01 2019 档案
摘要：先解释一个单词 blur：使...模糊不清 滤波与模糊 滤波和模糊都属于卷积，不同的滤波方法之间只是卷积核不同（对线性滤波而言） 低通滤波器是模糊，高通滤波器是锐化 低通滤波器允许低频信号通过，在图像中边缘和噪点都相当于高频部分，所以低通滤波器用于去除噪点、平滑和模糊图像。高通滤波器则反之，用来增强
阅读全文
摘要：一、图片相加 要叠加两张图片，使用cv2.add()，相加两幅图片的形状（高度、宽度、通道数）必须相同。numpy中可以直接用res = img1 + img2相加。但是两者的结果并不相同 如果是二值化图片（只有0和255两种值），两者结果是一样的。 二、图像混合 图像混合cv2.addWeight
阅读全文
摘要：整个工程使用的是Windows版pyCharm和tensorflow。 源码地址：https://github.com/Irvinglove/tensorflow_poems/tree/master 代码与上篇唐诗生成基本一致，不做过多解释。详细解释，请看：Tensorflow生成唐诗和歌词（上）
阅读全文
摘要：整个工程使用的是Windows版pyCharm和tensorflow。 源码地址：https://github.com/Irvinglove/tensorflow_poems/tree/master 唐诗生成 一、读取诗的数据集（poems.py） 这段代码主要是有两个函数构成： 1. proces
阅读全文
摘要：这是我在机器之心上看到的一篇文章，写的非常好。自己写一遍增强印象 参考地址：https://mp.weixin.qq.com/s/yWKdZLzPy5fcnmNLLcfKPA 循环神经网络（RNN）很容易受到短期记忆的影响。如果序列足够长，序列开头的信息随着传递逐渐减弱，直至消失，很容易被遗漏。 在
阅读全文
摘要：上两篇详细的说明了验证码的识别，不过我们采用的是方法二，下面采用方法一。注意和方法二的区别。 验证码识别方法一： 把标签转为向量，向量长度为40。（4位数字验证码） 验证码的生成和tf.record的制作这部分代码不变。 一、训练识别模型 首先新建一个nets2文件夹，使用文件夹下的nets_fac
阅读全文
摘要：在说Otsu之前，先说几个概念 灰度直方图：将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。其实就是每个值（0~255）的像素点个数统计。 Otsu算法假设这副图片由前景色和背景色组成，通过最大类间方差选取一个阈值，将前景和背景尽可能分开。 一、代码展示 可以看出Otsu阈值明显优于固定
阅读全文
摘要：一、固定阈值分割 cv2.threshold()用来实现阈值分割，有4个参数： 参数1：要处理的原图，一般是灰度图 参数2：设定的阈值 参数3：最大阈值，一般是255 参数4：阈值的方式，主要有5种，详情：ThresholdTypes 理解这5种阈值方式： 固定阈值将整幅图片分成两类值，它并不适用于
阅读全文
摘要：一、颜色空间转换 颜色转换其实是数学运算，如灰度化最常用的是：gray = R* 0.299 + G* 0.587 + B * 0.114 二、视频中特定颜色物体追踪 HSV：色调（H），饱和度（S），明度（V）。对光照的变换并不是很敏感，相比于BGR更易于区分颜色，常用于颜色识别的模型。转换模式用
阅读全文
摘要：一、获取和修改像素点的值 通过行、列坐标获取某个像素点的值，对于彩色图。B、G、R对应0， 1， 2 修改像素也是同样的方式： 更好的像素访问和编辑方法： 二、图片属性 1、图像形状 2、数据类型 3、图像总像素数 二、感兴趣区域（ROI） 行对应y，列对应x，所以其实是img[y, x]，所以要注
阅读全文
摘要：一、打开摄像头 cv2.VideoCapture(0)创建VideoCapture对象，参数0表示摄像头编号，如果你有两个摄像头，也可以传入1 二、播放本地视频 和打开摄像头一样，把摄像头编号换成视频的路径就可以播放本地视频。cv2.waitKey的参数0表示无限等待，数值越大，视频播放越慢，反之，
阅读全文
摘要：前面一直都是使用命令行运行代码，不够人性化。这篇用Python编写一个GUI界面，使用PyQt5编写图像处理程序。包括：打开、关闭摄像头，捕获图片，读取本地图片，灰度化和Otsu自动阈值分割的功能。 使用Qt Designer来设计界面。而anaconda里自带了designer.exe，我使用的就
阅读全文
摘要：首先感觉学习OpenCV-python最好的学习工具官方的英文文档。 官方英文教程：OpenCV-Python Tutorials 我使用的是anaconda里的 jupyter notebook。至于如何安装，请自行百度。然后再安装 cv2包 快速、简洁、流行的python 众所周知，python
阅读全文
摘要：参考地址：https://blog.csdn.net/miracle_ma/article/details/78305991 使用DCGAN（deep convolutional GAN）：深度卷积GAN 网络结构如下： 代码分成四个文件： 读入文件 read_data.py 配置线性层，卷积层，反
阅读全文
摘要：参考：《tensorflow实战》 首先介绍一下Word2Vec Word2Vec：从原始语料中学习字词空间向量的预测模型。主要分为CBOW（Continue Bags of Words）连续词袋模型和Skip-Gram两种模式 CBOW：从原始语句（中国的首都是___）推测目标字词（北京）。Ski
阅读全文
摘要：三、训练识别模型 首先先拷贝一个nets文件夹，主要使用的是文件夹下的两个文件nets_factory.py、alexnet.py，用于导入训练使用的网络alexnet。 nets_factory.py alexnet.py 对源码做出一定的修改，前面的卷积和池化作为共享层保持不变，主要就是修改最后
阅读全文
摘要：验证码的识别 主要分成四个部分：验证码的生成、将生成的图片制作成tfrecord文件、训练识别模型、测试模型 使用pyCharm作为编译器。本文先介绍前两个部分 验证码的识别有两种方法： 验证码识别方法一： 把标签转为向量，向量长度为40。（4位数字验证码） 例如有一个验证码为0782， 它的标签转
阅读全文
摘要：先创建一个reader.py，后面的程序将用到其中的函数。 数据的内容主要是关于电影与用户。 一、加载数据、划分训练集和测试集 二、定义模型，返回预测结果和正则化项 三、定义损失函数 四、读取数据以构建tensorflow模型 五、训练 六、创建会话
阅读全文
摘要：一、使用movieLens数据集 二、算法调参 我们使用sklearn常用到的网格搜索交叉验证（GridSearchCV）来选择最优的参数 在自己的数据集上训练模型 该如何做？ 1. 载入自己的数据集 2. 使用不同的推荐算法进行建模比较 推荐系统--不同电影之间的相似度 一、载入数据，使用算法算出
阅读全文
摘要：Surprise Surprise是scikit系列中的一个。Surprise的User Guide有详细的解释和说明 支持多种推荐算法 基础算法/baseline algorithms 基于近邻方法（协同过滤）/neighborhood methods 矩阵分解方法/matrix factoriz
阅读全文
摘要：基于SVD的图像压缩 原始图像：手写数字，32* 32=1024像素。可以使用SVD来对数据降维 一、分析Sigma的长度个数 通常保留矩阵80%~90%的能量，就可以得到重要的特征并去除噪声 二、将文本数据转化为矩阵 三、打印矩阵 四、实现图像压缩，允许基于任意给定的奇异值数目来重构图像 五、总结
阅读全文
摘要：推荐未尝过的菜肴-基于SVD的评分估计 实际上数据集要比我们上一篇展示的myMat要稀疏的多。 一、计算一下到底有多少个奇异值能达到总能量的90%（下一篇我们将用一个函数实现该功能） 二、相似度计算（欧式距离、皮尔逊相关系数、余弦相似度） 三、基于SVD的评分估计 四、排序获取最后的推荐结果
阅读全文
摘要：推荐未尝过的菜肴-基于物品相似度的推荐 推荐系统的工作过程：给定一个用户，系统会为此用户返回N个最好的推荐菜 1. 寻找用户没有评级的菜肴，即在用户-物品矩阵中的0值 2. 在用户没有评级的所有物品中，对每个物品预计一个可能的评级分数（利用相似度计算）。这就是说，我们预测用户对每个物品的打分 3.
阅读全文
浙公网安备 33010602011771号