1 引言区域增长法是一种已受到计算机视觉界十分关注的图像分割方法。它是以区域为处理对象的，它考虑到区域内部和区域之间的同异性，尽量保持区域中像素的临近性和一致性的统一。这样就可以更好地分辨图像真正的边界。基于区域的分割方法的关键在于定义一个一致性准则，用来判断两个邻接的区域是否可以合并，一致则将两区域合并，直到不能合并位置。区域增长的方法是在图像上选定一个种子点，记录下该点的灰度值，作为一致性判断

1 引言随着计算机视觉算法工程师的内卷,从事目标检测的小伙伴们越来越多了.很多时候我们费了九牛二虎之力训练了一版模型,可是可视化出来的效果平淡无奇.是不是有点太不给力啦,作为计算机视觉工程师,我们是不是应该关注下如何优雅地可视化我们模型地检测结果呢?2 举个栗子最常用的可视化目标检测结果的就是我们所说的矩形框,矩形框的画法也可以分为好多中,我们以下图进行说明:我们以上图皮卡丘的矩形检测框为例,左上

1 引言YOLOv3在YOLOv2的基础上,改良了网络的主干,利用多尺度特征图进行检测,改进了多个独立的Logistic regression分类器来取代softmax来预测类别分类.YOLOv2的论文链接: 戳我闲话少述,我们直接开始 ????2 主干网络YOLOv3提出了新的主干网络: Darknet-53 ,从第0层到第74层,一共有53层卷积层,其余均为Resnet层.和Darknet-1

1 什么是神经网络?神经网络是一类受人脑启示的算法,通常来说当你打开你的眼睛的时候,你所看到的事物在神经学上称之为数据,在大脑进行数据处理并进行周围物体识别.这就是神经网络工作的原理,它将大量数据作为输入,从数据中学习特征,最后输出这些数据是什么.2 神经网络工作原理神经网络有时候称之为人工神经网络,是机器学习的子集,是深度学习算法的核心.人工神经网络由大量互连的处理单元（神经元）组成，它们协同工

本文通过具体的应用，来对前篇Q-learning的理论知识用代码进行了详细的说明，主要通过业内知名的Taxi-v3环境进行了讲解，并给出了完整的代码示例。您学废了嘛？

1.原理数据可视化的目标是展示来自数据分析的结果。虽然图片需要美观，但可视化的首要目标并不是为了高颜值而高颜值。在数据可视化中使用的配色应该是帮助突出重要数据，进而传播关键信息，而不应该随便配色，不能突出重点。本文就常见的数据可视化中的相关配色准则进行总结，希望童鞋们可以从中受益。2.规则一Rule1: 在应该使用配色的时候使用，而不是在可以使用的时候使用配色颜色的使用应该仔细思考，以达到传递关键

最后，我们从原理到例子，由前入深地介绍了卷积神经网络中卷积层参数量和计算量的定义。您学废了嘛？

通过数据可视化工具来取得引人注目的效果。这是关于了解数据背后隐藏的信息，通过了解受众，并不断接收和实施反馈，以不断改进可视化效果。本文一步一步通过具体数据例子来讲解了如何取得引入注目的可视化效果的完整步骤，并给出了相应的代码示例。您学废了嘛？

1. 引言山脊图一般由垂直堆叠的折线图组成，这些折线图中的折线区域间彼此重叠，此外它们还共享相同的x轴.山脊图经常以一种相对不常见且非常适合吸引大家注意力的紧凑图的形式表现。观察上图,我们给其起名叫Ridge plot是非常恰当的,因为上述图表看起来确实很像山的脊背.此外,上述图像还有另一个称呼叫做Joy Plots–这主要是因为Joy Division乐队在如下专辑封面上采用了这种可视化形式.2

1.引言甘特图已经拥有 100 多年的历史，这种可视化图表对项目管理非常有用。Henry Gantt 为了分析已经完成的项目创建了甘特图，他最初设计这个可视化工具主要用来衡量员工的工作效率并从中识别表现不佳的员工。经过多年的发展，甘特图已经发展成项目规划和跟踪的必备工具。本文主要介绍如何使用Matplotlib来绘制甘特图，并不断优化我们的可视化效果。闲话少说，我们直接开始吧。 ：）2.举个栗子首