lichaoqi1的博客

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

lichaoqi1 — Sat, 30 Nov 2024 09:32:39 +0800

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。

OnnxRuntime c#找不到模块HRESULT: 0x8007007E

lichaoqi1 — Wed, 03 Jul 2024 08:22:30 +0800

打包Net框架使用ONNXruntime推理Onnx模型出现找不到包的错误。

openvion库模型下载

lichaoqi1 — Sat, 15 Jun 2024 09:17:16 +0800

1、环境安装openvino-dev库。openvion库模型下载。

EmGU(4.7) 和C#中特征检测算法详解集合

lichaoqi1 — Sun, 18 Jun 2023 22:39:24 +0800

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。

EmGUCV中类函数 FastFeatureDetector使用详解

lichaoqi1 — Thu, 15 Jun 2023 23:00:40 +0800

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：

关于Emgu中图像数据格式说明（Mat，Image，BitMap）

lichaoqi1 — Wed, 14 Jun 2023 22:57:34 +0800

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、

An experimental PyTorch implementation of Blind Image Quality Assessment Using A Deep Bilinear CNN

lichaoqi1 — Wed, 09 Nov 2022 14:13:35 +0800

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

jieba分词定义文献中摘要部分关键词进行词频分析

lichaoqi1 — Wed, 02 Nov 2022 15:34:18 +0800

jieba分词

#超全#行人重识别数据集整理，附下载链接和介绍

lichaoqi1 — Tue, 21 Jun 2022 17:50:41 +0800

行人重识别数据集整理

22、随机自动对比 transforms.RandomAutocontrast(p=0.5)

lichaoqi1 — Sun, 03 Apr 2022 08:45:36 +0800

transforms.RandomAutocontrast(p=0.5) import torchvision.transforms as transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-000003.jpg') img1=transform.RandomAutocontrast(p=0.1)(img0)

21、随机调整锐度 transforms.RandomAdjustSharpness(）

lichaoqi1 — Sun, 03 Apr 2022 08:44:51 +0800

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 transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.ope

23、随机均衡器 transforms.RandomEqualize(p=0.5)

lichaoqi1 — Sun, 03 Apr 2022 08:44:43 +0800

transforms.RandomInvert(p=0.5) import torchvision.transforms as transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-000003.jpg') img1=transform.RandomInvert(p=0.8)(img0) axs = plt.f

24、其他api函数以及两种自动增强的方法

lichaoqi1 — Sun, 03 Apr 2022 08:44:34 +0800

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

20、日光化 transforms.RandomSolarize(threshold, p=0.5)

lichaoqi1 — Sat, 02 Apr 2022 10:52:07 +0800

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 transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-000003.jpg') img1=t

19、随机后处理 transforms.RandomPosterize(bits, p=0.5)

lichaoqi1 — Sat, 02 Apr 2022 10:52:00 +0800

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 transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-0000

18、随机反转 transforms.RandomInvert(p=0.5)

lichaoqi1 — Sat, 02 Apr 2022 10:51:55 +0800

17、高斯模糊 transforms.GaussianBlur(）

lichaoqi1 — Sat, 02 Apr 2022 10:51:48 +0800

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 transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-.

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)

lichaoqi1 — Sat, 02 Apr 2022 10:51:40 +0800

transforms.TenCrop(size, vertical_flip=False) vertical_flip:是否翻转 import torchvision.transforms as transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-000003.jpg') img1=transform.T.

15、调整尺寸 transforms.Resize()

lichaoqi1 — Sat, 02 Apr 2022 10:51:34 +0800

transforms.Resize(size, interpolation=, 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False import torchvision.transforms as transform from PIL import Image import ma

14、随机垂直翻转 transforms.RandomVerticalFlip(p=0.5)

lichaoqi1 — Sat, 02 Apr 2022 10:51:26 +0800

transforms.FiveCrop(size) size-输入为图片的长，宽，可单值或（h,w） import torchvision.transforms as transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-000003.jpg') img1=transform.RandomVerticalFl