- 博客(97)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 利用yolo算法实现满文字体位置检测，并对识别的文字，按照要求方向，自动编号分割与保存文字
利用yolo算法实现满文字体位置检测，并对识别的文字，按照要求方向，自动编号分割与保存文字。需要标注好的数据集或者模型，请私聊。
2024-11-30 09:32:39
318
原创 OnnxRuntime c#找不到模块HRESULT: 0x8007007E
打包Net框架使用ONNXruntime推理Onnx模型出现找不到包的错误。
2024-07-03 08:22:30
480
原创 EmGU(4.7) 和C#中特征检测算法详解集合
Emgu库是将OpenCV使用.net编程语言（C#）封装成的.net库。在实际软件开发中具有重要用途。图像特征提取是从原始图像中提取对图像识别、分类、检索等任务有用的信息。这些特征通常具有对变换、光照、尺度等因素的不变性，从而使得后续任务更为稳定和可靠。针对Emgu库中间不同版本之间Api函数差异大，而且目前缺少结合实际例子的Api学习，本文对Emgu原文档进行解读并配备实例进行演示。
2023-06-18 22:39:24
2101
1
原创 EmGUCV中类函数 FastFeatureDetector使用详解
释义：FAST（加速检测特）关键点检测器，源自 E. Rosten ("Machine learning for high-speed corner detection, 2006).继承关系：Emgu.CV.Features2D.FastFeatureDetector派生：Emgu.CV.Cuda.CudaFastFeatureDetector定义（C#）：方法（检测特征点）实例演示：
2023-06-15 23:00:40
519
原创 关于Emgu中图像数据格式说明（Mat，Image，BitMap）
Mat是一个类，记录和存储图像数据，主要由两个数据部分组成： < 矩阵头(大小,通道,数据类型等) > 和 < 数据块(像素值) >。封装 GDI+ 位图，此位图由图形图像及其属性的像素数据组成。Bitmap 是用于处理由像素数据定义的图像的对象。这个类包含两个泛型参数：TColor和TDepth，定义一个Image对象时，需要指定色彩空间类型和数据深度。不可以利用PictureBox组件显示。不可以利用PictureBox组件显示。不可以利用PictureBox组件显示。格式 转为 1、
2023-06-14 22:57:34
2588
2
原创 An experimental PyTorch implementation of Blind Image Quality Assessment Using A Deep Bilinear CNN
1、论文解读&&框架解释2、代码实践论文地址：https://arxiv.org/abs/1907.02665代码地址：https://github.com/zwx8981/DBCNN-PyTorch》》》》》》》》》》》》》》》》》》》》》》》》》论文理论部分》》》》》》》》》》》》》》》》》》》》》》》》主体框架：1）CNN的合成失真（CNN for Synthetic Distortions）>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> S-CNN框架图(采用了类似
2022-11-09 14:13:35
1422
1
原创 22、随机自动对比 transforms.RandomAutocontrast(p=0.5)
transforms.RandomAutocontrast(p=0.5)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.RandomAutocontrast(p=0.1)(img0)
2022-04-03 08:45:36
804
原创 21、随机调整锐度 transforms.RandomAdjustSharpness(）
transforms.RandomAdjustSharpness(sharpness_factor, p=0.5) sharpness_factor：需要调整多少锐度。可以是任何非负数 0-模糊，1-原图，2-锐度提高两倍import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.ope
2022-04-03 08:44:51
1454
原创 23、随机均衡器 transforms.RandomEqualize(p=0.5)
transforms.RandomInvert(p=0.5)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.RandomInvert(p=0.8)(img0)axs = plt.f
2022-04-03 08:44:43
834
原创 24、其他api函数以及两种自动增强的方法
24、针对tensor操作，随机选择矩形区域删除torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)25、针对tensor操作，归一化图片，给定均值和方差torchvision.transforms.Normalize(mean, std, inplace=False)26、给定tensor数据格式进行改变torchvision.transf
2022-04-03 08:44:34
381
原创 20、日光化 transforms.RandomSolarize(threshold, p=0.5)
transforms.RandomSolarize(threshold, p=0.5) 通过反转阈值以上的所有像素值，以给定的概率随机对图像进行日光化import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=t
2022-04-02 10:52:07
1068
原创 19、随机后处理 transforms.RandomPosterize(bits, p=0.5)
transforms.RandomPosterize(bits, p=0.5)通过减少每个颜色通道的位数，以给定的概率随机对图像进行后处理。 bits :每个通道要保留的位数(0-import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-0000
2022-04-02 10:52:00
786
原创 18、随机反转 transforms.RandomInvert(p=0.5)
transforms.RandomInvert(p=0.5)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.RandomInvert(p=0.8)(img0)axs = plt.f
2022-04-02 10:51:55
608
原创 17、高斯模糊 transforms.GaussianBlur(）
transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0)) kernel_size:高斯卷积核大小 sigma：标准差（min,max）import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-.
2022-04-02 10:51:48
6166
1
原创 16、将给定的图像裁剪成四个角，中央裁剪加上这些角的翻转版本（默认情况下使用水平翻转）。 transforms.TenCrop(size, vertical_flip=False)
transforms.TenCrop(size, vertical_flip=False) vertical_flip:是否翻转import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.T.
2022-04-02 10:51:40
384
原创 15、调整尺寸 transforms.Resize()
transforms.Resize(size, interpolation=<InterpolationMode.BILINEAR: 'bilinear'>, max_size=None, antialias=None) antialias :如果img是PIL图像，则忽略该标志，并始终为True。如果img是张量，则默认情况下该标志为Falseimport torchvision.transforms as transformfrom PIL import Imageimport ma
2022-04-02 10:51:34
5269
1
原创 14、随机垂直翻转 transforms.RandomVerticalFlip(p=0.5)
transforms.FiveCrop(size) size-输入为图片的长，宽，可单值或（h,w）import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.RandomVerticalFl
2022-04-02 10:51:26
1222
1
原创 13、随机旋转 transforms.RandomRotation(）
transforms.RandomRotation(degrees, interpolation=<InterpolationMode.NEAREST: 'nearest'>, expand=False, center=None, fill=0, resample=None)expand:可选扩展标志。如果为true，则扩展输出，使其足够大，以容纳整个旋转图像。如果为false或省略，请使输出图像与输入图像大小相同。import torchvision.transforms as tran
2022-04-02 10:51:13
14112
原创 12、裁剪图像的随机部分，并将其调整为给定大小。 transforms.RandomResizedCrop(）
transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=<InterpolationMode.BILINEAR: 'bilinear'>)scale：在调整大小之前，指定裁剪的随机区域的下限和上限。比例是根据原始图像的面积定义的。ratio:调整大小之前，裁剪的随机纵横比的上下限import torchvision.transforms as
2022-04-02 10:51:04
885
原创 11、随机视角变化 transforms.RandomPerspective()
transforms.RandomPerspective(distortion_scale=0.5, p=0.5, interpolation=<InterpolationMode.BILINEAR: 'bilinear'>, fill=0)distortion_scale:角度的倾斜值，取值（0，1）import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pl
2022-04-02 10:50:52
3115
原创 10、随机图片水平翻转 transforms.RandomHorizontalFlip(p=0.5)
transforms.RandomHorizontalFlip(p=0.5)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.RandomHorizontalFlip(p=0.8)(i
2022-04-01 09:15:55
11353
原创 9、随机图片灰度化 transforms.RandomGrayscale(p=0.1)
transforms.RandomGrayscale(p=0.1)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.RandomGrayscale(p=0.8)(img0)axs =
2022-04-01 09:13:43
2210
原创 8、随机裁剪 transforms.RandomCrop(）
transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')size：期望随机裁剪之后输出的尺寸padding：填充边界的值，单个（int）,两个（[左/右，上/下]），四个（各个边界）pad_if_needed :bool值，避免数组越界fill:填充padding_mode ：填充模式“constant”:利用常值进行填充“edge”:利用图像边缘像素点进行填充
2022-04-01 09:11:23
24310
原创 7、随机应用给定概率的变换列表。 transforms.RandomApply()
transforms.RandomApply(transforms, p=0.5) transforms:给定变化的列表，类型：nn.MModuleList([])import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torch.nn as nntrans=nn.ModuleList([ transf
2022-04-01 09:05:20
2073
原创 6、随机仿射变化 transforms.RandomAffine()
transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, interpolation=<InterpolationMode.NEAREST: 'nearest'>, fill=0, fillcolor=None, resample=None, center=None)degrees：可从中选择的度数范围。如果为非零数字，旋转角度从（-degrees,+degress),或者可设置为（min,max)tr
2022-04-01 09:03:00
12896
1
原创 5、边界填充 transforms.Pad(padding, fill=0, padding_mode=‘edge‘)
transforms.Pad(padding, fill=0, padding_mode='edge')padding:列表，元素个数为1，2，4fill:int-单值 or (r,g,b)padding_mode:填充方式“constant”:利用常值进行填充“edge”:利用图像边缘像素点进行填充“reflect”：利用反射的方式进行填充[1, 2, 3, 4] 》[3, 2, 1, 2, 3, 4, 3, 2]“symmetric”：对称填充方法[1, 2, 3, 4] 》》[2, 1,
2022-04-01 08:59:35
5219
原创 4、图片转为灰度图 transforms.Grayscale()
transforms.Grayscale()num_output_channels=1 or 3import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.Grayscale(3)(img0.
2022-04-01 08:57:57
6677
原创 3、图片裁剪成固定尺寸5份 transforms.FiveCrop(size)
transforms.FiveCrop(size) size-输入为图片的长，宽，可单值或（h,w）import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.FiveCrop((160,16
2022-04-01 08:55:35
786
原创 1、随机中心裁剪 transforms.CenterCrop(size)
transforms.CenterCrop(size)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.CenterCrop((32,32))(img0) #随机中心裁剪img2=
2022-04-01 08:52:08
4617
原创 2、图片亮度，对比度，饱和度，明度调整 transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
transforms.CenterCrop(size)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=transform.CenterCrop((32,32))(img0) #随机中心裁剪img2=
2022-04-01 08:46:55
4624
1
原创 一文详解L1-loss和L2-loss(pytorch版本)
import torch.nn as nnimport torchpixelwise_loss = nn.L1Loss(reduction='mean') #平均绝对误差,L1-损失loss2=nn.MSELoss() #L2-损失x1=torch.zeros([2,2])x2=torch.ones([2,2])x3=torch.tensor([[0.125,0.5],[0.5,0.5]])y=pixelwise_loss(x3,x2)print('L1Loss:',y.item())
2022-03-23 09:00:42
9291
3
原创 pretrainedmodels 包中的预训练模型
预训练模型包使用：import pretrainedmodelsprint(pretrainedmodels.model_names) #打印print(pretrainedmodels.pretrained_settings['se_resnet152'])
2022-03-22 11:49:55
997
原创 numpy（二维）数组按列求取最大值
import numpy as npdata_save=np.array([[8,2,3],[4,5,1]])index_max = np.argmax(data_save, axis=0)value=data_save[index_max,range(data_save.shape[1])]print(value)
2022-02-28 09:13:35
2320
原创 pytorch删除行全为0的元素
def del_tensor_0_cloumn(Cs): idx = torch.all(Cs[..., :] == 0, axis=1) index=[] for i in range(idx.shape[0]): if not idx[i].item(): index.append(i) index=torch.tensor(index) Cs = torch.index_select(Cs, 0, index)
2021-11-23 17:34:58
3505
原创 StyleGan2在双平台配置，win10和linux系统 bug记录
1、出现这条错误，一般是因为cuda计算能力和Tensorflow版本不匹配出现的问题。RuntimeError: NVCC returned an error. See below for full command line and output log:nvcc fatal : Value 'sm_86' is not defined for option 'gpu-architecture'解决方案找到项目文件 \dnnlib\tflib\custom_ops.py修改：comp
2021-10-22 14:31:19
1980
7
原创 StyleGAN2官方权重文件批量下载代码
import sysimport webbrowsergdrive_urls = { 'gdrive:networks/stylegan2-car-config-a.pkl': 'https://drive.google.com/uc?id=1MhZpQAqgxKTz22u_urk0HSXA-BOLMCLV', 'gdrive:networks/stylegan2-car-config-b.pkl':
2021-10-22 11:03:50
1015
原创 利用图像扩充，实现对不等长宽图片的Arnold算法加密还原
clear all;close all;clc;src=imread('shu.png');src=rgb2gray(src)figure;imshow(src,[]) [s_h s_w]=size(src);if(s_h>s_w) max=s_h; B=ones(max,max-s_w)*125; img=cat(2,src,B);else max=s_w; B=ones(max-s_h,max)*125; img=cat(1,src,B);e
2021-08-10 09:07:22
424
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人