<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jkjj2015的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jkjj2015</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jkjj2015]]></copyright><item><title><![CDATA[人脸3D关键点检测]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/108874338</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/108874338</guid><author>jkjj2015</author><pubDate>Tue, 29 Sep 2020 19:27:46 +0800</pubDate><description><![CDATA[使用单张RGB图像即能够精准定位人脸2106个3D关键点,基于2106个3D人脸关键点，可重建3D人脸模型，清晰描述人脸曲面信息，为各种美妆渲染特效提供支持。https://github.com/zhouqun92/face-3d-landmark
]]></description><category></category></item><item><title><![CDATA[Tensorflow实现mobilenet-v3]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/103315820</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/103315820</guid><author>jkjj2015</author><pubDate>Fri, 29 Nov 2019 18:28:43 +0800</pubDate><description><![CDATA[# -*- coding: utf-8 -*-
"""Implementation of Mobilenet V3 by tf.slim.
Architecture: https://arxiv.org/pdf/1905.02244.pdf
"""
import tensorflow as tf 
import tensorflow.contrib.slim as slim
def relu6(...]]></description><category></category></item><item><title><![CDATA[从零开始搭建人脸106点关键点检测模型(一）：准备数据集——调用face++ api检测人脸106关键点]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/103204565</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/103204565</guid><author>jkjj2015</author><pubDate>Fri, 22 Nov 2019 18:09:39 +0800</pubDate><description><![CDATA[无聊的发慌打算写个搭建人脸106点关键点检测模型的简易教程，包括数据集准备，模型搭建，训练以及推理测试，保证简单易懂。第一步，就是数据集的准备。我们首先想到的就是开源的人脸关键点数据集300W,WFLW等。但是开源的缺少106点的数据集，所以我们可以调用face++的api标注106关键点作为我们训练的数据集。（虽然不是很准）。

一.下载数据。

我们选用WFLW数据集的图片（商...]]></description><category></category></item><item><title><![CDATA[基于霍夫变换的尺度不变圆检测]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/102671408</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/102671408</guid><author>jkjj2015</author><pubDate>Mon, 21 Oct 2019 20:39:38 +0800</pubDate><description><![CDATA[参考文献:"Size invariant circle detection"

github：https://github.com/zhouqun92/Circle-detect-based-on-Hough-Transform-






]]></description><category></category></item><item><title><![CDATA[Keras快速搭建简易缺陷检测网络]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/96131473</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/96131473</guid><author>jkjj2015</author><pubDate>Tue, 16 Jul 2019 14:04:15 +0800</pubDate><description><![CDATA[本文使用Keras来快速搭建一个简单的语义分割网络来进行单类别的瑕疵检测。


from keras import backend as K
from keras.models import Sequential
from keras.layers import Dense,Conv2D,MaxPool2D,Flatten,Activation,UpSampling2D
import numpy ...]]></description><category></category></item><item><title><![CDATA[Keras快速搭建简易CNN训练Cifar10数据集]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/95602419</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/95602419</guid><author>jkjj2015</author><pubDate>Fri, 12 Jul 2019 11:46:06 +0800</pubDate><description><![CDATA[Keras很适合快速搭建网络，验证想法。下面使用Keras快速搭建一个简单的卷及神经网


import keras as K
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dense,Conv2D,MaxPool2D,Flatten,Activatio...]]></description><category></category></item><item><title><![CDATA[python+opencv调用HED（Holistically-Nested Edge Detection）模型进行边缘检测]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/87714921</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/87714921</guid><author>jkjj2015</author><pubDate>Tue, 19 Feb 2019 16:38:40 +0800</pubDate><description><![CDATA[       opencv3.4以来逐渐加大了对Dnn模块的支持，在最新的opencv中支持了对HED模型的调用。

HED模型出自论文，Holistically-Nested Edge Detection ，ICCV2015,Marr奖提名，非常值得看。 https://arxiv.org/abs/1504.06375

      采用opencv的Dnn模块调用训练好的HED模型需要先下载模...]]></description><category></category></item><item><title><![CDATA[Opencv调用EAST场景文字检测模型进行文字检测（附Python，C++代码）]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/87621668</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/87621668</guid><author>jkjj2015</author><pubDate>Mon, 18 Feb 2019 15:36:37 +0800</pubDate><description><![CDATA[   Opencv3.4.2开始支持EAST文本检测器，不需要安装复杂的依赖，通过几个简单的步骤就能运行训练好的检测器，测试效果。

1.环境：

python+opencv+imutils

或者c++ opencv

python 还需要需要安装imutils，安装方式十分简单。在命令行直接输入运行 pip install imutils

2.下载训练好的模型文件。

下载链接：https:...]]></description><category></category></item><item><title><![CDATA[java opencv实现扫描图像去底色增强文字]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/87160291</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/87160291</guid><author>jkjj2015</author><pubDate>Wed, 13 Feb 2019 10:10:03 +0800</pubDate><description><![CDATA[现在市面上有很多小型打印机，采用用手机拍摄文档图像后，通过蓝牙连接打印机，打印出来。但是手机拍摄出来的图像往往带有灰或者黄底色，影响打印效果。如下图所示。



经过处理后效果如下：









具体代码如下：


 private void ReduceBackGround() {
        Mat src = new Mat();
        Utils.b...]]></description><category></category></item><item><title><![CDATA[opencv实现基于边缘的形状匹配算法]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/86748074</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/86748074</guid><author>jkjj2015</author><pubDate>Sat, 02 Feb 2019 15:36:50 +0800</pubDate><description><![CDATA[1.参考资料https://www.codeproject.com/Articles/99457/Edge-Based-Template-Matching

用opencv编写的形状匹配算法，但不具旋转和缩放功能。

著名机器视觉软件Halcon 的开发人员出版的一本书

2.Machine Vision Algorithms and Applications [Carsten Steger, ...]]></description><category></category></item><item><title><![CDATA[百度SDK菜品识别]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/82683631</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/82683631</guid><author>jkjj2015</author><pubDate>Thu, 13 Sep 2018 10:23:12 +0800</pubDate><description><![CDATA[1.安装百度SDK

如果已安装pip，执行pip install baidu-aip即可。
	
	
from aip import AipImageClassify
&quot;&quot;&quot; 你的 APPID AK SK &quot;&quot;&quot;
APP_ID = ''
API_KEY = ''
SECRET_KEY = ''
client = AipImageClassify(APP_ID, API_KEY, SECRET_KE...]]></description><category></category></item><item><title><![CDATA[使用c++ opencv调用tensorflow训练好的卷积神经网络]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/81708079</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/81708079</guid><author>jkjj2015</author><pubDate>Wed, 12 Sep 2018 12:28:24 +0800</pubDate><description><![CDATA[       在OpenCV3.3版本发布中把DNN模块从扩展模块移到了OpenCV正式发布模块中，DNN模块最早来自Tiny-dnn，可以加载预先训练好的Caffe模型数据，后来OpenCV近一步扩展支持主流的深度学习框架模型数据的加载，常见的有如下：Caffe，TensorFlow，Torch/PyTorch 。OpenCV中DNN模块已经支持了下面这些经典的神经网络模块：
AlexNet
G...]]></description><category></category></item><item><title><![CDATA[使用python-opencv 的KNN对MNIST手写数字进行分类]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/80079087</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/80079087</guid><author>jkjj2015</author><pubDate>Wed, 25 Apr 2018 14:43:04 +0800</pubDate><description><![CDATA[import cv2
import numpy as np
import matplotlib.pyplot as plt
import os
import struct
def load_mnist(path, kind='train'):
            labels_path = os.path.join(path,'%s-labels.idx1-ubyte'% kind)
    ...]]></description><category></category></item><item><title><![CDATA[使用python-opencv 的Knn进行数据分类]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/80078469</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/80078469</guid><author>jkjj2015</author><pubDate>Wed, 25 Apr 2018 14:29:33 +0800</pubDate><description><![CDATA[原理简述：KNN 可以说是最简单的监督学习分类器了，其基本原理就是找到测试数据在特征空间中的最邻近样本，然后以该样本类别作为测试数据的类别。如果在 KNN 中考虑了 k 个最近样本，则谁在这 k 个邻居中占据多数，那测试数据属于谁那一类。下面是一个简单的对二维坐标点进行分类的例子。首先，随机生成一系列二维坐标点作为训练样本，以x+y=8这条直线为分界线，将样本分为两类。如下图：将以上坐标数据和类别...]]></description><category></category></item><item><title><![CDATA[python调用BaiDu-Api和opencv进行人脸检测]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/80059174</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/80059174</guid><author>jkjj2015</author><pubDate>Tue, 24 Apr 2018 08:42:33 +0800</pubDate><description><![CDATA[BaiDu-API人脸检测：import cv2  
from aip import AipFace  
&quot;&quot;&quot; 你的 APPID AK SK &quot;&quot;&quot;  
APP_ID = ' '  
API_KEY = ' '  
SECRET_KEY = ' '  
client = AipFace(APP_ID, API_KEY, SECRET_KEY)  
def get_file_content(fil...]]></description><category></category></item><item><title><![CDATA[opencv实现二值图像孔洞填充]]></title><link>https://blog.youkuaiyun.com/jkjj2015/article/details/80037174</link><guid>https://blog.youkuaiyun.com/jkjj2015/article/details/80037174</guid><author>jkjj2015</author><pubDate>Sun, 22 Apr 2018 11:45:37 +0800</pubDate><description><![CDATA[      matlab中的imfill函数可以方便得实现二值图像的孔洞填充，而在opencv中并没有相同功能的函数。因此，在opencv的基础上编写实现孔洞填充的函数，并且能够设定阈值，对面积大于阈值的孔洞不进行填充。使用形态学重建的算法能够有效地实现孔洞填充，具体算法参照《数字图像处理》第三版9.5.9节，孔洞填充。    主要实现代码如下所示：其中imfill函数即为空洞填充的实现函数，第一...]]></description><category></category></item></channel></rss>