摘要: 前一段时间,我一直在制作OpenCV基础知识的课件,因为一方面我感觉现有教程需要一个系统核心;另一方面我也反省自己对基础知识是否掌握牢靠了,千万不能误人子弟。那么课件的制作,包括内容的顺序,主要还是基于《learningOpenCV3》的。结合制作课件,我对《learningOpenCV3》书后的习题较为仔细的解决,并且push到了Github上https://github.com/oreillymedia/Learning-OpenCV-3_examples。有push当然也就有commit了,可喜的是这个commit是由Opencv类库的创始者,也是《learningOpenCV3》这本书的作者Gary操作的。一来二去混熟了,我就问Gary这书怎么还没中文版呀?他说开始搞了呀。我就说我能不能加入呀?他说行。要了我的email,接着联系上了清华出版社,也看到了部分初稿。由于书已经翻译的差不多了,我就作为reviewer加入,主要是看一看语法和程序方面的错误。review的过程,实际上还是一个重复学习的过程,很多在以前学习过程中一笔带过,或者看不懂就拉倒的地方,现在就必须认真仔细地来看阅读全文
posted @ 2017-08-14 21:39 jsxyhelu 阅读(829) 评论(5) 编辑
摘要: Csharp如何调用基于Opencv编写的类库文件(Dll)是一个广泛讨论的问题。 经过长时间探索后,我终于进行了很好的实现。源代码公开,并且包括一个实际调用的例子: 希望你能够在这里找到自己想要的东西!阅读全文
posted @ 2017-04-04 20:25 jsxyhelu 阅读(1490) 评论(4) 编辑
摘要: 编写带界面的图像处理程序,选择opencv+mfc是一种很好的选择;在读取摄像头数据方面,网上的方法很多,其中shiqiyu的camerads的方法是较好的。 基于现有资料,通过在实际项目中的积累,我总结出来一套结合opencv和mfc的摄像头采集框架。具有以下特点: 1、基于directshow,兼容性好,速度快。到目前为止,无论是工业相机还是普通相机,没发现不兼容的; 2、摄像头部分通过线程读取,保证界面的运行流畅; 3、框架经过多次打磨,已经比较稳定,不会出现异常错误;代码简洁明了,方便复用。阅读全文
posted @ 2016-10-05 07:45 jsxyhelu 阅读(3465) 评论(0) 编辑
摘要: 这是一个典型的“机器视觉”应用。其中,答题卡的样式可以是由自己来设置的,图片的获取方式提到了可以是“手机拍照、相机拍照”这种比较方便的方式;本例的一个特殊的要求是:你可以识别不出来,但是你不能识别错误,这是项目的特殊要求。这里是我的思考和实现。阅读全文
posted @ 2015-01-18 14:07 jsxyhelu 阅读(9051) 评论(21) 编辑
摘要: 在之前我们做过这样的研究:5图分类CBIR问题各不相同的 5类的图形,每类100张import numpy as npfrom keras.datasets import mnistimport gcfrom keras.models import Sequential, Modelfrom keras.layers import Input, Dense, Dropout, Flattenfro...阅读全文
posted @ 2018-04-22 10:08 jsxyhelu 阅读(12) 评论(0) 编辑
摘要: 在之前我们做过这样的研究:5图分类CBIR问题各不相同的 5类的图形,每类100张import numpy as npfrom keras.datasets import mnistimport gcfrom keras.models import Sequential, Modelfrom keras.layers import Input, Dense, Dropout, Flattenfro...阅读全文
posted @ 2018-04-22 10:08 jsxyhelu 阅读(2) 评论(0) 编辑
摘要: 今天进一步在cifar10数据集上解决几个问题:1、比较一下序贯和model,为什么要分成两块;2、同样的条件下,我去比较一下序贯和model。这个例子作为今天的晚间运行。1、比较一下序贯和model,为什么要分成两块;我认为比较能够说明问题的是前期那个验证码的modelinput_tensor = Input((height, width, 3))x = input_tensorfor i in...阅读全文
posted @ 2018-04-18 19:01 jsxyhelu 阅读(8) 评论(0) 编辑
摘要: 本课我们主要来研究一个“浏览器中的卷积神经网络”这只是一个展示项目,但是能够帮助直观地看到一些东西地址:https://cs.stanford.edu/people/karpathy/convnetjs/demo/cifar10.htmllayer_defs = [];layer_defs.push({type:'input', out_sx:32, out_sy:32, out_depth:3}...阅读全文
posted @ 2018-04-18 18:56 jsxyhelu 阅读(3) 评论(0) 编辑
摘要: 今天的基础研究主要是在cifar10数据集上解决一下几个问题:1、从头开始,从最简单的序贯开始,尝试model的构造;2、要将模型打印出来。最好是能够打印出图片,否则也要summary;3、尝试对例子的参数进行分析,得出初步修改意见。1、构建模型'''Train a simple deep CNN on the CIFAR10 small images dataset.It gets to 75%...阅读全文
posted @ 2018-04-17 19:52 jsxyhelu 阅读(13) 评论(0) 编辑
摘要: 本课主要2个实践内容:1、keras中数据集丰富,从数据集中提取更多特征(Data augmentation)2、迁移学习(Tranform learning)代码:https://github.com/jsxyhelu/DateSets1、keras中数据集丰富,从数据集中提取更多特征(Data augmentation)keras是比较现代化的DL工具,所以这方面的功能都是具备的。这里首先将相...阅读全文
posted @ 2018-04-16 19:54 jsxyhelu 阅读(17) 评论(0) 编辑
摘要: 一、CBIR技术简介传统的图像检索过程,先通过人工对图像进行文字标注,再利用关键字来检索图像,这种依据图像描述的字符匹配程度提供检索结果的方法,简称“以字找图”,既耗时又主观多义。基于内容的图像检索客服“以字找图”方式的不足,直接从待查找的图像视觉特征出发,在图像库(查找范围)中找出与之相似的图像,这种依据视觉相似程度给出图像检索结果的方式,简称“以图找图”。基于内容的图像检索分为三个层次:(1)...阅读全文
posted @ 2018-04-11 20:16 jsxyhelu 阅读(6) 评论(0) 编辑
摘要: ​随着硬件条件的不断发展和算法理论的不断进步,深度学习已经成为解决实际问题的一种有效方法,特别是在图像处理方面,深度学习能够帮助我们解决很多历史上难以解决、或者解决不好的问题。这篇博客代理大家梳理相关知识,搞明白由图像处理出发,我们为什么要学习深度学习?如何学习深度学习?最后落到实处,应该是研究那些具体的东西?一、为什么研究深度学习深度学习是有史以来发明的最为优美的编程范式之一。在传统的方法中,我...阅读全文
posted @ 2018-04-11 14:04 jsxyhelu 阅读(28) 评论(0) 编辑
摘要: ​​其中:1、VGG 网络以及从 2012 年以来的 AlexNet 都遵循现在的基本卷积网络的原型布局:一系列卷积层、最大池化层和激活层,最后还有一些全连接的分类层。2、ResNet 的作者将这些问题归结成了一个单一的假设:直接映射是难以学习的。而且他们提出了一种修正方法:不再学习从 x 到 H(x) 的基本映射关系,而是学习这两者之间的差异,也就是「残差(residual)」。然后,为了计算 ...阅读全文
posted @ 2018-04-07 21:58 jsxyhelu 阅读(12) 评论(0) 编辑
摘要: 阅读全文
posted @ 2018-04-07 15:54 jsxyhelu 阅读(13) 评论(0) 编辑