,黑边会累计增加,为了去除图像拼接后的黑边,截取有用的区域,参考博客代码如下:"""author:youngkun;date:20180608;function:裁剪照片的黑边""" import cv2import osimport datetime def change_size(read_file): image=cv2.imread(read_file,1)
2020-09-04 07:44:42
4177
1
原创 数字图像处理-第5章 灰度直方图
灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:横坐标是灰度级,纵坐标是该灰度出现的频率.当一副图像被压缩为直方图后,所有的空间信息都丢失了.如果图像由两个不连续的区域组成,并且每个区域的直方图已知,则整幅图像的直方图是该两个区域的直方图之和.边界阈值选择假定一幅图像背景是浅色的,其中有一个深色物体.物体的深色像素产生了直方图的左峰,背景产生了右峰.物体边界附近具有两个峰值之间灰度级的像素数目相对较少,从而产生了两峰之间的谷.选择谷作为灰度阈值将得到合理的物体的边界....
2020-08-31 22:34:28
2101
原创 《数字图像处理》前四章基础知识
扫描，采样，量化三个步骤组成了数字化过程。数字化：对一幅图像从其原来的形式转换为数字形式的处理过程。数字化的逆过程是显示，即由一副数字图像生成一可见的图像。扫描：对一幅图像内给定位置的寻址，在扫描过程中被寻址的最小单元是图像元素即像素。对摄影图像的数字化就是对胶片上一个个小斑点的顺序扫描。采样：在一幅图像的每个像素位置上测量灰度值。采样通常由一个图像传感元件完成，将每个像素处的亮度转换成与其成正比的电压值。量化：将测量的灰度值用一个整数表示。由于计算机只能处理数字，因此必须将连续的测量值转化为离散的
2020-08-02 22:07:25
279
原创 python深度学习——用keras实现神经风格迁移
用keras实现神经风格迁移from keras.preprocessing.image import load_img, img_to_arrayimport numpy as npfrom keras.applications import vgg19from keras import backend as Kfrom scipy.optimize import fmin_l_bfgs_b# from scipy.misc import imsaveimport imageioimpor
2020-06-01 17:22:04
755
原创 python深度学习——用Keras实现DeepDream
实现deepdream# import scipy.miscimport imageioimport scipy.ndimageimport numpy as npfrom keras.preprocessing import imagefrom keras.applications import inception_v3from keras import backend as K# 禁用所有与训练有关的操作K.set_learning_phase(0)# 构建不包括全连接层的Inc
2020-06-01 17:06:09
508
1
原创 python深度学习——高级的深度学习最佳实践
Keras 函数式 API使用函数式 API，可以直接操作张量，也可以把层当作函数来使用，接收张量并返回张量。from keras import Input, layersinput_tensor = Input(shape=(32,)) # 一个层是一个函数dense = layers.Dense(32, activation='relu') # 可以在一个张量上调用一个层，它会返回...
2020-05-31 23:05:01
342
原创 python深度学习——深度学习用于文本和序列1
**文本处理**深度学习模型不会接收原始文本作为输入，它只能处理数值张量。文本向量化（vectorize）是指将文本转换为数值张量的过程。它有多种实现方法。将文本分解而成的单元（单词、字符或 n-gram）叫作标记（token），将文本分解成标记的过程叫作分（tokenization）。所有文本向量化过程都是应用某种分词方案，然后将数值向量与生成的标记相关联。将向量与标记相关联的方法有很多...
2020-04-20 22:27:16
311
原创 python深度学习——第5章 深度学习用于计算机视觉
实现一个简单的卷积神经网络，是 Conv2D 层和 MaxPooling2D 层的堆叠。from keras import layersfrom keras import modelsmodel = models.Sequential()model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, ...
2020-04-18 22:03:56
282
原创 python深度学习——前4章简介
Keras 是一个Python 深度学习框架，可以方便地定 义和训练几乎所有类型的深度学习模型。Keras 是一个模型级（model-level）的库，它不处理张量操作、求微分等低层次的运算。相反，它依赖于一个专门的、高度优化的张量库来完成这些运算。目前，Keras有三个后端实现：TensorFlow 后端、 Theano 后端和微软认知工具包（CNTK，Microsoft cognitive ...
2020-03-16 22:16:14
134
原创 TPU定时任务设置时区问题
参考博客:debian两个时区设置，定时任务状态查看，调度任务时区初始化。最近需要在TPU上执行定时任务，设置好时间后crontab未执行，最后查到原因，是因为时区问题。尝试1:Debian里设置时间由两部分组成，localtime和timezone。平时直接用tzselect设置了时区后似乎能看到的时间都是正确的，也就忽略了localtime。但实际上crontab的执行时间是受local...
2019-12-24 08:52:02
442
原创 加速运算
CPU、GPU、TPUTensorFlow 支持的设备包括CPU(一般是 x86 或 x64架构的 CPU ,也可以是手机端 ARM 架构的 CPU ,不过由于 ARM的CPU性能不是十分出众,所以一般不会在训练的过程中被采用)、GPU和TPU(Tensor Processing Unit,这是Google专门为大规模的深度学习计算而研发的特殊设备,目前没有公开发布)。在配置好GPU支持的Te...
2019-12-16 19:35:09
405
1
原创 TensorBoard可视化
TensorBoard简介TensorBoard是TensorFlow官方推出的可视化工具,并不需要额外的安装过程,在TensorFlow安装完成时, TensorBoard 会自动被安装。其界面基于Web，在TensorFlow程序运行过程中可以输出汇总了各种类型数据的日志文件,可视化 TensorFlow 程序的运行状态就是使用TensorBoard读取这些日志文件,解析数据并生成可视化的W...
2019-12-16 19:06:24
71
原创 模型持久化
实现模型持久化的目的在于可以使模型训练后的结果重复使用。这样做无疑节省了重复训练模型的时间,提高了编程工作的效率,因为当遇到稍大的神经网络往往要训练许多天之久 。通过代码实现train.Saver类是 TensorFlow提供的用于保存和还原一个神经网络模型的API，使用代码如下:import tensorflow as tf#声明两个变量并计算其加和a = tf.Variable(t...
2019-12-16 18:44:51
523
原创 数据读取--csv格式
自己制作一个data.csv文件 , 其中共有 30 条记录,每条记录由4个字段组成。使用TextLineReader类和decode_csv函数从csv读取数据。import tensorflow as tf#创建一个队列对输入文件列表进行维护filename_queue = tf.train.string_input_producer(["/mnt/downloads/tf/tf_b...
2019-10-30 17:23:09
1004
原创 数据读取--TFrecord格式
TensorFlow程序读取数据一 共有3种方法:( 1 )预加载数据:当数据量比较小时,通过在程序中定义常量或变量的方式来保存所有数据 。( 2 )供给数据( Feeding ) : 供给数据就是通过给run()函数输入feed_dict 参数的方式将数据注入到 placeholder中,再启动运算过程( 3 )从文件读取数据:这种读取数据的方法意味着在TensorFlow 图的起始,让...
2019-10-30 17:22:45
302
原创 深度强化学习
强化学习( Reinforcement Learning )与深度学习同属机器学习的范畴，是其中 一 个重要的分支，主要用来解决连续决策的问题。强化不像无监督学习那样完全没有学习目标,也不像监督学习那样有非常明确的目标(如图像分类问题中的label)，强化学习的目标是不明确的，模型只会向着能够得到更多奖励的方向去学习。Q学习在强化学习中， Q学习( Q Learning )是一种学习 Acti...
2019-10-28 18:25:26
239
原创 循环神经网络
- 循环神经网络简介循环神经网络（Rerrent Neural Network, RNN ）出现于20世纪80年代，其雏形见于美国物理学家 J.J.Hopfield 于 1982 年提出的可用作联想存储器的互联网络一Hopfield 神经网络模型。卷积神经网络擅长处理大小可变的图像,而循环神经网络则对可变长度的序列数据有较强的处理能力。随着循环神经网络在结构方面的进步和 GPU 硬件性能的迅猛...
2019-09-28 21:41:42
1828
原创 卷积神经网络——基本知识
这里写自定义目录标题简介卷积池化卷积神经网络的一般框架简介卷积神经网络和全连网络一样同属前馈神经网络。相对全连神经网络而言，卷积神经网络相对进步的地方是卷积层结构和池化层结构的引入，这两种层都是卷积神经网络重要的组成部分。卷积是一种特殊的线性运算，用来替代一般的矩阵乘法运算。卷积卷积运算中，第一个参数叫做输入，第二个参数叫核函数或卷积核，输出叫做特征映射或特征图。对于一个卷积运算，输入和卷...
2019-09-23 21:44:45
1193
原创 MNIST手写数字识别实现
MNIST数据集 MNIST是一个简单的手写体数字识别数据集,由70000张28×28像素的黑白图片组成(分辨率较小) 。其中的每一张图片都写有0~ 9中的一个数字,任务就是根据图片上的数字对这些图片进行10分类。 数据集官网地址为http://yann.lecun.com/exdb/mnist/,由以下四部分组成： train-images-idx3-ubyte.gz: train...
2019-09-07 18:18:14
781
原创 学习率的优化
学习率既不能过大, 也不能过小 。为了更好地设置学习率,我们可以逐步减小己经设置好的学习率。１．指数形式的衰减 TensorFlow提供了train.exponential_ deccy() 函数,可以对学习率进行指数形式的衰减。如果用 decayed_learning_rate代表每一轮优化时使用的学习率,learning_ rate 为事先预定义的初始学习 率, decay_rate为...
2019-09-03 22:41:24
709
原创 TensorFlow 提供的优化器
每一个 TensorFlow 提供的优化器都作为 一 个类而被放在了 .py 文件中, 在路径 tensorflow/python/training 下可以找到这些 . py 文件 。这些优化器类分别介绍如下。1. train.Optimizer()这是一个基本的优化器类,该类不常常被直接调用,而较多使用其子类,比如 AdagradOptimizer 、 GradientDescentOpti...
2019-09-03 21:16:29
323
原创 Tensorflow object_detection部署到Android设备
安装Android studio参考链接：https://blog.csdn.net/xulingjie_online/article/details/78501636下载Android Studio与jdk的链接http://www.android-studio.org/安装完成后在android studio中配置sdk：file—>settings—>Android SD...
2019-08-23 10:26:23
374
原创 《Tensorflow深度学习算法原理与编程实战》——优化网络的方法
一般神经网络的训练过程大致分为两个阶段: 第一个阶段先通过前向传播算法计算得到预测值，并将预测值和真实值作比较，得出两者之间的差距； 第二个阶段，通过反向传播算法计算损失函数对每一个参数的梯度，再根据梯度和学习率使用梯度下降算法更新每一个参数。 应用了反向传播的前馈神经网络依然是前馈的。基于梯度的优化...
2019-08-22 22:47:53
560
原创 《Tensorflow深度学习算法原理与编程实战》——深度前馈神经网络
深度前馈神经网络(Deep Feedforward Neural Network)，简称为前馈神经网络(Feedforward Neural Network)，指的是具有前馈特征的神经网络模型。
2019-08-21 21:09:35
2156
1
原创 《Tensorflow深度学习算法原理与编程实战》——tensorflow编程策略
tensorflow中的计算过程可以表示为一个计算图(Computation Graph)或有向图(Direction Graph)。计算图中每一个运算操作视为一个节点(Node)，每个节点可以有任意个输入和任意个输出。如果一个运算的输入取值自另一个运算的输出，那么称这两个运算存在依赖关系，存在依赖关系的两个节点通过边(Edge)相互连接。**张量(Tensor)**就是在边中流动(flow)的...
2019-08-08 23:13:17
2041
原创 ubuntu18.04下tensorflow环境配置
《Tensorflow深度学习算法原理与编程实战》——ubuntu18.04下tensorflow环境配置环境介绍使用自己笔记本进行学习，安装win10与ubuntu18.04双系统，一开始想安装ubuntu16.04，但是无线网卡驱动尝试了n种方法都没搞好，最后决定用ubuntu18.04自带wifi选项。lspci | grep -i nvidia查看显卡型号安装对应版本的驱动，尝试...
2019-07-31 22:56:24
445
sift经典论文.zip
2020-08-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人