hnu_zzt的博客

对文件夹test下的图片进行kmeans聚类之后（这里我将k设为7），得到一个txt文件。txt文件中有两列数据，第一列是对应图片属于的类别，第二列是该图片距离质心的距离。如图所示：现在我新建了0到6七个文件夹，然后将图片按照类别复制到不同文件夹下，详细代码如下：import numpy as npimport osimport shutil# 读取txt文件并将其转化为array...

RGB转HSI，python实现RGB为图片最基本的特征，但很多时候RGB颜色空间并不能很好的作为图片聚类的聚簇依据，通常不符合人们对颜色相似性的主观判断。HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。HSI色彩空间可以用一个圆锥空间模型来描述。用这种 描述HIS色彩空间的圆锥...

python实现kmeans（自己的图像数据集）上篇笔记已经介绍了，如何加载自己的图像数据集。这篇笔记介绍对自己的图像数据集用kmeans聚类。为了方便演示，我的数据集是100张36464的彩色图片，均放在test文件夹下。只需修改下文件夹路径就可以实现。详细代码和注释如下：import torchfrom torch.utils import datafrom PIL import Im...

在这里主要介绍三种模型，包括简单的一层卷积层的conv1_LSTM,以及卷积部分迁移学习VGG和RESNET模型的VGG_LSTM，RESNET_LSTM。常见错误：1、报错：size mismatch，如下图，报这样的错误是应为卷积层与层之间的维度不匹配。要明确每一步的输入输出的size。...

在这里介绍卷积循环网络模型，包括简单的一层卷积层的conv1_LSTM,以及卷积部分迁移学习VGG和RESNET模型的VGG_LSTM，RESNET_LSTM。关键在于层与层之间的size match，将卷积部分提取的特征作为LSTM输入的seq_len。需要注意的是，VGG和RESNET网络特征层输入的尺寸都是51277，所以LSTM的input_size=512 * 7 * 7CONV_L...

准备数据集及加载，ImageFolder在很多机器学习或者深度学习的任务中，往往我们要提供自己的图片。也就是说我们的数据集不是预先处理好的，像mnist，cifar10等它已经给你处理好了，更多的是原始的图片。比如我们以猫狗分类为例。在data文件下，有两个分别为train和val的文件夹。然后train下是cat和dog两个文件夹，里面存的是自己的图片数据，val文件夹同train。这样我们的...

深度学习笔记（1）——加载自己的图像数据集之前学习深度学习算法，都是使用网上现成的数据集，而且都有相应的代码。到了自己开始写论文做实验，用到自己的图像数据集的时候，才发现无从下手 ，相信很多新手都会遇到这样的问题。参考博文https://blog.youkuaiyun.com/TH_NUM/article/details/80877196，在此感谢博主！下面代码实现了从文件夹内读取所有图片，进行归一化和标...

**任务介绍：**在这里基于卷积循环神经网络，做一个图像序列的预测。图像序列中每一张图像对应三个状态标签的一个。利用卷积网络对每连续的九张图像进行特征提取，然后将提取的特征序列输入到循环神经网络（LSTM）中，预测下一张图像状态，再与原本图像序列中的第十张图像计算loss。**数据集介绍：**数据来自两段工业视频（一段训练，一段测试），将视频按帧提取图像序列（在时间上连续）。对图像进行标记，分为...