一.LeNet概述LeNet由Yann Lecun 创建，并将该网络用于邮局的邮政的邮政编码识别，有着良好的学习和识别能力。LeNet又称LeNet-5,具有一个输入层，两个卷积层，两个池化层，3个全连接层（其中最后一个全连接层为输出层）。LeNet网络结构图如下：LeNet-5共有7层（不包含输入），每层都包含可训练参数。输入图像大小为32*32，比MNIST数据集的图片要大一些，这么做的原因是

第一种情况如图：这种情况发生首先检查一下eclipse中是否导入了spring框架封装jdbc的相关jar包，检查如下图位置这个 就需要先下载相关5.0.0版本的jar包直接导入；链接：https://pan.baidu.com/s/1e95oxkJr1j1jWlatprhN1A提取码：uw2b 或者官网下载4.2.12版本：https://jar-download.com/artifacts/o

import osimport shutildef split(src,img,annota):imges=[]#存储所有图片的路径annotation=[]#存储所有xml的路径#第一步：遍历需要分离的文件夹for f in os.listdir(src):if f.endswith(".jpg"):imges.append(f)if f.endswith(".jpeg"):.

一.LeNet概述LeNet由Yann Lecun 创建，并将该网络用于邮局的邮政的邮政编码识别，有着良好的学习和识别能力。LeNet又称LeNet-5,具有一个输入层，两个卷积层，两个池化层，3个全连接层（其中最后一个全连接层为输出层）。LeNet网络结构图如下：LeNet-5共有7层（不包含输入），每层都包含可训练参数。输入图像大小为32*32，比MNIST数据集的图片要大一些，这么做的原因是

前言谈到计算机视觉时，我们都会联想到图像分类，图像分类是计算机视觉最基本的任务之一，在图像分类的基础上，我们还有更复杂的任务，比如目标检测，物体定位，图像分割等，本文主要讲目标检测，目标检测是分类与定位的结合，在给定一张图片，目标检测的任务是要识别出图片的目标以及它的位置，由于图片中的目标个数不确定，且要精确定位目标，目标检测比分类任务更复杂。...

tf.expand_dimstf.expand_dims(input, axis=None, name=None, dim=None)给定的张量input，该操作插入尺寸索引处的1维axis的input的形状。维度索引axis从零开始；如果您为其指定负数，axis则从末开始算起。如果要将批次尺寸添加到单个元素，此操作很有用。例如，如果您有一个shape的图像[height, width, chan

tf.boolean_mask 的作用是 通过布尔值 过滤元素def boolean_mask(tensor, mask, name="boolean_mask", axis=None):"""Apply boolean mask to tensor."""参数解释：tensor：被过滤的元素列表或数组mask：一堆 bool 值，它的维度不一定等于 tensorreturn： mask 为 tr

TamperMonkey，这是一款非常流行的免费浏览器插件，网络上俗称：油猴插件。作为一款浏览器插件，油猴的作用只是管理安装在浏览器上的所有脚本对象。

一.感知机原理1.1感知机定义是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1或-1.1.2 感知机原理在对应输入空间（特征空间）中，将实例线性划分为正负两类的分离超平面，属于判别模型；若不是线性划分的数据集，则无法获得超平面。数据集的线性可分在给定数据集其中能够将数据集的正实例和负实例完全正确地划分到超平面的两侧，即对所有 yi=1的xi,有w*xi+b>0;对所有

前言谈到计算机视觉时，我们都会联想到图像分类，图像分类是计算机视觉最基本的任务之一，在图像分类的基础上，我们还有更复杂的任务，比如目标检测，物体定位，图像分割等，本文主要讲目标检测，目标检测是分类与定位的结合，在给定一张图片，目标检测的任务是要识别出图片的目标以及它的位置，由于图片中的目标个数不确定，且要精确定位目标，目标检测比分类任务更复杂。...