![](../../asset/images/user/BgImg_default.jpg)
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
1.数据集简介2.模型相关知识3.split_data.py——训练集与测试集划分4.model.py——定义ResNet34网络模型5.train.py——加载数据集并训练,训练集计算损失值loss,测试集计算accuracy,保存训练好的网络参数6.predict.py——利用训练好的网络参数后,用自己找的图像进行分类测试
![文章图片](https://img-blog.csdnimg.cn/763f785f31674be287b3103c615e1b75.png)
1.灰度变换增强(1)图像直方图(2)图像直方图的均衡化2.频域滤波增强(1)低通滤波器(2)高通滤波器(3)同态滤波器3.彩色增强(1)真彩色增强(2)伪彩色增强(3)假彩色增强4.小波变换在图像增强方面的应用
颜色模型主要有RGB、HSV、YCbCr、NTSC等。模型转换有rgb2hsv函数、hsv2rgb函数、rgb2ntsc函数、rgb2ycbcr函数、ntsc2rgb函数、ycbcr2rgb函数等
![文章图片](https://img-blog.csdnimg.cn/e2601a372f9345d69ec26fb188a8b515.png#pic_center)
matlab图像分割技术里边缘检测(1)Roberts边缘算子(2)Sobel算子(3)Prewitt算子(4)拉普拉斯(Laplacian)算子(5)LOG(Laplacian-Gauss)算子(6)坎尼(Canny)算子(7)利用霍夫(Hough)变换
1.Fast-RCNN论文背景2. Fast-RCNN算法流程RCNN算法流程4个步骤、Fast-RCNN算法流程、Fast RCNN相比于RCNN改进、ROI Pooling(Region of Interest)、SPP Net、多任务损失函数3.Fast R-CNN 问题和缺点
![文章图片](https://img-blog.csdnimg.cn/44d18a3c36e543889982304652fad2f1.png)
1.Faster RCNN论文背景2. Faster-RCNN算法流程(1)Fast-RCNN算法流程(2)特征提取conv layers(3)Region Proposal Networks(RPN)(4)ROI Pooling作用(5)Classification3.Faster RCNN问题和优缺点
![文章图片](https://img-blog.csdnimg.cn/683b0ff708824de4b270c833e14df1f5.png)
linux里创建文件夹、创建文件夹子文件夹、删除文件夹和文件、访问指定目录级返回上一级目录。先查看当前文件夹下文件,文件夹、文件名重命名
![文章图片](https://img-blog.csdnimg.cn/img_convert/7ca7738362d74dc0867c0c0ec139a490.png)
RCNN算法分为4个步骤:获取候选区域:对于一张输入的图像,首先使用selective search算法获取2000个左右的候选区域。获取图像特征:将图像输入到卷积神经网络中获取图像特征,这一部分可以采用常用的图像卷积神经网络如VGGNet,AlexNet等。获取区域类别:在初步获得目标的位置之后,需要获取目标的类别,这一步采用SVM分类器来判断当前区域属于哪个类别。微调区域位置:尽管候选区域已经
![文章图片](https://img-blog.csdnimg.cn/268da3642bdb4708aecd4f8186b8a280.png)
图像灰度化的三种方法,最大值法:使R,G,B的值等于3值中最大的一个,R=G=B=max(R,G,B),最大值法会形成亮度很高的灰度图像。平均值法:是R,G,B的值求出平均值,R=G=B=(R+G+B)/3,平均值法会形成较柔和的灰度图像。加权平均值法
![文章图片](https://img-blog.csdnimg.cn/0aa3fdccae274e5e9ad8943cf8ed2585.png#pic_center)
1.Faster RCNN论文背景2. Faster-RCNN算法流程(1)Fast-RCNN算法流程(2)特征提取conv layers(3)Region Proposal Networks(RPN)(4)ROI Pooling作用(5)Classification3.Faster RCNN问题和优缺点
![文章图片](https://img-blog.csdnimg.cn/683b0ff708824de4b270c833e14df1f5.png)