<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Lv0930Hui的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Lv0930Hui</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Lv0930Hui]]></copyright><item><title><![CDATA[制作自己的VOC数据集用于YOLOV3_TensorFlow的训练]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/108497083</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/108497083</guid><author>Lv0930Hui</author><pubDate>Wed, 09 Sep 2020 19:07:16 +0800</pubDate><description><![CDATA[一、数据集标注

我用的是labelme进行标注的。首先打开labelme——》Open Dir——》edit——》Creat Rectangle，之后就可以进行图片标注了。每张图片标注之后会形成一个对应的json文件，而json文件默认是保存在数据集目录下，也就是和图片混合存储在一个文件夹下。如下图所示：



图片标注完以后，需要将json文件转换为VOC数据集的xml格式，转换代码如下：


import os 
from typing import List, Any
import numpy as]]></description><category></category></item><item><title><![CDATA[在anaconda环境中配置PCV和vlfeat]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/106254592</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/106254592</guid><author>Lv0930Hui</author><pubDate>Thu, 21 May 2020 13:02:30 +0800</pubDate><description><![CDATA[首先，我所用的环境时在win64+anaconda+python3.7环境中。

1、安装PCV库

PCV下载地址：https://github.com/jesolem/PCV

安装包下载后解压得到文件夹PCV-master，通过cmd进入setup.py所在的目录



然后执行命令：python setup.py install



PCV就安装好了！

2、vlfeat配置




...]]></description><category></category></item><item><title><![CDATA[将CVPPP中的彩色RGB分割标注图像数据集转换为COCO格式的json文件]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/106176330</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/106176330</guid><author>Lv0930Hui</author><pubDate>Sun, 17 May 2020 16:31:31 +0800</pubDate><description><![CDATA[首先，我所用的python3.6。

代码如下：


import os
import shutil
path_img='目标文件夹'
ls = os.listdir(path_img)
print(len(ls))
for i in ls:
    if i.find('label')!=-1:
        shutil.move(path_img+'/'+i,"移动后图片存储路径"+i)

例如：


import os
import shutil
path_img='F:/test_datas..]]></description><category></category></item><item><title><![CDATA[SLAM环境搭建----virtualBox+ubuntu16.04+ros]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/103280808</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/103280808</guid><author>Lv0930Hui</author><pubDate>Wed, 27 Nov 2019 18:52:08 +0800</pubDate><description><![CDATA[本篇文章主要是复现港大的一篇文章的实验。主要步骤地址如下：

https://github.com/hku-mars/loam_livox

根据文章，大致安装步骤如下：



1、安装ubuntu和ros

  在安装ubuntu和ros时，版本一定要对应，支持ros的linux系统好像只有ubuntu16.04和ubuntu18.04，而且各自对用的ros版本也不同，安装之前需要了解...]]></description><category></category></item><item><title><![CDATA[保存SVM模型并调用]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/92143545</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/92143545</guid><author>Lv0930Hui</author><pubDate>Sat, 15 Jun 2019 18:42:21 +0800</pubDate><description><![CDATA[将训练好的模型保存为pickle文件，有以下步骤：

1）以二进制的方式打开文件：

file = open("G:/Download_Data_bishe/save_model/model.pickle", "wb")

2）然后将模型写入文件：pickle.dump(classifier, file)

3）最后关闭文件：file.close()

要想调用保存好的模型，有以下思路：

1）...]]></description><category></category></item><item><title><![CDATA[基于NBM的图像二分类问题]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/92135983</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/92135983</guid><author>Lv0930Hui</author><pubDate>Sat, 15 Jun 2019 18:23:02 +0800</pubDate><description><![CDATA[朴素贝叶斯算法在概率图模型中被划分为判别模型是目前应用最为广泛的分类模型之一。最常见的分布有高斯分布，多项式分布和伯努利分布。这次的文章就实现了这三种算法用于图像分类，由于在sklearn中封装了这三种函数，因此直接调用就好。

首先要读入有标签的图片，代码如下：


X = []
Y = []
for i in range(0, 2):
    #遍历文件夹，读取图片
    for f in ...]]></description><category></category></item><item><title><![CDATA[基于KNN的图像二分类]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/90266931</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/90266931</guid><author>Lv0930Hui</author><pubDate>Thu, 16 May 2019 16:54:06 +0800</pubDate><description><![CDATA[我用的环境是eclipse中搭建的python开发环境，主要实现基于图像的二分类问题，数据集的遍历以及参数的自动调节，可以参考上一篇博客，在自动调参时，唯一的不同就是参数组合，KNN的参数组合可以参考以下代码：


 param_grid = [
     {
         'weights':['uniform'],
         'n_neighbors':[i for i in ra...]]></description><category></category></item><item><title><![CDATA[基于SVM的图像二分类算法]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/90265977</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/90265977</guid><author>Lv0930Hui</author><pubDate>Thu, 16 May 2019 16:38:14 +0800</pubDate><description><![CDATA[本实验是用的python代码实现图像的二分类问题，我是在eclipse中搭建python环境。首先需要读入训练数据，代码如下：


X = []
Y = []

for i in range(0, 2):
    #遍历文件夹，读取图片
    for f in os.listdir("G:/Download_Data_bishe/leaf_data/pepper_bellSmall/%s" % ...]]></description><category></category></item><item><title><![CDATA[实现腾讯云上提供的虚拟平台设计的APP与Andriod Studio上开发的APP相连接]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/80808076</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/80808076</guid><author>Lv0930Hui</author><pubDate>Mon, 25 Jun 2018 22:07:36 +0800</pubDate><description><![CDATA[最近做APP设计，有一个伙伴的Andriod Studio不能用了，又不想再浪费时间配环境。在一个偶然的情况下发现了腾讯云上提供了虚拟的APP设计环境，但是没有源代码，至少现在我没有发现。好了，现在讲如何实现他们两个的连接。在腾讯云上设计的APP是通过二维码访问的，也就是网址。所以只需要在一个Button里响应的是二维码的地址就好了，或者实现二维码的扫描也行，不过我只实现了地址访问。如下图响应代码...]]></description><category></category></item><item><title><![CDATA[Opencv中遍历文件夹下的图片及存储]]></title><link>https://blog.youkuaiyun.com/Lv0930Hui/article/details/80713303</link><guid>https://blog.youkuaiyun.com/Lv0930Hui/article/details/80713303</guid><author>Lv0930Hui</author><pubDate>Sat, 16 Jun 2018 16:09:18 +0800</pubDate><description><![CDATA[我用的运行环境是Opencv2.4.13+VS2017。今天在做实验的时候，要求对一个图片集进行处理，并且图片的命名不是简单的1,2,3这样的序列号，是无规则的，研究了一下。首先，是从文件夹里依次读取出图片，主要代码如下：string traverse(int i)
{   
    string fileFullName;
    string dir_path = &quot;E:\\CourseTes...]]></description><category></category></item></channel></rss>