轮廓是一系列相连的点组成的曲线，代表了物体的基本外形。谈起轮廓不免想到边缘，它们确实很像。简单的说，轮廓是连续的，边缘并不全都连续（下图）。其实边缘主要是作为图像的特征使用，比如可以用边缘特征可以区分脸和手，而轮廓主要用来分析物体的形态，比如物体的周长和面积等，可以说边缘包括轮廓。寻找轮廓的操作一般用于二值化图，所以通常会使用阈值分割或Canny边缘检测先得到二值图。经验之谈：寻找轮廓是针对白色物

图像分类和目标检测的区别

paddleOCR票据识别（一）

图像分类和目标检测的区别

论文地址：https://arxiv.org/abs/1905.04899v21.几种数据增强的比较Mixup:将随机的两张样本按比例混合，分类的结果按比例分配；Cutout:随机的将样本中的部分区域cut掉，并且填充0像素值，分类的结果不变；CutMix:就是将一部分区域cut掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值，分类结果按一定的比例分配区别上述三种数据增强的区别：cuto

首先给出官网截图：结合网友们给出的信息得知tensorflow2的安装不用加 “-gpu”标识，即可支持gpu和cpu,宿主机不支持gpu的自动切为cpu支持。官网另外一张截图验证了结论：但是。。。。花费两个小时实测，安装了tensorflow2.0.0后tf.test.is_gpu_available() 返回false,安装了tensorflow-gpu==2.0.0后返回true结论：还是老

实验图片：效果：代码：# 加载环境包import cv2import numpy as np# 图片简单处理img = cv2.imread('00.jpg')# 读取图片GrayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 灰度化GrayImage = cv2.medianBlur(GrayImage, 5)# 中值模糊"""阈值处理，输入图片默认

最近经常用到OpenCV4，和OpenCV3还是有些区别的，经常需要查阅文档，在线的不方便，这里分享离线文档下载的方法。官方离线文档下载链接：https://docs.opencv.org/最新的版本是 4.5.3 ：直接下载 zip包就可以了，随便点击一个html即可进入文档。...

模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。通俗来讲就是利用小图来找大图，可以看作是一种简陋的目标检测方法。它只是将模板图像滑动到输入图像上（就像在2D卷积中一样），然后在

参考：https://www.jb51.net/article/206173.htm可用于实现倒车辅助标记检测的功能，倒车辅助标记颜色已经确定了，所以不需要使用深度学习的方法，那样成本太高了，直接可以使用颜色检测的方法。1.首先需要确定待检测目标的HSV值import cv2img = cv2.imread('l3.png')gray = cv2.cvtColor(img, cv2.COLOR_B