09 2021 档案
摘要：文件夹格式 仿照着陈云的书，自己做了些修改 dataset： 注意自己写dataset时至少写__init__(self) __getitem__(self, index) __len__(self, )这几个函数 __init__用于创建地址列表，transform等操作 __getitem__返
阅读全文
摘要：softmax的主要工作就是将预测出来的结果，用概率来表示，并将总的概率相加为1 通过全连接层输出的预测结果有正有负，那为什么有负数呢？ 是因为参数或者激活函数的问题 将预测结果转换为概率主要分为两步： 1、将所有的负数变为正数，并不能改变与原正数的相对大小 $y = e^x$指数函数恰好能满足这个
阅读全文
摘要：train.py import torch import torch.nn as nn import torch.nn.functional as F import os from tensorboardX import SummaryWriter import torchvision.datase
阅读全文
摘要：我目前认为的，并不代表正确 pca主要用于降维 图片来源：https://www.zhihu.com/question/41120789/answer/474222214 例如二维到一维，求协方差矩阵的单位特征向量，得a1和a2，其中一个就为x轴得方向向量，一个为y的 让x和y一个乘a1，一个乘a2
阅读全文
摘要：假设有一个三层全连接网络，设$x_i$为第i层网络的输入，$f_i$为第i层激活函数的输出，，则 \(x_i = f_{i - 1}\) \(f_{i+1} = f(f_i * w + b)\) 注意现在x是已知的，要通过已知的x去训练w 设$Loos = g(f_3)$ 则$w_{3(new)}
阅读全文
摘要：img = cv2.imread('C:/Users/Dell/PycharmProjects/check_KeyPoint/image/right_01.png') img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) sift = cv2.xfeatu
阅读全文
摘要：步骤分两步： 第一步先将图片摆正，输出扫描版（应用透视变换） 第二步用pytesseract识别即可 main.py import torch import numpy as np import cv2 import math import test def show(img): cv2.imsho
阅读全文
摘要：泰勒展开后得 （式子中w没有写） 将二次型标准化后的可得 c(x, y, △x,△y) = λ1x2 + λ2y2 根据λ1 和 λ2的大小判断是否是角点 opencv中都封装到了cv2.cornerHarris(img, blockSize, ksize, k) img:图像，float32类型，
阅读全文
摘要：main.py import cv2 import math import torch import numpy as np import scan_utils def show(img): cv2.imshow('name', img) cv2.waitKey(0) cv2.destroyAllW
阅读全文
摘要：def cmp(x): return x[0][0] def Sort(contours): bbox = [cv2.boundingRect(c) for c in contours] (_, ret) = zip(*sorted(zip(bbox, contours), key = cmp))
阅读全文
摘要：对图像求直方图，即统计每个像素值有多少个点 第一个参数为图像，第二个参数为图像通道（0表示灰度图），第三个参数为掩膜（None表示没有） 第四个参数为直方图中有多少柱子，第五个参数为统计像素值的范围 img_x = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) his
阅读全文
摘要：注意：轮廓检测需要使用二值图像 img_gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) #为了更高的精确率使用二值图像，第一个返回值为127，即阈值，第二个为二值图像 _, img_bin = cv2.threshold(img_gray, 127, 25
阅读全文
摘要：Canny边缘检测分为四步： 1、图像降噪：使用高斯滤波器，平滑图像，滤除噪声，噪声是灰度值变化较大的部分，容易被识别为噪声 2、计算图像梯度：图像的梯度即为图像的灰度值的变化最快的地方，梯度的模即为方向导数的最大值（将图像看作函数），边缘也是灰度值变化最快的地方 3、非极大值抑制：将局部范围内的梯
阅读全文
摘要：import torch import numpy from torch.utils.data import TensorDataset from troch.utils.data import DataLoader #TensorDataset将数据和标签封装到一起，再用DataLoader封装后
阅读全文
摘要：为什么要进行maxpool？ max pooling之后，仅保留了最代表性的pixel 浅层网络输出： 深层网络输出： 图1虽然人容易看，但特征不具有代表性，就是说不能通过一个特征就判定它是否是行人，之所以人看起来容易，是因为人做了后面深层网络做的东西。 图2比较难以区分，因为它已经对某些结构进行了
阅读全文
摘要：神经网络只需要学习一个函数d d（img1, img2） = degree of difference between imags d将输出两张图片的差异，如果有新人加入，则不需要重新训练网络，只需要用新人的照片与数据库中的去作比较 如果输出的差异小于某个阈值，则判断为是同一个人 Siamese n
阅读全文
摘要：注意顺序 pyqt 这个不要用4了，用5，直接 pip install PyQt5==5.15.4 traits vtk mayavi 链接: https://pan.baidu.com/s/1xkxeHSLABs51fLbbV0-fVw 提取码: exgz
阅读全文
浙公网安备 33010602011771号