jianyuchen23的博客

matplotlib是python最著名的绘图库https://matplotlib.org/gallery.html包含上百幅图表的缩略图及源程序

本文是对老板的一篇压缩感知文章进行学习的记录，如有兴趣请阅读原文《压缩感知理论及其研究进展》1、引言数字信号很重要，所以信号采样很重要。 奈奎斯特需要两倍信号带宽，而信息需求量的增加使得对采样速率和处理速度的要求也越来越高。 另一方面，之前的压缩方式浪费了大量采样资源。 所以要寻找建立新的信号描述和处理的理论框架，用远低于奈奎斯特采样频率来采样信号，完全恢复信号。压缩感知：只要信号是可压缩的或

本文仅是博主对资料的整理学习，会附上相关原文地址，如有兴趣请阅读原文。 原文地址 初识压缩感知Compressive Sensing： http://blog.youkuaiyun.com/abcjennifer/article/details/7721834/ 压缩感知学习系列： http://blog.youkuaiyun.com/zouxy09/article/details/81183

由于opencv3的主体实在opencv2的基础上进行的修改，部分opencv2的程序仍然可以在opencv3下运行。但是opencv3也做了部分的修改。网上关于这些的资料也不太多，在学习过程中遇到了一些问题，很是纠结无法解决，所以就在自己看opencv3时就总结了一些不同记录下来，希望有别人有所帮助。（其他的opencv2与opencv3的区别可以参考opencv3的官方文档（只有英文版睡觉）和

使用的opencv版本是3.4，图片的名称为0001.jpg,0002.jpg,……2409.jpg.import cv2fps = 25 #视频帧率fourcc = cv2.VideoWriter_fourcc('M','J','P','G') videoWriter = cv2.VideoWriter('/home/jianyuchen/flownet2-master/flo

U-Net：生物医学图像分割的卷积神经网络U-net 是基于FCN的一个语义分割网络,适合用来做医学图像的分割。 摘要 有许多成功利用大量带标注训练数据的神经网络。在这篇论文里，我们提出一个网络和训练策略，更有效的利用了数据增强来使用可获得的带标注数据。这个算法包括一个收缩路径来捕捉语义和一个扩展路径来精准定位。这个网络可以端到端训练非常少的图片，但是在ISBI（电子显微镜的细胞图像分割）...

原始图像 根据图像的边界的像素值，向外扩充图片，每个方向扩充50个像素。 a = cv2.copyMakeBorder(img,50,50,50,50,cv2.BORDER_REPLICATE)把靠近边界的50个像素翻折出去（轴对称）： a = cv2.copyMakeBorder(img,50,50,50,50,cv2.BORDER_REFLECT) 常数填充：a =...

视频分帧#!/usr/bin/env python2# -*- coding: utf-8 -*-"""Created on Tue Jun 26 17:29:15 2018@author: jianyuchen"""import cv2 video='/home/jianyuchen/caffe-master/data/ucf101/v_BrushingTeeth_g...