- 博客(6)
- 收藏
- 关注
RSS订阅原创 【DL】优化/元算法/BatchNormalization（批标准化）
【DL】优化/元算法/BatchNormalization（批标准化）前言为什么深度神经网络难优化？为什么加入BN之后可以降低优化难度？加入BN层的缺陷以及改进方法总结前言BatchNormalization算法是一种自适应重参数化的算法，其本质上不是优化算法，也不是正则化算法，但是其可以大幅度提升优化算法的性能，并且带有一定的正则化效果。在一些训练数据很大的场景中，BatchNormaliztion的正则化功效显著，甚至可以使dropout等算法变得可有可无。但其主要还是作为一种降低网络优化难度的元
2021-08-22 13:09:06
297
原创 Opencv项目实战：机器视觉答题卡识别
项目：答题卡识别解决过程如下预处理先对图片进行Canny边缘检测，然后进行膨胀操作，膨胀操作的目的在于，如果纸张的外轮廓不是很明显，Canny边缘检测后纸张外轮廓不连续有小洞，使用膨胀操作填充小洞处理的结果如下：轮廓检测提取面积最大的轮廓MaxContour，并进行自适应轮廓近似，自适应轮廓近似中取epsilon = 0.0001 * 周长具体代码如下：#步长设置为周长的0.0001倍，一般来说取epsilon = 0.001倍周长step = 0.0001 * cv2.arcLen
2020-09-13 17:20:39
2066
原创 Opencv项目实战：停车场车位识别
项目：停车场车位识别GITHUB地址GITHUB解决过程如下形态学操作对原始图像预处理操作，然后第一步给某一帧图像套上mask遮罩，原始图像和遮罩如下图所示：然后对图片二值化等基本操作，得到的结果进行礼帽操作（TOPHAT），目的是去除干扰的白色车辆，效果如下图所示：垂直直线检测对图像进行霍夫变换，选择较大的阈值，将图像中的垂直直线检测出来，并使用abs(y2 - y1) >= 20 and abs(x2 - x1) <= 10的方法进行粗略的结果筛选，具体代码如下：l
2020-09-09 15:31:13
4361
原创 学习笔记(02):携手STM32CubeMX玩转STM32-初探STM32CubeMX和HAL库
本课程教大家如何利用STM32CubeMX玩转STM32（STM32CubeMX支持的所有型号MCU都适用于本课程）。课程内容分为基础内容和扩展内容，例如：讲解串口时会扩展开讲Xmodem通信协议，讲解ADC/DAC时会扩展讲傅里叶计算，讲解完FLASH操作会扩展将bootloader的编写，讲解完M3的bootloader编写会扩展讲解M0的bootloader...... 内容绝对实在，对...
2020-02-07 15:42:29
1050
原创 学习笔记(01):携手STM32CubeMX玩转STM32-安装软件及学会如何获取资料
本课程教大家如何利用STM32CubeMX玩转STM32（STM32CubeMX支持的所有型号MCU都适用于本课程）。课程内容分为基础内容和扩展内容，例如：讲解串口时会扩展开讲Xmodem通信协议，讲解ADC/DAC时会扩展讲傅里叶计算，讲解完FLASH操作会扩展将bootloader的编写，讲解完M3的bootloader编写会扩展讲解M0的bootloader...... 内容绝对实在，对...
2020-02-07 14:24:19
415
原创 用python内置的优先队列实现大顶堆，以及C++比较函数类似功能
前言python默认的 pq 是小顶堆实现，非常不灵活，所以我就摸索出来了一种比较灵活的使用方法用 PriorityQueue 实现大顶堆from queue import PriorityQueuepq = PriorityQueue()pq.put((-1, 1) )pq.put((-2, 2) )pq.put((-3, 3) )while not pq.empty():...
2020-01-17 20:13:33
1239
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人