logo
publist
写文章

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

pytorch 提取resnet模型特征

下面使用三种方法提取resnet50最后一个卷积层经过bn及relu之后的输出值,去掉池化层以及全连接层。方法一:使用nn.Sequential结构import torchimport torch.nn as nnfrom torchvision import datasets, transformsfrom torchvision import modelsfrom PIL import Ima

#pytorch#深度学习#神经网络
opencv HSV空间提取图像中红色,及判断每一个像素颜色

本文主要参考https://blog.csdn.net/zdyueguanyun/article/details/50739374https://blog.csdn.net/liumoude6/article/details/78318053结合这两篇文章以及自己的一点思考,提取图像中的红色并把其它部分都置为白色代码如下:void colorFilter(Mat srcImage, Mat &am

#opencv
opencv 最小外接矩阵旋转角度

本篇主要参考了如下三个博客:https://blog.csdn.net/u013925378/article/details/84563011https://blog.csdn.net/weixin_40647819/article/details/80884594https://www.cnblogs.com/little-monkey/p/742957...

#opencv
opencv检测直线方法——霍夫变换

最近在学习霍夫变换检测直线,发现一个网址对它讲解的很清楚,故记录。zhlifly将opencv英文官方文档霍夫变化进行了翻译,其中详细讲解了霍夫变换原理,opencv中的两种霍夫变换方法并附着代码以及实验结果。该网址是http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtr

#opencv#图像处理
opencv检测直线——投影法

以下是我对投影法的一点认识和实验:投影法就是数字图像在某个方向上进行像素累加。通过水平和垂直方向的投影,可以得到表格图像投影的几个特点:(1)表格区域的水平与竖直投影分布通常出现周期性的尖峰(2)在文字投影的行与行之间或列与列之间常会出现明显的空白区            因此,求图像水平以及竖直投影,根据特点分别设以阈值就可以将横线以及竖直线所在位置确定。  第一步:求图像的

#opencv#图像处理
Windows10下Anaconda的安装、pytorch安装后点开始程序列表无Spyder(pytorch)

1.Windows10下Anaconda的安装https://blog.csdn.net/qq_40574708/article/details/107181522

#pytorch#python#深度学习
图像配准融合(一)——基于互信息的图像配准方法(c++)

1、内容简介图像配准方法按照其算法原理可以分为:基于灰度信息的配准、基于变换域信息的配准、基于特征信息的配准。(本人实验主要集中在基于灰度信息的配准以及基于特征信息的配准两类方法,对基于变换域信息的配准不熟悉,以下不涉及该方面内容的讨论。本篇主要是基于互信息的图像配准与融合(属于基于灰度信息配准与融合)的一些记录;下一篇主要介绍基于特征信息的配准与融合。)基于互信息的图像配准算法常用于医学图像配准

#计算机视觉#opencv#算法
语义分割评价指标学习

在学习语义分割时,查阅语义分割的评价标准,发现一篇博客讲的很清楚,现附上链接https://blog.csdn.net/weixin_38353277/article/details/121029978以备忘时查阅,文中详细解释了像素准确率(Pixel Accuracy,PA)、类别像素准确率(Class Pixel Accuray,CPA)、类别平均像素准确率(Mean Pixel Accura

#pytorch#学习
pytorch 图像分割DeepLabv3+ 训练自己的数据

参考资料:https://blog.csdn.net/qq_43492938/article/details/111183906一、图像分割

#pytorch#人工智能#python
目标检测的衡量标准

https://www.cnblogs.com/wjjcjj/p/13894995.htmlPrecision=True positives/predicted as positivesRecall=True positives/actual positives

#目标检测
    共 18 条
  • 1
  • 2
  • 请选择