- 博客(10)
- 收藏
- 关注
RSS订阅
原创 NTU RGB+D动作识别数据集
@NTU RGB+D动作识别数据集NTU RGB + D动作识别数据集由56,880个动作样本组成，包含每个样本的RGB视频，深度图序列，3D骨架数据和红外视频。此数据集由3个Microsoft Kinect v.2相机同时捕获。RGB视频的分辨率为1920×1080，深度图和红外视频均为512×424,3D骨架数据包含每帧25个主要身体关节的三维位置。Cross-View命名规则S:设置号...
2019-04-24 16:01:55
26833
31
原创 Python list列表字符转整型int
原始列表：num_list = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']目的：num_list_new = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]方法一：num_list_new = list(map(lambda x: int(x), num_list)) # num_list为x迭代的li...
2019-11-19 09:59:38
38094
4
原创 Python sorted函数用法【针对字典键值】
用python处理数据时，经常需要根据字典的键值进行排序。简单记录下sorted 函数的键值排序用法。1.操作对象一个list，其中的元素均为字典a = {'ID': 2, 'score': 70}b = {'ID': 3, 'score': 90}c = {'ID': 1, 'score': 80}data = [a, b, c] # [{'ID': 2, 'score': 70}...
2019-11-04 22:51:43
652
原创 蒙特卡洛（Monte-Carlo）计算定积分【Python】
1、蒙特卡洛计算定积分【投点法】：以求解第一小题（一重积分）为例，如下图所示，蓝色曲线为被积函数f(x)在[0, π/2]区间上的图像，若要求其定积分，其实就是求曲线下方的面积。这时我们可以用一个比较容易算得面积的矩型罩在函数的积分区间上（假设其面积为S）。然后随机地向这个矩形框里面投点，统计出蓝色曲线下方的点的数量占所有点（红框内）数量的比例为R，那么就可以据此估算出被积函数从0到π/2的定...
2019-10-11 09:56:45
13795
1
原创 Python图像处理算法实现【1】《绘制直方图、直方图均衡化》
直接上代码：#!/usr/bin/env python# -*- coding:utf-8 -*- # Author: Hrenimport cv2import numpy as npimport matplotlib.pyplot as pltimage = cv2.imread('../image/0.jpg') # 读入RGB图像rows,cols,_=image....
2019-10-09 21:57:23
576
原创 Anaconda创建、激活、退出、删除虚拟环境以及conda常用命令
打开anaconda prompt可输入一下命令：conda create -n env_name python=3.7 # 创建环境，环境名为env_nameactivate env_name # 激活环境deactivate env_name # 退出环境conda remove -n your_env_n...
2019-09-12 15:53:33
1281
原创 NumPy 从数值范围创建数组
简单记录下Python利用Numpy创建数据的几种方式。1. numpy.arange函数格式如下：numpy.arange(start, stop, step, dtype)参数描述start起始值，默认为0stop终止值（不包含）step步长，默认为1dtype返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。 示例...
2019-09-10 22:33:05
534
原创 cv2.bitwise_and() 函数
cv2.bitwise_and() 函数cv2.bitwise_and()是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0OutputArray dst = cv2.bitwise_and(InputArray src1, InputArray src2, Input...
2019-07-29 09:49:01
43831
5
原创 1×1卷积的初步理解
1×1卷积 是用来干什么的？参考此篇博客(https://blog.csdn.net/renhaofan/article/details/82721868)在看论文时，网络中有时会出现尺寸为1×1的卷积核，一直不理解这个是什么意思。于是查资料，得到初步理解。1×1卷积，实现跨通道的交互和信息的整合，进行卷积核通道数的降维和升维，相当于对原始图做一个变换，提高泛化能力减小过拟合。...
2019-07-27 11:37:11
448
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人