monbry-CSDN博客

原创 pytorch 维数嵌套（多维与一维的嵌套关系）

今天在看代码的时候，发现对于嵌套的代码理解不太深刻，这里举个例子加深下印象先看个简单的例子a = torch.tensor([1,2,3])b = torch.tensor([[0,0,0,0,0,0,0,0,0,0,0,0,0],[1,1,1,1,1,1,1,1,1,1,1,1,1]])我们再来看个复杂的例子。atensor([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11],

2021-07-14 21:38:47 241

原创 numpy.random.RandomState

numpy.random.RandomState作用类似seed，都是一种如果预先定义好随机状态后，生成随机数的在下一次调用相同的numpy.random.RandomState的时候，得到与原来一模一样的随机。import numpy as npa = np.random.RandomState(1)for i in range(4): b = np.random.RandomState(2) print('b=',b) print('a=',a)b= [[-0.41675785 -0

2021-07-11 22:31:09 201

原创新版数据处理

import cv2 as cvimport osimg_path =r'C:\Users\86152\Desktop\344\JPEGImages\\'new_path = r'C:\Users\86152\Desktop\the new imageDatasets\\'if os.path.exists(new_path): passelse: os.mkdir(new_path)# img = cv.imread(img_path)# print(img.shape)

2021-05-17 15:43:27 98

原创 labelmg标定后数据的验证

import xml.etree.ElementTree as ETimport osxml_root = r"C:\deep-learning-for-image-processing-master\pytorch_object_detection\ssd\VOCdevkit\VOC2012\Annotations"# new_xml_root = "./data"image_root = "./data"xml_name_list = sorted(os.listdir(xml_root))

2021-05-17 13:50:30 209

原创图片预处理

import cv2 as cvimg_path =r'C:\Users\86152\Desktop\344张照片\JPEGImages'# img = cv.imread(img_path)# print(img.shape)for i in range(104,130,1): img_path_new = img_path +'test_meidium_new{}.jpg'.format(i) img = cv.imread(img_path_new) img_

2021-05-17 13:49:43 212

原创深度学习划分数据集

# 数据集划分import osimport randomroot_dir = 'C:\deep-learning-for-image-processing-master\pytorch_object_detection\ssd\VOCdevkit\VOC2012\\'## 0.35train 0.35val 0.3testtrainval_percent = 0.7train_percent = 0.35xmlfilepath = root_dir + 'Annotations'txt

2021-05-17 13:48:55 223

原创 VOC转COCO

# -*- coding=utf-8 -*-#!/usr/bin/pythonimport sysimport osimport shutilimport numpy as npimport jsonimport xml.etree.ElementTree as ETimport mmcv# 检测框的ID起始值START_BOUNDING_BOX_ID = 1# 类别列表无必要预先创建，程序中会根据所有图像中包含的ID来创建并更新PRE_DEFINE_CATEGORIES = {}

2021-05-17 13:46:17 138 1

原创 mmdetection2 定制Mode篇

mmdetection Model篇mmdetection主要将模型分为5大类，分别为backbone（ResNet, MobileNet）、neck（FPN, PAFPN）、head（bbox prediction and mask prediction）、roi extractor（RoI Align）以及loss（FocalLoss, L1Loss, and GHMLoss）部分。文章目录mmdetection Model篇一、Develop new components？1. 定义一个新的bac

2021-03-10 14:48:53 437

原创 opencv第五次作业（边界线链码，灰度共生矩阵，角点特征，sift）

在这里插入代码片```#!/usr/bin/env python# coding=utf-8import cv2import numpy as npimport easygui as gimport mathnp.set_printoptions(suppress=True)def func(x,y,sigma=1): return 100*(1/(2*np.pi*sigma))*np.exp(-((x-1)**2+(y-1)**2)/(2.0*sigma**2)) #创建

2021-02-24 14:29:39 559

原创 opencv第四次作业（图像腐蚀，直线检测，数学形态应用）

在这里插入代码片```import numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltimport matplotlib.cm as cmimport scipy.signal as signalimport cv2 as cvimport randomimport easygui as gimport imutilsimport timeimport mathdef Canny(img): # G

2021-02-24 14:27:11 159

原创第三次opencv作业（边缘检测，二值图，骨架提取）

import numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltimport matplotlib.cm as cmimport scipy.signal as signalimport cv2 as cvimport randomimport easygui as gimport imutilsimport timeimport matharray = [0, 0, 1, 1, 0, 0, 1, 1, 1,

2021-02-24 14:25:18 397

原创利用opencv以及easygui实现的简易的视觉系统（一）彩色灰度化彩色直方图灰色图像的伪彩色图像

import numpy as npfrom matplotlib import pyplot as pltimport torchimport cv2 as cvimport easygui as gimport sysdef winname(name): return name.encode('gbk').decode(errors='ignore')def fake_color_image(image_gray): r = 0 g=0 b=0 h

2020-10-21 21:22:04 217

原创利用opencv以及easygui实现简易视觉系统（二）包含图像去噪、阈值分割、分段线性拉伸、直方图拉伸、区域生长分割

import numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltimport matplotlib.cm as cmimport scipy.signal as signalimport cv2 as cvimport randomimport easygui as gimport imutilsimport timeclass Point(object): def __init__(self,x,y)

2020-10-21 21:19:36 247 2

原创 Pytorch 学习笔记（四）卷积网络基础篇

上一节回顾在介绍本篇之前，先就上一节的部分代码进行简要说明，在上一讲中我们利用torchvision模块中的datasets调用了MINST数据集，利用了如下图所示的结构进行如下的处理，线性层利用torch.nn.Linear()，Relu层利用torch.nn.functional as F进行调用，而view()函数则可以来改变x的自身形状。文章目录上一节回顾卷积网络工作流程一、什么是卷积二、使用步骤1.简单例子2.读入数据卷积网络工作流程卷积网络结构如图所示，图像输入进来后，先进行特征

2020-10-04 18:14:16 121

原创 pytorch 学习笔记（三）

import torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as optimbatch_size = 64transform = transforms.Compose([transforms.ToTensor(),tran

2020-09-30 17:06:28 124

原创 Pytorch 笔记第二节

本文将其中优化算法用dict1数组进行封装，对于最后的损失率和bias权重进行绘图

2020-09-28 17:43:23 67

原创 pytorch 学习笔记第一节

import torchx_data =[1.0,2.0,3.0]y_data = [2.0,4.0,6.0]w = torch. Tensor([1.0]) #一定要加 ‘’[]‘’ ,否则则会输出纯0的矩阵，例如写w=torch.Tensor(3,5)则输出三行五列的0Tensor变量，加上括号才是[3.,5.]w.requires_grad = True #只有requires_grad = True ，才可以计算反向梯度，这句话也可以在Tensor(requires_g

2020-09-26 10:48:43 206 1

原创 python numpy切片操作

Python numpy中的切片与索引import numpy as npimport randoma=np.round([random.random() for i in range(10000)],2).reshape((2500,4))print(a)print(a[2],end=’\n我是第二行\n’)print(a[2:],end=’\n我是第二行后面的全部\n’)print(a[1,2],end=’\n我是第一行第二个的数\n’)print(a[[0,2,3]],end=’\n我

2020-09-17 14:21:22 307 2

monbry的博客