- 博客(322)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 深度学习传统CV算法——边缘检测算子总结以及新兴边缘算法
边缘检测算子总结边缘检测算子总结SUSAN边缘及角点检测方法SUSAN检测方法概述SUSAN边缘检测边缘响应的计算边缘方向的计算非极大值抑制子像素精度检测位置并不依赖于窗口大小SUSAN角点检测排除误检的角点非极大值抑制SUSAN噪声滤波方法新兴的边缘检测算法边缘检测算子总结算子优缺点比较Roberts对具有陡峭的低噪声的图像处理效果较好, 但利用Roberts算子提取边缘的结果是边缘比较粗, 因此边缘定位不是很准确。Sobel对灰度渐变和噪声较多的图像处理效果比较好, S
2021-12-21 16:15:24
2860
原创 深度学习传统CV算法——二阶微分边缘算子
二阶微分边缘算子二阶微分边缘算子二阶微分边缘算子基本思想Laplace 算子拉普拉斯表达式图像中的Laplace 算子二阶微分边缘算子二阶微分边缘算子基本思想边缘即是图像的一阶导数局部最大值的地方，那么也意味着该点的二阶导数为零。二阶微分边缘检测算子就是利用图像在边缘处的阶跃性导致图像二阶微分在边缘处出现零值这一特性进行边缘检测的。对于图像的二阶微分可以用拉普拉斯算子来表示：∇2I=∂2I∂x2+∂2I∂y2\nabla^{2} I=\frac{\partial^{2} I}{\pa
2021-12-21 14:27:18
1111
原创 深度学习传统CV算法——一阶微分边缘算子
一阶微分边缘算子详解一阶微分边缘算子一阶微分边缘算子基本思想Roberts 算子Roberts 算法思想Roberts 算法步骤Roberts 算子的推导Roberts 算法优缺点Prewitt 算子Prewitt 算法思想Prewitt 算法步骤Prewitt 算法优缺点Sobel 算子Sobel 算法思想Sobel 算法步骤Sobel 算法优缺点Sobel 的变种——Istropic SobelKirsch 算子Kirsch 算法思想Kirsch 算法步骤Kirsch 算法计算优化Kirsch 算法优缺
2021-12-20 16:45:48
2481
原创 深度学习传统CV算法——边缘检测算法综述
边缘检测边缘概述认识边缘定义轮廓和边缘的关系边缘的类型边缘检测的概念概念边缘检测方法基本方法图像滤波图像增强图像检测图像定位边缘检测算子的概念常见的边缘检测算子用梯度算子实现边缘检测的原理梯度算子边缘点梯度梯度算子梯度如何衡量使用梯度算子实现边缘检测原理实现参考边缘概述认识边缘定义边缘是不同区域的分界线，是周围（局部）灰度值有显著变化的像素点的集合，有幅值与方向两个属性。这个不是绝对的定义，主要记住边缘是局部特征，以及周围灰度值显著变化产生边缘。轮廓和边缘的关系一般认为轮廓是对物体的完整边界的描
2021-12-16 17:22:16
6317
原创 机器学习方法在测井解释上的应用-以岩性分类为例
机器学习在测井解释上的应用越来越广泛，主要用于提高油气勘探和开发的效率和精度。通过使用机器学习算法，可以从测井数据中自动识别地质特征，预测岩石物理性质，以及优化油气储层的评估和管理。：机器学习模型能够分析测井数据，如声波、电阻率、伽玛射线等，来识别不同的岩石类型和沉积环境。：使用机器学习算法可以根据测井数据预测岩石的孔隙度和渗透性，这对于评估储层质量和油气潜力非常关键。：机器学习方法可以帮助解释和量化储层的复杂特性，如裂缝、岩层压实度和含油饱和度等。
2024-04-16 22:21:23
352
原创 OpenCV基本图像处理操作（六）——直方图与模版匹配
模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)
2024-04-16 01:43:47
186
原创 OpenCV基本图像处理操作（五）——图像数据操作
这段代码演示了使用 OpenCV 在图像边缘添加不同类型的边框的方法。代码首先指定了要添加到图像四周的边框大小，然后使用不同的边框类型来创建新的图像。最后，使用 matplotlib 展示了原始图像和各种边框效果。
2024-04-16 00:51:37
183
原创 OpenCV基本图像处理操作（四）——傅立叶变换
opencv中主要就是cv2.dft()和cv2.idft()，输入图像需要先转换成np.float32 格式。cv2.dft()返回的结果是双通道的（实部，虚部），通常还需要转换成图像格式才能展示（0,255）。得到的结果中频率为0的部分会在左上角，通常要转换到中心位置，可以通过shift变换来实现。高通滤波器：只保留高频，会使得图像细节增强。低频：变化缓慢的灰度分量，例如一片大海。低通滤波器：只保留低频，会使得图像模糊。高频：变化剧烈的灰度分量，例如边界。
2024-04-16 00:31:39
146
原创 OpenCV基本图像处理操作（二）——边缘算子与图像金字塔
较低的阈值可以捕获更多的边缘（但可能包括一些噪声），而较高的阈值只捕获最显著的边缘。这个算法的步骤包括使用高斯滤波器去除图像噪声、计算图像的梯度强度和方向、应用非极大值抑制（NMS）来消除边缘响应的假阳性以及应用双阈值检测和边缘连接。高斯金字塔主要用于图像的多尺度表示。Sobel算子是一种用于边缘检测的图像梯度算子，它通过计算图像亮度的空间梯度来突出显示图像中的边缘。在实践中，Sobel算子通过卷积框架应用于图像，分别计算x和y方向上的梯度，然后根据需要可能会结合这两个方向的梯度来得到边缘的完整表示。
2024-04-16 00:14:35
244
原创 基于LSTM的新闻中文文本分类——基于textCNN与textRNN
输入文本先通过embedding层转换为词向量表示。添加一个维度以适配卷积操作（unsqueeze(1)）。应用多个卷积层和池化层（conv_and_pool），然后将结果拼接。应用Dropout。通过全连接层得到最终分类结果。"""配置参数"""self.train_path = dataset + '/data/train.txt' # 训练集self.dev_path = dataset + '/data/dev.txt' # 验证集。
2024-04-15 00:13:03
390
原创 基于torch的图像识别训练策略与常用模块
数据预处理部分：数据增强：torchvision中transforms模块自带功能，比较实用数据预处理：torchvision中transforms也帮我们实现好了，直接调用即可DataLoader模块直接读取batch数据网络模块设置：加载预训练模型，torchvision中有很多经典网络架构，调用起来十分方便，并且可以用人家训练好的权重参数来继续训练，也就是所谓的迁移学习需要注意的是别人训练好的任务跟咱们的可不是完全一样，需要把最后的head层改一改，一般也就是最后的全连接层，改成咱们
2024-04-14 09:08:29
284
原创 基于Pytorch实现图像分类——基于jupyter
解压数据集查阅数据模型搭建Mnist_NN((hidden1): Linear(in_features=784, out_features=128, bias=True)(hidden2): Linear(in_features=128, out_features=256, bias=True)(out): Linear(in_features=256, out_features=10, bias=True))
2024-04-14 01:29:05
441
1
原创 基于PyTorch神经网络进行温度预测——基于jupyter实现
未经标准化的数据如果直接用于模型训练，可能会因为量纲的差异而影响模型的性能，使得某些特征的权重过大或过小。通过标准化处理，可以确保每个特征对模型的影响是均衡的，从而提高算法的精确度和效率。加速模型收敛：在使用梯度下降等优化算法时，如果数据集的特征尺度差异较大，可能会导致优化过程中步长的不均匀，使得收敛速度变慢。应对异常值：标准化过程通常包括消除异常值的影响，比如通过将数据缩放到一个固定的范围（如0到1之间），或者通过z-score方法（即减去平均值，除以标准差）来减少某些极端值对整体数据分布的影响。
2024-04-14 01:16:29
824
原创 ByteTrack算法原理解析
模块，用于解决线性分配问题（也称为匈牙利算法）。这个函数会找到一种最优的配对方式，使得两组元素之间的配对总成本最小。函数来自 SciPy 的。
2024-02-22 14:28:04
1260
原创 1-cuda与gpu编程
计算机基本硬件组成是指简单的多个CPU工作在同一个系统上，多个CPU之间的通讯是通过主板上的总线进行的多核 ：是指一个CPU有多个核心处理器，处理器之间通过CPU内部总线进行通讯。进程和线程进程：是操作系统（OS）进行资源（CPU、内存、磁盘、IO、带宽等）分配的最小单位。一个进程就是一个程序的运行实例启动一个程序的时候，操作系统会为该程序创建一块内存，用来存放代码、运行中的数据和一个执行任务的主线程，我们把这样的一个运行环境叫进程，例如：打开一个浏览器、一个聊天窗口分别是一个进程。
2023-12-01 11:56:06
312
原创 CUDA与GPU编程
计算机基本硬件组成是指简单的多个CPU工作在同一个系统上，多个CPU之间的通讯是通过主板上的总线进行的多核 ：是指一个CPU有多个核心处理器，处理器之间通过CPU内部总线进行通讯。进程和线程进程：是操作系统（OS）进行资源（CPU、内存、磁盘、IO、带宽等）分配的最小单位。一个进程就是一个程序的运行实例启动一个程序的时候，操作系统会为该程序创建一块内存，用来存放代码、运行中的数据和一个执行任务的主线程，我们把这样的一个运行环境叫进程，例如：打开一个浏览器、一个聊天窗口分别是一个进程。
2023-11-24 00:36:22
232
原创 jetson xavier NX深度学习环境配置
首先要准备一张SD卡，将SD卡插入电脑或使用读卡器插入电脑，按照以下顺序进行操作。NX镜像文件，目前官网主流下载的操作系统为jeston 4.4 18.04版本、jetson pack 5.0.2 上面配置的cuda11包括 cuda11.4。Win32DiskImager/balenaEtcher（SD卡镜像烧录软件）DiskGenius,SD Formter(SD卡格式化软件)本文所使用的操作系统为[jeston 5.0 20.04](打开balenEtcher。SD卡插入，上电启动。
2023-11-23 21:59:30
247
原创 计算机视觉基础——基于yolov5-face算法的车牌检测
CCPD数据集主要采集于安徽某停车场一段时间内的数据，所有图片尺寸固定为720×1160（w×h），类别描述图片数CCPD-Base通用车牌图片200kCCPD-FN车牌离摄像头拍摄位置相对较近或较远20kCCPD-DB车牌区域亮度较亮、较暗或者不均匀20k车牌水平倾斜 20 到 50 度，竖直倾斜-10到 10 度10kCCPD-Tilt车牌水平倾斜 15 到 45 度，竖直倾斜 15 到 45 度10k车牌在雨雪雾天气拍摄得到10k。
2023-11-03 00:12:02
5329
原创 视频行为分析——视频图像转换与ffmpeg相关操作
FFmpeg 是一个功能强大的多媒体处理工具，提供了许多常用的命令来处理音频和视频文件。手动编译：你也可以从 FFmpeg 的官方网站下载源代码，并按照官方提供的编译指南进行手动编译安装。FFmpeg 的官方网站（https://ffmpeg.org/）上找到更详细的安装文档和指南。Homebrew：如果你使用 Homebrew 包管理器，可以使用以下命令安装 FFmpeg。MacPorts：如果你使用 MacPorts 包管理器，可以使用以下命令安装 FFmpeg。
2023-08-29 08:45:55
415
原创 django——创建 Django 项目和 APP
很多时候在同级目录下新建应用会造成文件夹众多，一般在apps包下开发多种应用，也就是集中将应用放在一个包下，这里做个演示。在开发阶段，django提供了一个纯python编写的轻量级web服务器，仅在开发阶段使用。在使用Flask框架时，项目工程目录的组织与创建是需要我们自己手动创建完成的。在django中，项目工程目录可以借助django提供的命令帮助我们创建。创建完成后，需要到与工程名相同的文件夹下（这里是ezfy）的。创建完成后，需要到与工程名相同的文件夹下（这里是ezfy）的。指的是你的项目名字(
2023-08-13 17:20:53
1071
原创 django-基本环境配置
Django-Filter 是一个基于 Django 的库，它提供了一种简单、灵活的方式来过滤 Django 模型的查询集。DRF 是一个基于 Django 的强大而灵活的 RESTful 框架，它提供了许多工具和库，可帮助你快速开发基于 RESTful API 的 web 应用程序。Django-Filter 通过与 DRF Spectacular 的集成，支持 OpenAPI 规范表述的数据过滤和查询，提供了更加优雅的 API 规范方案。在虚拟环境中，安装 django_extensions 库。
2023-08-13 14:51:42
1550
原创 docsify & gitee 搭建个人博客
/</</name''repo''</</</</window.$docsify 中添加 coverpage: true，默许会加载 _coverpage.md。> 如果不是为了让她哭，那么卷人又有什么意义？[滚动鼠标](#)
2023-08-12 17:35:05
1268
原创 Yolov5-Face 原理解析及算法解析
近年来，CNN在人脸检测方面已经得到广泛的应用。但是许多人脸检测器都是需要使用特别设计的人脸检测器来进行人脸的检测，而YOLOv5的作者则是把人脸检测作为一个一般的目标检测任务来看待的。YOLOv5Face在YOLOv5的基础上添加了一个 5-Point Landmark Regression Head（关键点回归），并对Landmark Regression Head使用了Wing loss进行约束。
2023-06-24 21:39:06
6019
2
原创 C++QT入门
Qt 是一个跨平台的C++图形用户界面应用程序框架。它为应用程序开发者提供建立艺术级图形界面所需的所有功能。它是完全面向对象的，很容易扩展，并且允许真正的组件编程。常见GUI：QT：支持多平台开发；支持css；面向对象特性体现突出；发展趋势良好。MFC：只能在windows开发；运行程序效率高；库的安全性好；public slots: // 添加槽函数private:// 重新更新// 设置 完成之后可以拉伸。
2023-06-21 23:40:56
6286
原创 PyQT5介绍及基本使用
Qt（官方发音[kju:t]）是一个跨平台的C++开发库，主要用来开发图形用户界面（Graphical User Interface，GUI）程序Qt 是纯 C++ 开发的，正常情况下需要先学习C语言、然后在学习C++然后才能使用Qt开发带界面的程序多亏了开源社区使得Qt 还可以用Python、Ruby、Perl 等脚本语言进行开发。Qt 支持的操作系统有很多，例如通用操作系统 Windows、Linux、Unix，智能手机系统Android、iOS， 嵌入式系统等等。可以说是跨平台的。
2023-06-17 10:47:34
23118
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人