<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chenchen186的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/chenchen186</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chenchen186]]></copyright><item><title><![CDATA[OCR基础知识（第二章预处理）]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/118968642</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/118968642</guid><author>chenchen186</author><pubDate>Wed, 21 Jul 2021 15:58:05 +0800</pubDate><description><![CDATA[OCR基础知识
2.1 二值化
2.1.1 全局阈值方法

固定阈值方法
2.otsu算法 （ret1, th1 = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
2.1.2局部阈值方法
1.自适应阈值算法
主要思想：以一个像素点为中心设置大小为s✖️s的滑窗，每次扫描均对窗口内的像素求均值并作为局部阈值，高于t/100，赋值为0；低于t/100，赋值为255
2.Niblack算法
主要思想：窗口内的像素值计算阈值T(x, y) = m(x, y) + ks(x]]></description><category></category></item><item><title><![CDATA[python ostu代码]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/118966171</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/118966171</guid><author>chenchen186</author><pubDate>Wed, 21 Jul 2021 14:49:05 +0800</pubDate><description><![CDATA[import cv2
from matplotlib import pyplot as plt
image = cv2.imread("1.jpg")
#转化为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#cv2.cvtColor(p1,p2) 是颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式。
#cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式
#cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片
#绘制]]></description><category></category></item><item><title><![CDATA[目标检测中常用的数据增强、backbone、head、neck、损失函数]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/118339778</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/118339778</guid><author>chenchen186</author><pubDate>Tue, 29 Jun 2021 17:21:16 +0800</pubDate><description><![CDATA[一、数据增强方式
random erase
CutOut
MixUp
CutMix
色彩、对比度增强
旋转、裁剪
解决数据不均衡：
Focal loss
hard negative example mining
OHEM
S-OHEM
GHM（较大关注easy和正常hard样本，较少关注outliners）
PISA
二、常用backbone
VGG
ResNet（ResNet18，50，100）
ResNeXt
DenseNet
SqueezeNet
Darknet（Darknet19,53）
Mobil]]></description><category></category></item><item><title><![CDATA[cd目录Linux]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/117747229</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/117747229</guid><author>chenchen186</author><pubDate>Wed, 09 Jun 2021 16:28:27 +0800</pubDate><description><![CDATA[.\ 当前目录
…\ 当前目录的上层目录
…\当前目录的上层目录的上层目录

]]></description><category></category></item><item><title><![CDATA[cd命令自用]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/117669996</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/117669996</guid><author>chenchen186</author><pubDate>Mon, 07 Jun 2021 17:50:33 +0800</pubDate><description><![CDATA[cd …是回到上一级目录
cd . 是当前目录
cd / 是回到根目录
cd ~ 回到用户主目录

]]></description><category></category></item><item><title><![CDATA[libpng error: Read Error（已解决）]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/117627637</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/117627637</guid><author>chenchen186</author><pubDate>Sun, 06 Jun 2021 15:04:18 +0800</pubDate><description><![CDATA[问题：cv不能读png
&gt;&gt;&gt; import cv2
&gt;&gt;&gt; cv2.imread("4.jpg")
libpng error: Read Error

解决：
import cv2, random
import os
import numpy as np
from PIL import Image
from PIL import ImageFile
import imghdr

ImageFile.LOAD_TRUNCATED_IMAGES = True
if imgh]]></description><category></category></item><item><title><![CDATA[ssh开启命令自用]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/116917908</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/116917908</guid><author>chenchen186</author><pubDate>Mon, 17 May 2021 10:16:28 +0800</pubDate><description><![CDATA[启动
sudo launchctl load -w /System/Library/LaunchDaemons/ssh.plist
关闭
sudo launchctl unload -w /System/Library/LaunchDaemons/ssh.plist
检查
sudo launchctl list | grep ssh
0 com.openssh.sshd 表示已启动

]]></description><category></category></item><item><title><![CDATA[linux scp命令]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/116792302</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/116792302</guid><author>chenchen186</author><pubDate>Fri, 14 May 2021 15:04:29 +0800</pubDate><description><![CDATA[1．命令格式：
scp [参数] [原路径] [目标路径]
2．命令功能：
scp是 secure copy的缩写, scp是linux系统下基于ssh登陆进行安全的远程文件拷贝命令。linux的scp命令可以在linux服务器之间复制文件和目录。
3．命令参数：
-1 强制scp命令使用协议ssh1
-2 强制scp命令使用协议ssh2
-4 强制scp命令只使用IPv4寻址
-6 强制scp命令只使用IPv6寻址
-B 使用批处理模式（传输过程中不询问传输口令或短语）
-C 允许压缩。（将-C标志传递给]]></description><category></category></item><item><title><![CDATA[linux文件上传和下载]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/116785401</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/116785401</guid><author>chenchen186</author><pubDate>Fri, 14 May 2021 11:43:58 +0800</pubDate><description><![CDATA[比如要把当前一个文件copy到远程另外一台主机上，可以如下命令。
scp                    /home/daisy/full.tar.gz                       root@172.19.2.75:/home/root
然后会提示你输入另外那台172.19.2.75主机的root用户的登录密码，接着就开始copy了。
如果想反过来操作，把文件从远程主机copy到当前系统，也很简单。
scp                   root@172.19.2.75:/hom]]></description><category></category></item><item><title><![CDATA[vim教程！新手自用]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/116782488</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/116782488</guid><author>chenchen186</author><pubDate>Fri, 14 May 2021 10:44:39 +0800</pubDate><description><![CDATA[为何要学 vi
所有的Unix Like系统都会内建vi文本编辑器，其他的文本编辑器则不一定会存在；
一些软件的编辑接口会主动调用vi (例如 crontab, visudo, edquota 等命令)；
vi的使用
基本上vi可以分为三种状态，分别是一般模式、编辑模式和命令行模式，各模式的功能区分如下：
一般模式：
以vi打开一个文件就直接进入一般模式了(这是默认的模式)。在这个模式中， 你可以使用上下左右按键来移动光标，你可以使用删除字符或删除整行来处理文件内容， 也可以使用复制、粘贴来处理你的文件数据]]></description><category></category></item><item><title><![CDATA[2021.5.10开始实习了]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/116712186</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/116712186</guid><author>chenchen186</author><pubDate>Wed, 12 May 2021 16:23:07 +0800</pubDate><description><![CDATA[五一之前，师兄说新大楼有招聘，拿着简历我就去了，投了两家公司的算法实习，其中一家公司约了我5.6面试，其实五一期间准备面试很少，都在学习，所在6号面试的时候就显得捉襟见肘，问了我几个问题，基本都是简历上我写的论文中的小问题，建议面试之前回顾一下，不要像我一样，问了都不记得
1.直方图均衡化的原理，跟自适应直方图均衡化有什么区别？
2.pytorch修改网络层怎么修改，怎么传参数？
3.讲一下SENet的原理吧
大概是这么三个问题，面试问的还是比较简单的，让我等HR通知，第二天还是第三天HR就告诉我通过了，并]]></description><category></category></item><item><title><![CDATA[BN(Batch Normalization)解释]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/107968493</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/107968493</guid><author>chenchen186</author><pubDate>Wed, 12 Aug 2020 22:51:56 +0800</pubDate><description><![CDATA[参考论文
：Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift
Batch Normalization
Batch ：理解为批量，Batch就是训练网络所设定的图片数量batch_size
Normalization:就是数据标准化
BN层就像激活函数层、卷积层、全连接层、池化层一样，BN大的来说就是归一化层代替掉了LRN ( Local Response Normalizat]]></description><category></category></item><item><title><![CDATA[GLADNet 代码解释]]></title><link>https://blog.youkuaiyun.com/chenchen186/article/details/107914083</link><guid>https://blog.youkuaiyun.com/chenchen186/article/details/107914083</guid><author>chenchen186</author><pubDate>Tue, 11 Aug 2020 22:04:08 +0800</pubDate><description><![CDATA[在看图像增强的论文，解析大佬的代码，一行一行死磕
from __future__ import print_function
import os
from glob import glob

import tensorflow.compat.v1 as tf

from model import lowlight_enhance
from utils import load_images

# 参数配置
# 运行前一定确定参数配置正确
use_gpu = 0  # 固定数值，不要修改
# gpu_idx =]]></description><category></category></item></channel></rss>