denny的学习专栏

摘要： 深度学习的第一个实例一般都是mnist，只要这个例子完全弄懂了，其它的就是举一反三的事了。由于篇幅原因，本文不具体介绍配置文件里面每个参数的具体函义，如果想弄明白的，请参看我以前的博文： 数据层及参数 视觉层及参数 solver配置文件及参数 一、数据准备 官网提供的mnist数据并不是图片，但我们 阅读全文

摘要： 如果不进行可视化，只想得到一个最终的训练model, 那么代码非常简单，如下 : 阅读全文

摘要： caffe在训练的时候，需要一些参数设置，我们一般将这些参数设置在一个叫solver.prototxt的文件里面，如下： 有一些参数需要计算的，也不是乱设置。 假设我们有50000个训练样本，batch_size为64，即每批次处理64个样本，那么需要迭代50000/64=782次才处理完一次全部的 阅读全文

摘要： caffe是C++语言写的，可能很多人不太熟悉，因此想用更简单的脚本语言来实现。caffe提供matlab接口和python接口，这两种语言就非常简单，而且非常容易进行可视化，使得学习更加快速，理解更加深入。 半年前，我在学习CAFFE的时候，为了加深理解，因此写下了随笔，有了一系列的caffe学习 阅读全文

摘要： 骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。 1、骨架提取 骨架提取，也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。 morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和media 阅读全文

摘要： 形态学处理，除了最基本的膨胀、腐蚀、开/闭运算、黑/白帽处理外，还有一些更高级的运用，如凸包，连通区域标记，删除小块区域等。 1、凸包 凸包是指一个凸多边形，这个凸多边形将图片中所有的白色像素点都包含在内。 函数为： skimage.morphology.convex_hull_image(imag 阅读全文

摘要： 在前面的python数字图像处理（10）：图像简单滤波 中，我们已经讲解了很多算子用来检测边缘，其中用得最多的canny算子边缘检测。 本篇我们讲解一些其它方法来检测轮廓。 1、查找轮廓（find_contours) measure模块中的find_contours()函数，可用来检测二值图像的边缘 阅读全文

摘要： 在极坐标中，圆的表示方式为：x=x0+rcosθy=y0+rsinθ圆心为(x0,y0),r为半径，θ为旋转度数，值范围为0-359如果给定圆心点和半径，则其它点是否在圆上，我们就能检测出来了。在图像中，我们将每个非0像素点作为圆心点，以一定的半径进行检测，如果有一个点在圆上，我们就对这个圆心累加一... 阅读全文

摘要： 在图片处理中，霍夫变换主要是用来检测图片中的几何形状，包括直线、圆、椭圆等。在skimage中，霍夫变换是放在tranform模块内，本篇主要讲解霍夫线变换。对于平面中的一条直线，在笛卡尔坐标系中，可用y=mx+b来表示，其中m为斜率，b为截距。但是如果直线是一条垂直线，则m为无穷大，所有通常我们在... 阅读全文

摘要： caffe团队用imagenet图片进行训练，迭代30多万次，训练出来一个model。这个model将图片分为1000类，应该是目前为止最好的图片分类model了。 假设我现在有一些自己的图片想进行分类，但样本量太小，可能只有几百张，而一般深度学习都要求样本量在1万以上，因此训练出来的model精度 阅读全文