Anymake的专栏

Figure 1: The overview of the visualization.Figure 2: the distribution of the first letter in one academic division.Figure 3: the distribution of the academic division in one first letter

caffe编译问题问题一：无法找到hdf5.hmake all步骤出现错误，找不到hdf5.h，而实际上我用了Anaconda明明安装了hdf5./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory搜索到如下解决方案，原因是Ubuntu系统从15.04自带的hdf5...

labelimg作为图像领域目标检测、图像语义分割等领域常见的标注工具，输出的数据格式是Pascal VOC，实际工作中，我们经常需要把其他标注格式为txt的文件转为VOC的xml文件格式，下面的代码提供txt转VOC格式的xml文件的功能。from xml.dom.minidom import Documentimport osimport os.pathfrom PIL import...

基于TensorFlow训练花朵识别模型源码和Demo下面就通过对现有的 Google Inception-V3 模型进行 retrain ，对 5 种花朵样本数据的进行训练，来完成一个可以识别五种花朵的模型，并将新训练的模型进行测试部属，让大家体验一下完整的流程。安装 TensorFlow （Mac 为例）其他平台可以直接参考官网说明：Installing TensorFlo...

语义分割中标注的彩色图如何利用调色板转为只包含对应label的灰度图，其中会有一些繁琐的地方，下面将自己写的代码分享出来。代码主要作用如下图所示，将标注的彩色图按照事先定义的调色板转成只含label的groundtruth图片。代码中的关键部分在于定义的myquantize函数，如果使用Python PIL库自带的quantizetopalette函数的话会导致转化出的label图有细小的孔洞

2014年，加州大学伯克利分校的Long等人提出的全卷积网络(FCN)，推广了原有的CNN结构，在不带有全连接层的情况下能进行密集预测。这种结构的提出使得分割图谱可以生成任意大小的图像，且与图像块分类方法相比，也提高了处理速度。在后来，几乎所有关于语义分割的最新研究都采用了这种结构。除了全连接层结构，在分割问题中很难使用CNN网络的另一个问题是存在池化层。池化层不仅能增大上层卷积核

humanparsing自然场景人体语义分割+颜色识别

用TensorFlow实现的Mask R-CNN使用Human Parsing数据集训练了模型，还没有训练完，初步看起来效果还不错，可以继续优化优化。具体在人体语义分割上的效果可以看下面2张图。

读视频和写视频一直由于编解码的问题给程序员造成很多麻烦。对此进行了一些探索。用Python读取视频有两种主要方法，分别是基于imageio库和OpenCV，其中OpenCV加上ffmpeg的安装编译很麻烦，推荐大家使用第一种方法，不过大家也可依据自己的需求进行使用。方法一：使用imageio库1.一般imageio库Anconda自带的有，不用我们单独安装，没有安装的可用pip安装或自

摘要： 作为一名软件工程师，我们应该活到老学到老，时刻与不断发展的框架、标准和范式保持同步。同时，还要能活学活用，在工作中使用最合适的工具，以提高工作效率。随着机器学习在越来越多的应用程序中寻得了一席之地，越来越多的程序员加入AI领域，那么，入行AI领域需要哪些技能呢？人工智能到底有多火我相信大家之所以能来看这篇文章，也间接说明了人工智能这几年的火爆。自从基于深度学习技术的

计算机视觉中常用的图像特征包括：点、边缘、直线、曲线等，其中，点特征属于局部特征，对遮挡有一定鲁棒性。图像中点特征数量多，提取速度快，并且容易辨识区分

Figure 1: An overview of my visualization design. Figure 2: The mouseover event of the picture on the curve. Figure 3: The mouseover event of the torus on the curve.

给定一幅图像或一段视频，人体姿态估计就是去恢复其中人体关节点位置的过程。数据集LSP 地址：http://sam.johnson.io/research/lsp.htm 样本数：2K 关节点个数：14 全身，单人FLIC 地址：https://bensapp.github.io/flic-dataset.html 样本数：2W 关节点个数：9 全身，单人MPII 地...