摘要: import numpy as np def generate_basic_anchors(sizes, base_size=16): #base_anchor([0,0,15,15]) base_anchor = np.array([0, 0, base_size - 1, base_size - 阅读全文
posted @ 2019-11-22 14:28 奥布莱恩 阅读(295) 评论(0) 推荐(0) 编辑
摘要: 平时工作中图像处理经常会用到图像最大轮廓及最小外接矩形的获取: 计算过程如下: img = cv2.imread(path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.blur(gray, (9, 9)) _, thresh 阅读全文
posted @ 2019-11-15 14:55 奥布莱恩 阅读(9490) 评论(0) 推荐(0) 编辑
摘要: 1.SIFT特征点和特征描述提取(注意opencv版本) 高斯金字塔:O组L层不同尺度的图像(每一组中各层尺寸相同,高斯函数的参数不同,不同组尺寸递减2倍) 特征点定位:极值点 特征点描述:根据不同bin下的方向给定一个主方向,对每个关键点,采用4*4*8共128维向量的描述子进项关键点表征,综合效 阅读全文
posted @ 2019-11-12 10:53 奥布莱恩 阅读(11439) 评论(1) 推荐(0) 编辑
摘要: 主要理解几点:RPN训练 # AnchorTargetCreator就是将20000多个候选的Anchor选出256个Anchor进行分类和回归,选择过程如下:# 对于每一个GTbbox,选择和它交并比最大的一个Anchor作为正样本。# 对于剩下的Anchor,从中选择和任意一个GTbbox交并比 阅读全文
posted @ 2019-11-07 16:39 奥布莱恩 阅读(205) 评论(0) 推荐(0) 编辑
摘要: #根据身高体重训练 预测男生还是女生#1数据制作rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65] 阅读全文
posted @ 2019-11-06 11:34 奥布莱恩 阅读(1724) 评论(0) 推荐(1) 编辑
摘要: #灰度图片均衡化 img = cv2.imread('yqk.jpg',0) img_info = img.shape height = img_info[0] width = img_info[1] count_g = np.zeros(256,np.float) #每个像素出现的次数 for i 阅读全文
posted @ 2019-11-05 11:44 奥布莱恩 阅读(208) 评论(0) 推荐(0) 编辑
摘要: import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread('yqk.jpg') img_info = img.shape height = img_info[0] width = img_info[1 阅读全文
posted @ 2019-11-05 10:34 奥布莱恩 阅读(160) 评论(0) 推荐(0) 编辑
摘要: 1.目前只总结出两条 创建saver实例saver = tf.train.Saver()放在循环外面 不循环初始化变量 sess.run(tf.global_variables_initializer()) 阅读全文
posted @ 2019-08-07 10:04 奥布莱恩 阅读(416) 评论(0) 推荐(0) 编辑
摘要: 在C++中对文件进行操作,要包含头文件 创建对象(简单举例): 写入内容 关闭文件,保存文件。 阅读全文
posted @ 2019-05-21 14:57 奥布莱恩 阅读(939) 评论(0) 推荐(0) 编辑
摘要: C++新手,方法可能有很多,此方法仅仅是自己实验并可行,详细步骤如下: 生成dll文件和lib文件: (1) 新建项目-windows桌面向导,选择动态链接.dll以及空项目; (2)复制代码(头文件和cpp文件)到文件夹; (3)头文件里添加宏:#ifdef DLL_API#define DLL_ 阅读全文
posted @ 2019-04-18 13:18 奥布莱恩 阅读(3037) 评论(0) 推荐(0) 编辑