- 博客(274)
- 资源 (17)
- 收藏
- 关注
RSS订阅原创 ModuleNotFoundError: No module named ‘picamera‘
1.On Windows, execute: set READTHEDOCS=True2'.On Unix based systems, execute: export READTHEDOCS=True3.Now execute: pip install picamera
2021-03-12 01:43:06
2266
1
原创 计算机视觉基础之简单目标识别
检测到运动：定义关键事件。 将视频剪辑写入包含事件的文件。步骤1：使用计算机视觉技术检测彩球的存在。 步骤＃2：在视频帧中四处移动时跟踪球，并在移动时绘制其先前位置。from collections import dequefrom imutils.video import VideoStreamimport numpy as npimport argparseimport cv2import imutilsimport timeap = argparse.Argum...
2021-03-12 01:32:03
1212
原创 计算机视觉入门之构建一个扫描仪
源代码：# import the necessary packagesfrom transform import four_point_transformfrom skimage.filters import threshold_localimport numpy as npimport argparseimport cv2import imutils# construct the argument parser and parse the argumentsap = argpa...
2021-03-11 23:31:17
796
原创 anaconda安装环境适配的第三方库
输入anaconda search -t conda库名查看在使用 anaconda show 文件名 就会告诉如何安装对应的库
2021-03-09 21:01:46
438
原创 根据端口号kill相应的进程
1.netstat -ano|findstr "8042"，根据端口号查找相应的进程的PID2.根据PID杀死相应的进程。
2021-03-09 17:36:21
560
1
原创 Intellij IDEA怎么自动生成serialVersionUID
1.类继承Serializable，在idea工具栏中点击"File"按钮，在弹出的菜单中选择“Settings”选项。弹出Settings弹框后，在搜索栏中输入如下图所示的关键词并找到“Inspections”选项。2.在右侧列表中选择“Serialization issues”并勾选该条目的所有选项，勾选完成后并点击“Ok”按钮。如下图所示3.选中类名称Blog，按Alt+Enter快捷键。下拉弹框中找到“Add 'serialVersionUID' field”选项并点击该选项。.
2021-03-05 16:45:45
454
原创 计算机视觉基础之质心跟踪算法1
质心跟踪算法依赖于（1）现有对象质心（即，质心跟踪器之前已经看到的对象）与（2）视频中后续帧之间的新对象质心之间的欧几里得距离。质心跟踪算法的主要假设是一个给定的对象将潜在地移动在后续的帧之间，但距离为帧中的质心之间和将小比对象之间的所有其它距离。因此，如果我们选择将质心与后续帧之间的最小距离相关联，则可以构建对象跟踪器。另外，我们将在旧对象无法与任何现有对象匹配的情况下（总共N个后续帧）注销旧对象。步骤1：接受边界框坐标并计算质心步骤2：计算新边界框与现有对象之间的欧几里得距离步骤3：更新（.
2021-02-10 20:52:21
1735
原创 计算机视觉入门教程之图像的屏蔽和按位运算
一个典型的操作，我们可能想要应用的是采取我们的蒙版和按位添加到输入图像，只保留蒙面部分区域：mask = thresh.copy()output = cv2.bitwise_and(image, image, mask=mask)cv2.imshow("Output", output)cv2.waitKey(0)...
2021-02-10 13:54:43
491
原创 计算机视觉入门教程之图像的侵蚀和膨胀
侵蚀和膨胀通常用于减少二进制图像中的噪声。为了减小前景对象的大小，我们可以通过多次迭代来侵蚀掉像素：mask = thresh.copy()mask = cv2.erode(mask, None, iterations=5)cv2.imshow("Eroded", mask)cv2.waitKey(0)同样，我们可以在蒙版中前景区域。要扩大区域，同样地，膨胀会增加地面物体的大小：mask = thresh.copy()mask = cv2.dilate(mask, None, i
2021-02-10 13:45:53
1111
原创 计算机视觉入门教程之显示检测到的图像轮廓数量
text→形状轮廓数量的字符串len(cnts)→计算此图像中的对象总数text = "I found {} objects!".format(len(cnts))cv2.putText(output, text, (10, 25), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (240, 0, 159), 2)cv2.imshow("Contours", output)cv2.waitKey(0)...
2021-02-10 13:36:49
627
原创 计算机视觉入门教程之检测和绘制图像轮廓
在图像中我们有6个图形的轮廓，我们使用代码来计算和查找轮廓。查找前景对象的轮廓(即轮廓)，使用阈值化处理后的图像：cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)cnts = imutils.grab_contours(cnts)output = image.copy()在轮廓上循环，在输出图像上用3px粗紫色绘制每个轮廓线outline，然后一次显示一个输出轮廓：f
2021-02-10 13:14:38
757
原创 计算机视觉入门教程之将图像阈值处理
图像阈值化是图像处理管道的重要中间步骤。阈值处理可以帮助我们去除较亮或较暗的图像区域和轮廓。阈值设置所有像素值小于225到255(白色;和所有像素值>= 225到255(黑色;背景)，从而分割图像thresh = cv2.threshold(gray, 225, 255, cv2.THRESH_BINARY_INV)[1]cv2.imshow("Thresh", thresh)cv2.waitKey(0)代码示意：图像灰度化以后小于225的像素设置为黑色，大于的设置为白色。左为边缘计算以
2021-02-10 13:01:22
1145
原创 计算机视觉入门教程之将图像边缘计算
边缘检测可用于查找图像中对象的边界，对于分割目的非常有效。让我们执行边缘检测以查看该过程如何工作：应用边缘检测，我们可以在其中找到对象的轮廓：执行命令：python3 tuxiang.py -i jp.pngedged = cv2.Canny(gray, 30, 150)cv2.imshow("Edged", edged)cv2.waitKey(0)...
2021-02-10 12:52:42
1192
原创 计算机视觉入门教程之将图像转换为灰度
加载输入图像(它的路径是通过命令行提供的)参数)，并将图像显示到屏幕上：image = cv2.imread(args["image"])cv2.imshow("Image", image)cv2.waitKey(0)将图像转换为灰度：gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)cv2.imshow("Gray", gray)cv2.waitKey(0)...
2021-02-10 12:47:50
930
原创 计算机视觉入门教程之导入argparse使用命令行参数
下面我们将学习到如何使用必需的命令行参数运行脚本：首先导包并且构造解析器：import argparseimport imutilsimport cv2ap = argparse.ArgumentParser()ap.add_argument("-i", "--image", required=True, help="path to input image")args = vars(ap.parse_args())...
2021-02-10 12:37:16
701
原创 计算机视觉入门教程之在图像上绘图（打标签标注）
在输入图像上绘制矩形，圆形和直线。在图像上覆盖文本。流程：1.我们制作原始图像的副本，并将副本存储为output。2.我们继续绘制称为output 就位，因此我们不会破坏原始图像。output = image.copy()cv2.rectangle(output, (320, 60), (420, 160), (0, 0, 255), 2)cv2.imshow("Rectangle", output)cv2.waitKey(0)添加关键区域：画一个蓝色的20px(填充)圆在图
2021-02-09 22:58:53
1392
原创 计算机视觉入门教程之平滑图像（模糊处理）
在许多图像处理管道中，我们必须对图像进行模糊处理以减少高频噪声，从而使我们的算法更容易检测和理解图像的实际内容，而不仅仅是使“混淆”算法的噪声。在OpenCV中，对图像进行模糊处理非常容易，并且有多种方法可以完成图像处理。使用到函数：GaussianBlur应用11x11内核的高斯模糊平滑图像，在降低高频噪声时非常有用。blurred = cv2.GaussianBlur(image, (11, 11), 0)cv2.imshow("Blurred", blurred)cv2.waitK.
2021-02-09 22:29:26
616
原创 计算机视觉入门教程之旋转图像
#首先使用OpenCV顺时针旋转图像45度，计算图像中心，然后构造旋转矩阵，然后最后应用仿射经线。center = (w // 2, h // 2)M = cv2.getRotationMatrix2D(center, -45, 1.0)rotated = cv2.warpAffine(image, M, (w, h))cv2.imshow("OpenCV Rotation", rotated)cv2.waitKey(0)...
2021-02-09 22:11:08
982
原创 计算机视觉入门教程之调整图像大小
调整图像大小为200x200px，忽略纵横比：resized = cv2.resize(image, (200, 200))cv2.imshow("Fixed Resizing", resized)cv2.waitKey(0)效果：
2021-02-09 21:52:31
1090
原创 计算机视觉入门教程之裁剪图片
接之前教程代码：提取100 × 100像素的ROI(感兴趣的区域)，输入图像x=320,y=60, x=420,y=160roi = image[0:100, 320:420]cv2.imshow("ROI", roi)cv2.imwrite("cv_cut_thor.jpg", roi)cv2.waitKey(0)效果：
2021-02-09 21:47:43
320
原创 计算机视觉入门教程之显示像素
在上一篇的基础上：(B, G, R) = image[100, 50]print("R={}, G={}, B={}".format(R, G, B))访问位于x=50, y=100的RGB像素，记住OpenCV以BGR顺序存储图像，而不是RGB顺序。
2021-02-09 21:05:44
220
原创 计算机视觉入门教程之加载图片
1.安装Ubuntu2.安装opencv和imutils3.学习编写加载图片代码# import the necessary packagesimport imutilsimport cv2# load the input image and show its dimensions, keeping in mind that# images are represented as a multi-dimensional NumPy array with# shape no. rows
2021-02-09 20:56:27
237
原创 道路网络上的k近邻:实验旅程和内存实现技术报告
道路网络上的Aknearest neighbor(kNN)查询根据给定位置的网络距离检索knearest point of interest (POIs)。今天，在无处不在的移动计算时代，这是一个非常切题的问题。虽然欧几里得距离已经被用来作为一种启发式的搜索最接近的poi的道路网络距离，其有效性还没有被彻底的研究。最新的方法在查询性能方面有了显著的改进。早期的研究提出了基于磁盘的索引，并将其与主存储器中的当前技术进行了比较。然而，最近的研究表明，主要的记忆比较是具有挑战性的，需要仔细的适应。为了解决这些问题
2021-01-26 00:14:09
565
原创 cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1）下载链接
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip
2020-10-13 11:17:32
7969
3
原创 openpose安装使用教程
1.下载最新gpu版本的openposehttps://github.com/CMU-Perceptual-Computing-Lab/openpose/releases/tag/v1.6.02.下载项目，打开model文件夹，双击getModels.bat文件下载模型。3.在项目内打开cmd控制台输入命令bin\OpenPoseDemo.exe --video examples\media\video.avi查看效果...
2020-10-03 18:02:06
5313
2
原创 带有信任门的时空LSTM，用于三维人体动作识别
https://arxiv.org/pdf/1607.07043.pdfWhy？1.基于人类动作分析3D骨架数据——由于其简洁、健壮性和视图不变表示的特点变得流行！2.创意：提出了一种更强大的基于树结构的遍历方法。3.性能最先进How?时空复发性网络的提出和实现1.LSTM适合学习在一个序列的时间数据。2.骨骼数据的序列特性同样适合rnnn的学习在空间领域。然后将递归分析由时间域扩展到空间域，以发现每帧不同节点之间的空间依赖模式。在空间方向上，框架中的身体关节按顺序馈
2020-10-01 22:25:04
671
原创 行为识别模型action-recognition-master解读
1.dataset.py用于下载需要使用的数据集hmdb51：import requestsimport osimport globdef download_file(URL, destination): session = requests.Session() response = session.get(URL, stream = True) save_response_content(response, destination) def save
2020-10-01 21:09:09
857
原创 torch.autograd.Variable(target.cuda(async=True)) ---用async调用cuda()出现 SyntaxError: invalid syntax
直接把cuda（async=true）中的async=true去掉即可。
2020-09-27 11:22:18
2911
1
原创 Java面试题2
1.JavaSE基础(32) 遍历数组的3种方式？第一种：for循环第二种：增强for循环foreach第三种：利用jdk自带的方法 --> java.util.Arrays.toString()2.JAVA中循环遍历list有三种方式？JAVA中循环遍历list有三种方式for循环、增强for循环（也就是常说的foreach循环）、iterator遍历。3.面向对象特征有哪些方面？1. 封装，隐藏内部实现，只暴露公共行为2. 继承，提高代码的重用性3. 多态，体.
2020-09-24 23:46:31
653
原创 Java面试题
1. java中wait和sleep有什么区别？多线程条件下如何保证数据安全？wait会释放锁，线程时交互sleep会持有锁，用于暂停执行2.spring主要使用了哪些？IOC实现原理是什么？AOP实现原理是什么？spring主要功能有IOC，AOP，MVC。IOC实现原理：先反射生成实例，然后调用时主动注入。AOP原理：主要使用java动态代理3.mybatis与hibernate？都是轻量级ORM框架。hibernate实现功能比较多，通过HQL操作数据库，比较简..
2020-09-24 19:52:06
1405
原创 python批量删除文件名的前几个字符
1.创建一个记事本文件并更改后缀名为.bat2.写入：@echo offsetlocal enabledelayedexpansion ::批量去掉文件名前N个字符，如果有文件夹会搜索文件夹下的每个文件进行修改set /p format=请输入需要操作的文件格式：set /p deletenum=请输入需要删除文件名前多少个字符：for /r %%i in (.) do ( for /f "delims=" %%a in (' dir /b "%%i\*.%format%" 2
2020-09-21 16:03:44
3543
4
原创 Human3.6M数据集下载
# Download H36M annotations mkdir data cd data wget http://visiondata.cis.upenn.edu/volumetric/h36m/h36m_annot.tar tar -xf h36m_annot.tar rm h36m_annot.tar # Download H36M images mkdir -p h36m/images cd h36m/images wget http://visiondata.cis.upenn.edu/volu
2020-09-21 15:45:33
3608
原创 TypeError: unsupported operand type(s) for +: ‘NoneType‘ and ‘str‘
把对应文件夹里面_int_.py文件删除就好了。。。
2020-09-20 00:21:35
731
原创 智能数字图像处理之FastRCNN（pytorch）代码解读之faster_rcnn_framework.py
class FasterRCNNBase(nn.Module):广义R-CNN的主要类。参数:支柱(nn.Module):项(nn.Module):roi_heads (n . module):从RPN获取特性+建议并计算探测/遮罩。转换(n . module):执行从输入到feed的数据转换该模型def __init__(self, backbone, rpn, roi_heads, transform):-》参数重新赋值給变量 super(FasterRCNNBase, se...
2020-09-19 23:05:31
2728
3
原创 智能数字图像处理之FastRCNN（pytorch）代码解读之my_dataset.py
def __init__(self, voc_root, transforms, train_set=True):-》voc_root训练集所在根目录，transforms预处理方法，train_set boolean变量 self.root = os.path.join(voc_root, "VOCdevkit", "VOC2012") self.img_root = os.path.join(self.root, "JPEGImages")-》图像根目录 ...
2020-09-19 22:35:39
1275
1
原创 智能数字图像处理之FastRCNN（pytorch）代码解读之spilt_data.py
这是一个脚本生成train.txt等txt文件1.files_path = "./VOCdevkit/VOC2012/Annotations"-》记住文件路径2.if not os.path.exists(files_path): print("文件夹不存在") exit(1)-》检测路径存不存在3.val_rate = 0.5-》验证集比例4.files_name = sorted([file.split(".")[0] for file in os.listdir(fil...
2020-09-19 21:35:13
673
原创 智能数字图像处理之FastRCNN（pytorch）代码解读之predict.py
解读create_model方法：1.backbone = resnet50_fpn_backbone()-》默认使用resnet50_fpn_model的resnet50_fpn_backbone方法2. model = FasterRCNN(backbone=backbone, num_classes=num_classes)-》调用FasterRCNN建立模型3.device = torch.device("cuda:0" if torch.cuda.is_available() e..
2020-09-19 21:02:42
1527
1
原创 智能数字图像处理之FastRCNN（pytorch）代码解读之train_mobilenet.py
首先看一下系统架构:解读create_model方法1.backbone = MobileNetV2(weights_path="./backbone/mobilenet_v2.pth").features-》加载MobileNetV2预训练模型 backbone.out_channels = 1280-》设置输出通道2.anchor_generator = AnchorsGenerator(sizes=((32, 64, 128, 256, 512),), ...
2020-09-17 22:29:08
2537
1
原创 智能数字图像处理之FastRCNN（pytorch）代码解读之train_resnet50_fpn.py
解读create_model方法1.num_classes：分类数2.backbone = resnet50_fpn_backbone() model = FasterRCNN(backbone=backbone, num_classes=91)-》调用faster_rcnn_framework的FasterRCNN方法，传入分类数num_classes为91
2020-09-17 18:30:05
3822
res10_300x300_ssd
2021-02-10
VirtualBoxSDK-5.2.32-132073.zip
2019-08-26
vc6精简版[中文版]
2018-09-06
apache-tomcat-7.0.57
2018-09-06
Navicat_Premium_11.0.10
2018-09-06
hibernate-3.2源码
2017-09-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人