摘要：
1. 支持向量机 支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maxim 阅读全文
摘要：
1.条件概率 条件概率是指事件A在事件B发生的条件下发生的概率。条件概率表示为：P（A|B），读作“A在B发生的条件下发生的概率”。若只有两个事件A，B，那么： 在上式中P(B)不能等于0，另外，如果A,B相互独立，有P(AB)=P(A)P(B) 2.全概率公式 全概率公式为概率论中的重要公式，它将 阅读全文
摘要：
1.逻辑回归 逻辑回归是一种线性回归模型,它假设数据服从伯努力分布(二项分布,0-1分布),通过极大似然估计,运用梯度下降方法(牛顿法) 求解,进而达到二分类目的。逻辑回归与线性回归有很多相似之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。逻辑回归以线性回归理论作为支持。由于引入 阅读全文
摘要：
前面介绍过了使用Paddleseg套件训练后，使用export.py文件导出模型为推理部署模型。具体可以参考之前的：https://www.cnblogs.com/wancy/p/18028138 本文介绍使用paddle自定义简单二分类CNN模型到训练数据集再到转换onnx模型推理。 1. 数据集 阅读全文
摘要：
1. 报错问题 ValueError: (InvalidArgument) The axis is expected to be in range of [0, 0), but got 0 [Hint: Expected axis >= -rank && axis < rank == true, b 阅读全文
摘要：
1. 模板匹配步骤 模板匹配是一种基于图像的技术，用于在图像中寻找与给定模板图像相似的部分。由于模板图像的尺寸小于待匹配图像的尺寸，同时又需要比较两幅图像的每一个像素的灰度值，因此常采用在待匹配图像中选择与模板相同的尺寸的滑动窗口，通过比较滑动窗口与模板的相似程度，判断待匹配图像中是否含有与模板图像 阅读全文
摘要：
1. paddleocr PaddleOCR 是一个基于 PaddlePaddle 深度学习框架的开源 OCR（Optical Character Recognition，光学字符识别）工具。它提供了一系列的预训练模型和工具，可以用于文本检测、文本识别和文本方向检测等任务。 提供了易于使用的 Pyt 阅读全文
摘要：
1. darkne介绍 Darknet 是一个开源的深度学习框架，由 Joseph Redmon(YOLO~YOLOv3作者或参与者) 开发，主要用于实现神经网络模型。这个框架最初是为了实现计算机视觉任务而创建的，尤其是目标检测。其中最著名的应用之一就是 YOLO（You Only Look Onc 阅读全文
摘要：
1. ONNX （Open Neural Network Exchange） ONNX是一个开放的神经网络交换格式，它旨在提供一个统一的框架，使深度学习模型能够在不同的深度学习框架之间进行交换和共享。主要目标是解决深度学习框架之间的互操作性问题。在深度学习领域，有许多不同的框架，如 TensorFl 阅读全文
摘要：
jcpicker.exe是一款绿色免安装颜色拾取器软件，约为2M大小，可以用于提取RGB颜色、HSV、HSL颜色值。双击jcpicker.exe打开软件后，如下图所示： 这里演示一下HSB/HSV模式下，如何提取HSV颜色。 上图中数字的意思为: 122° 、89%、 92%分别表示该像素的Hue（ 阅读全文
摘要：
在 Python 中，枚举类型可以通过 enum 模块来实现。enum 模块提供了 Enum 类，用于创建具有命名值的枚举类型。枚举类型的创建方式包括使用类定义、使用函数和使用装饰器。 1.定义一个枚举类 from enum import Enum class Weekday(Enum): MOND 阅读全文
摘要：
图片数据集划分的方式与方法有很多，比如先将图片转换为矩阵，再使用scikit-learn包去划分。为了使得数据集更灵活，本文介绍python实现图片分类数据集的划分。 假设现在的数据集文件夹为flower_images，flower_images文件夹中有5类，每个类1000张。 使用自己的pyth 阅读全文
摘要：
指数变换 (伽马变换) 是用来图像加强, 提高暗部细节, 简单来讲就是经过非线性变换, 让图像从曝光强度的线性响应变得更接近人眼感觉的响应, 即将漂白 (相机曝光) 或过暗 (曝光不足) 的图片, 进行矫正。 1. 伽马变换 其中 c 和 γ 为正常数,r为输入值，范围为[0,1],常常先归一化，再 阅读全文