- 博客(33)
- 收藏
- 关注
RSS订阅原创 亲测有效！win10，anaconda，一分钟安装pycocotools
目 录第一步，下载 Git第二步，下载 Visual C++ 2015 build tools第三步，在 Git bash 中键入下列代码安装成功第一步，下载 Git下载地址：https://git-scm.com/download/win第二步，下载 Visual C++ 2015 build tools下载地址：https://go.microsoft.com/fwlink/?LinkId=691126安装时选择默认即可：第三步，在 Git bash 中键入下列代码pip install
2021-03-28 16:39:30
278
原创 OpenCV系列 | 边缘检测（Canny）
目录Canny边缘检测Sobel滤波器Laplacian边缘检测器Canny边缘检测Sobel滤波器Laplacian边缘检测器
2021-03-27 21:22:50
353
原创 轻量化网络系列 | 解读ShuffleNet V1-V2
论文原文：目录ShuffleNetShuffleNetFig 1. Model Size vs. ImageNet Accuracy
2021-03-25 22:01:18
1400
1
原创 轻量化网络系列 | 解读SqueezeNet、SqueezeNext
论文原文：目录SqueezeNetSqueezeNetFig 1. Model Size vs. ImageNet Accuracy
2021-03-25 20:42:51
1034
1
原创 PyTorch系列 | 学习率调整方法（torch.optim.lr_scheduler）
https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate
2021-03-25 19:05:08
4356
2
原创 Python系列 | 常见的特殊属性与特殊方法
在 Python 对象中，需要重写的双下划线开头和结尾的属性称为特殊属性，另外以双下划线开头和结尾的方法称为特殊方法。常见的特殊属性：__name__常见的特殊方法：__init__ 、 __getitem__ 、 __len__1、__name__即对象的名称。2、__init____init__ 是用于创建实例后进行必要的初始化，若是在书写类时，继承了父类，Python并不会自动调用父类的 __init__ 方法，若需要继承父类的 __init__ 方法，需要在 __init__ 下增加一行
2021-03-05 13:58:12
383
原创 PyTorch系列 | 自定义dataset（torch.utils.data.Dataset与torchvision.datasets.ImageFolder）
是
2021-03-05 01:08:09
2918
2
原创 OpenCV系列 | 颜色分离（cv2.inRange与cv2.bitwise_and）
cv2.inRange函数很简单，参数有三个第一个参数：hsv指的是原图第二个参数：lower_red指的是图像中低于这个lower_red的值，图像值变为0第三个参数：upper_red指的是图像中高于这个upper_red的值，图像值变为0而在lower_red～upper_red之间的值变成255cv2.bitwise_and...
2021-03-02 11:01:57
9804
2
原创 OpenCV系列 | 移除图像背景（GrabCut算法）
在一些图像处理任务中，需要把图像前景提取出来，那么此时可以使用到GrabCut算法。使用GrabCut算法时，需要在前景部分绘制一个矩形（注意，前景需要完全位于矩形内部）。然后，GrabCut算法会对其进行迭代分割，以获得最佳结果。但是，交由算法进行分割的效果并不是完美的，依然会在图像中残留部分背景区域，虽然可以自行手动抠出，但这样效率极低，若是图像数据量比较大时更是不可行，因此可以接受含部分背景区域的图像。以一张青蛙的图像为例，原图如下：进行前景提取：# 提取图像中前景图像import ma
2021-02-24 20:27:12
10368
原创 OpenCV系列 | 直方图均衡提升图像对比度（equalizeHist）
直方图均衡可以使图像中的物体和形状更为突出。举个例子，某张轮船的原图如下：现使用OpenCV提升对比度：import cv2import matplotlib.pyplot as pltimport numpy as npship_BGR = cv2.imread('ship.jpg',cv2.IMREAD_COLOR)[:,:,::-1]plt.imshow(ship_BGR)plt.show()提升对比度前的输出图像结果：# 提升对比度ship_new = cv2.cvtCo
2021-02-23 16:13:55
905
3
原创 OpenCV系列 | BGR图像转换为RGB图像
目录方法一方法二使用OpenCV加载图像时，默认使用BGR的格式，而使用matplotlib显示图像时又采用RGB的格式，因此显示图像时，会显得非常奇怪。如以一张船的照片为例，原图如下：使用OpenCV进行读取：import cv2import matplotlib.pyplot as pltimport numpy as npship_BGR = cv2.imread('ship.jpg',cv2.IMREAD_COLOR) # 第二个参数可以不写，默认值就是以彩色图像方式读取plt.
2021-02-23 14:50:25
6709
2
原创 Python系列 | 利用sklearn快速识别和处理异常值（EllipticEnvelope与KNNImputer）
在进行数据分析或挖掘时，不免会遇到dirty data，而清洗数据的过程，异常值是不可忽视的一部分，产生异常值的原因多种多样，本文对此不进行展开。对于这些异常值，可以利用sklearn中的EllipticEnvelope快速进行识别和处理。话不多说，上代码：# 以回归数据集为例from sklearn.datasets import make_regressiondata,_ = make_regression(n_samples=10, # 这里仅需要x变量进行展示
2021-02-22 19:02:50
4113
原创 Python系列 | 利用sklearn进行one-hot编码（LabelBinarizer与MultiLabelBinarizer）
众所周知，当我们遇到nominal型特征时（统计学上称为定性变量），也就是用文字或字符串进行表示的变量，有时候需要将此类定性变量转换为定量变量（数值），从而进行下一步的数据分析或挖掘。在sklearn中，有一个非常方便的class——LabelBinarizer。利用LabelBinarizer可以快速进行one-hot编码，实现定性变量定量化。话不多说，看代码：import numpy as np# 先创建一个特征nomial = np.array([["A"],
2021-02-21 20:56:20
3510
2
原创 Python系列 | Python3.6及以上的print新用法
在python3.6及以上，关于格式化输出有了一个新用法，举个例子。在3.6以前的版本中，我们习惯于用format格式化输出结果：import numpy as npa = np.random.rand(3, 2)print("This is a random array a: \n {}".format(a))其输出结果为：This is a random array a: [[0.01066734 0.09696758] [0.17472408 0.38904432] [0.434
2021-02-04 10:44:17
469
原创 PyTorch系列 | correct += (predicted == labels).sum().item()的理解
各位小伙伴肯定看到过下面这段代码：correct += (predicted == labels).sum().item()这里面(predicted == labels)是布尔型，为什么可以接sum()呢？我做了个测试，如果这里的predicted和labels是列表形式就会报错，如果是numpy的数组格式，会返回一个值，如果是tensor形式，就会返回一个张量。举个例子：import torcha = torch.tensor([1,2,3])b = torch.tensor([1,3,
2020-12-18 20:33:08
12753
7
原创 PyTorch系列 | _, predicted = torch.max(outputs.data, 1)的理解
使用pytorch的小伙伴们，一定看过下面这段代码_, predicted = torch.max(outputs.data, 1)那么，这里的 下划线_ 表示什么意思？首先，torch.max()这个函数返回的是两个值，第一个值是具体的value（我们用下划线_表示），第二个值是value所在的index（也就是predicted）。那么，这个 下划线_ 表示的就是具体的value，也就是输出的最大值。那么为什么用 下划线_，可不可以用其他的变量名称来代替，比如x？答案自然是可以的。那么为什么这
2020-12-18 19:07:23
29955
17
原创 Python系列 | 初识篇——面向对象与面向过程（Object Oriented v.s Procedure Oriented）
面向对象：面向过程：
2020-11-07 10:16:20
136
原创 深度学习系列 | 解读EfficientNet
论文原文：https://arxiv.org/pdf/1905.11946.pdf目录1. Introduction2. EfficientNet Architecture2.1 Compounding Scaling2.2 EfficientNet-B0 baseline network2.3 Scale up3. Performence1. IntroductionEfficientNet分为EfficientNet-B0至EfficientNet-B7八个模型。其中，EfficientNet-B
2020-11-05 23:14:31
1590
2
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