hehangjiang的博客

宁波深度学习培训当日小结1来了宁波参加一个深度学习的培训班，虽然大部分的内容其实是之前自学的时候都有了了解，但还是借此机会做个总结。传统机器学习深度学习简介环境设置传统机器学习在这个简单的机器学习介绍中， 我们从线性回归讲起，快速浏览机器学习中涉及的回归、分类、训练数据、测试数据、cost function、算法、模型、特征工程、优化方法、交叉验证、评价指标等等概念。线性回归：（监督学习的例

搜索要分为三步，先创建faceset，添加图片，再搜索。搜索是在faceset中寻找最像输入图片中人脸的内容。首先创建faceset：下面是我的代码：#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/1/2 18:43# @Author : He Hangjiang# @Site : # @File :

关于使用face_recognition，安装方面还是有些坑的。之前用的是python3.5，pip安装出错，需要dlib什么的。按照网上的教程弄，还是有问题，搞了一天搞不定。后来看到说用python3.6比较简单，就换了个版本，结果pip轻松搞定。。。嗯，这是个坑，记录一下。关于face_recognition人脸识别的代码其实挺简单的，一看就能懂。我还顺便记录了一下时间，代码如下：#!/usr/

使用的就是给的样例，例程的网址在这边：链接 改了里面的图片。程序比较好理解，主要有下面几个小点要注意：OpenCV读取的图片和摄像头都是BGR格式的，因此我们在使用前需要先进行格式转换。可以使用OpenCV自带的函数，也可以使用rgb_small_frame = small_frame[:, :, ::-1]处理的图像大小会影响检测速度，因此官方给的例程中加速版其实就是把视频图像缩小了，我一开

本文转载自 http://blog.youkuaiyun.com/qq_30401249/article/details/72636414找了很多coco数据集的资料，感觉里面的东西有些还是不清楚，顺便就转载下instances_train2014.jsoninstances_val2014.json{"info": {"description": "This is s

VOC2012的数据集感觉不是很够，因此将部分COCO数据集转为VOC格式。做的是目标检测的，因此主要还是annotation的部分。因为VOC格式中的需要的数据其实主要是图片id、bbox数据已经分类资料，所以我先从COCO数据集中的json文件中截取出了我需要的内容其中这些类就是和VOC重合的类别，共20类。import jsonclassName = { 1:'person',

之前因为需要用到facebook的Detectron进行测试，但这个平台只能使用coco格式的数据集。所以找了一些资料进行格式转换。https://blog.youkuaiyun.com/meccaendless/article/details/79457330 这个博客的资料挺好的，但是在我照着做的时候也是碰到了一些坑，所有写出来一下。首先，需要的数据内容，annotion这个肯定要有，里面是xml的文件，...