Anymake的专栏

第一个问题：无参数密度估计给定任意一组观测数据或数据采样值，估计出样本的分布。无参数密度估计，它对数据分布规律没有附加任何假设，而是直接从数据样本本身出发研究数据分布特征，对先验知识要求最少，完全依靠训练数据进行估计，而且能处理任意的概率分布。例如：直方图法，最近邻域法，核密度估计方法。有参数密度估计：高斯统计模型。更形象的说明：已经有N个点，它们的坐标分布如下

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。

humanparsing自然场景人体语义分割+颜色识别

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

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...

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...

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...