共28页: 上一页 1 2 3 4 5 6 7 8 9 下一页 末页 
摘要: 问题来源:实际项目中,需要给出识别轮廓的长度和宽度。初步分析:轮廓分析的例程为:int main( int argc, char** argv ){ //read the image Mat img = imread("e:/sandbox/leaf.jpg"); Mat bw; bool dRet; //resize pyrDown(img,img); ...阅读全文
posted @ 2018-07-21 09:28 jsxyhelu 阅读(337) 评论(0) 编辑
摘要: contour在opencv中是一个基础的数据结构,灵活运用的话,作用很大。以contour为关键字,在answerOpenCV中能够发现很多有趣的东西。1、无法解决的问题http://answers.opencv.org/question/195718/how-to-remove-unwanted-areaspixels-from-image/ The problem is that. I ju...阅读全文
posted @ 2018-07-20 23:14 jsxyhelu 阅读(89) 评论(0) 编辑
摘要: 我理解这个问题和猫狗的不同,在于将2类扩展为10类,其它的地方我准备采用相同的方法。注意事项:1、我要用kaggle的数据集,而不是用其它的数据集;2、最终得到的结果要以test为导向;1、先打开jupyter,并且把数据集传到dl_machine上去。想办法读入数据通过观察kaggle,可以发现pd的使用非常高,很大程度上是因为它对csv文件的支持非常好吧。df=pd.read_csv('tra...阅读全文
posted @ 2018-07-14 08:11 jsxyhelu 阅读(73) 评论(0) 编辑
摘要: 随着学习的进行,深度学习的学习速率逐步下降 为什么比 固定的学习速率 得到的结果更加准确?如上图所示,曲线代表损失值,小球一开始位于(1)处,假设学习速率设置为 △ v,那么根据梯度下降,损失值将在(1) (2)之间来回移动,无法到达最小值(3)处。要想到达(3),只能降低学习速率。keras中实现方法:learning_rate_reduction = ReduceLROnPlateau(...阅读全文
posted @ 2018-07-01 19:58 jsxyhelu 阅读(239) 评论(0) 编辑
摘要: 主要是通过mnist了解kaggle的操作细节,最终这里的结果为: 引入必须的库¶ import pandas as pd import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimg impo阅读全文
posted @ 2018-06-30 09:09 jsxyhelu 阅读(92) 评论(0) 编辑
摘要: 一、How to make auto-adjustments(brightness and contrast) for image Android Opencv Image Correctioni'm using OpenCV for Android. I would like to know,how to make image correction(auto adjustments of bri...阅读全文
posted @ 2018-06-22 22:08 jsxyhelu 阅读(155) 评论(1) 编辑
摘要: mfc实现的程序中,ribbon界面是主流,比较适合测量类项目。几个修改图标的小技巧:1、现有的bmp,可以直接修改在好几个地方,已经将IDB_*和显示效果对接清楚了,直接修改这里的bmp,就可以起到效果。需要注意的是透明色问题。2、工具带是比不可少的,一次性解决很多图标的问题,而且和ribbon配合的很好。生成结果可以直接导入,只要确定好你的图标库就可以。结果非常完美。来自为知笔记(Wiz)阅读全文
posted @ 2018-06-21 14:52 jsxyhelu 阅读(41) 评论(0) 编辑
摘要: 一、基本环境$ pip install flask gevent requests pillow其中 flask不需要解释gevent 是用于自动切换进程的;pillow 是用来进行python下的图像处理的;requests 是用来进行python下request处理的。二、核心代码解释# import the necessary packagesfrom keras.applications ...阅读全文
posted @ 2018-06-20 22:28 jsxyhelu 阅读(44) 评论(0) 编辑
摘要: yolo是继faster-r-cnn后,原作者在目标检测领域进行的新研究。到了v3版本以后,虽然已经换人支持,但是更注重工程实践,在实际使用过程中突出感受就是 “非常快”,GPU加速以后能够达到实时多目标,并且已经完成了工程实践。下一步需要做的,应该就是 1、小型化 2、fpga化 3、垂直领域特定阅读全文
posted @ 2018-06-08 10:26 jsxyhelu 阅读(777) 评论(0) 编辑
摘要: 网络化部署一直是我非常想做的,现在已经基本看到了门路。今天早上实验,发现在手机上的支持也非常好(对于相机的支持还差一点),证明B/S结构的框架是非常有生命力的。下一步就是要将这个过程深化、总结,并且封装出来。我罗列了以下具体工作,分为三天完成1、如何将服务长期运行;2、将cbir模型移植过来,解决垂直领域问题;3、B/S方式是未来,学习现有框架中B/S的构建方法,还需要一些修改界面的知识;4、we...阅读全文
posted @ 2018-06-05 09:27 jsxyhelu 阅读(91) 评论(0) 编辑
共28页: 上一页 1 2 3 4 5 6 7 8 9 下一页 末页