冰冻三尺 非一日之寒

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

摘要： import tensorflow as tf import numpy as np #保存权重 model_file = "./model/cifarmodel.h5" model.save_weights(model_file) print("已保存模型权重！") #加载权重 try: mode 阅读全文

摘要： 一、各层的意义 输入层：将每个像素代表一个特征点输入到网络中 卷积层：卷积运算的主要目的是使原信号特征增强，并降低噪音 降采样层：降低网络训练参数及模型的过拟合程度 全连接层：对生成的特征进行加权 二、全连接层与卷积层的参数比较 局部连接即每个卷积的输出只是与卷积核大小的部分有联系，而全连接层的每个 阅读全文

摘要： 例如使用14 * 14的窗口在16 * 16的图像上从左到右、从上到下滑动，最终会生成2 * 2 * k的张量，注意并不是单独把每个窗口拿去放到网络中，而是一张图，一次性放到网络中，共享重复区域 rcnn分为两步，先用图像分割算法分割出每个图像，然后再对一些可能为对象的色块进行识别，生成box 阅读全文

摘要： import tensorflow logdir = './logs' checkpoint_path = './checkpoint/Titanic.{epoch:02d}-{val_loss:.2f}.ckpt' #路径为当前目录下的checkpoint子目录，后边为命名规则 callbacks 阅读全文

摘要： 在指定网址下载文件，并放到指定目录 import urllib.request import os url = "xxxxx" data_path = "D:/xxx" if not os.path.isfile(data_path): # 如果不存在文件 ret = urllib.request. 阅读全文