摘要： https://blog.csdn.net/qq_42233538/article/details/98346704 阅读全文

摘要： model.train()启用 Batch Normalization 和 Dropout。如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropou 阅读全文

摘要： https://github.com/rbgirshick/rcnn（代码以及论文地址） 摘要 可以将ImageNet上的进全图像分类而训练好的大型卷积神经网络用到PASCAL的目标检测中？ 答案是肯定的，并且结果是简单的，可扩展的，相对于可变部件模型（DPM）将平均精度提高了40％以上（在VOC 阅读全文

摘要： Abstact 实例级人体解析在生活场景中是很常见的，也有许多表现形式，比如人体部件分割、稠密姿态估计、人-物交互等。模型需要判别不同人实例，学习丰富的特征来表示每个实例的细节。在这篇文章中，我们提出一个端到端的pipeline来解决实例级人体解析，叫做parsing r-cnn。它通过综合考虑基于 阅读全文

摘要： 基于贝叶斯分类器的肤色识别实现（不讲原理，小白照着做就能跑） 引言：之前做的时候，网上的实现对新手而言不怎么友好，自己找了蛮多不同的资源，最后才整合到了一起，浪费了很多时间，所以在自己实现后把这个分享出来，希望提供思路对刚做这个的朋友有所帮助。 第一步 运行环境 环境: pycharm下 pthon 阅读全文

摘要： approx = cv2.approxPolyDP(cnt,0.02*peri,True) # 输出近似图像折点坐标 主要功能是把一个连续光滑曲线折线化 cv2.approxPolyDP(curve, epsilon, closed, approxCurve) x, y, w, h = cv2.bo 阅读全文

摘要： 轮廓检测 cv2.findContours()函数 参考 https://blog.csdn.net/hjxu2016/article/details/77833336 轮廓画出 cv2.drawContours()函数 参考 https://blog.csdn.net/qq_18343569/ar 阅读全文

摘要： 腐蚀原理： 假设原图像中有一个前景物体，那么我们用一个结构元素去腐蚀原图的过程是这样的：遍历原图像的每一个像素，然后用结构元素的中心点对准当前正在遍历的这个像素，然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最小值，用这个最小值替换当前像素值。腐蚀的结果使得原来的图像缩小一圈 img_ero 阅读全文

摘要： 深度——神经网络的层数宽度——每层的通道数分辨率——是指网络中特征图的分辨率 深度和宽度是深度神经网络的两个基本维度，分辨率不仅取决于网络，也与输入图片的尺寸有关。 对于深度和宽度，以及他们对网络性能的影响，这篇博客有介绍：深度学习网络的宽度和深度怎么理解，增加宽度和深度对网络模型有什么影响？简单总 阅读全文

摘要： 熵的公式 H(p)=−∑p(x)log2p(x) 在信息理论中，熵表示信息量之和。信息量单位为 bit/符号,即衡量每个符号(字符或其他表示意义的东西)表示信息量的多少。如 一串发送的英文字符aaaaddgj中 只有 a d g j 四个字符，每个字符在整串英文字符中出现的概率P(x)分别为 1/2 阅读全文