<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_34714751的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_34714751</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_34714751]]></copyright><item><title><![CDATA[opencv 打开和保存视屏（python版）]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85698341</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85698341</guid><author>qq_34714751</author><pubDate>Thu, 03 Jan 2019 15:24:15 +0800</pubDate><description><![CDATA[opencv 打开和保存视屏（python版）
打开视屏，并播放视屏
import cv2

# 获取video_path的视屏
cap = cv2.VideoCapture(&amp;quot;video_path&amp;quot;)
while True:
    # 一帧一帧的获取图像
    ret,frame = cap.read()
    if ret == True:
        # 显示结果帧
       ...]]></description><category></category></item><item><title><![CDATA[opencv 打开摄像头]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85648103</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85648103</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 23:16:09 +0800</pubDate><description><![CDATA[&amp;quot;&amp;quot;&amp;quot;
使用opencv 打开笔记本自带的摄像头
&amp;quot;&amp;quot;&amp;quot;
import cv2 as cv
cap = cv.VideoCapture(0)  # 创建视频流
if not cap.isOpened: # 判断视屏是否打开
    print('--(!)Error opening video capture')
    exit(0)
while True: 
    ret, frame = ..]]></description><category></category></item><item><title><![CDATA[Python OpenCV 基础教程]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85648048</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85648048</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 23:14:10 +0800</pubDate><description><![CDATA[Python OpenCV基础教程
文章目录Python `OpenCV`基础教程1. 简介2. 安装3. 使用3.1 图像操作：加载，显示，保存3.1.1 读入图像：`cv2.imread()`3.1.2 显示图像：`cv2.imshow()`3.1.2.1 `cv2.waitKey()` 键盘绑定参数3.1.2.2 `cv2.destroyAllWindow()` ：删除所有的窗口3.1.3 ...]]></description><category></category></item><item><title><![CDATA[TensoFlow 实现 VAE（变分自编码）神经网络]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85617379</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85617379</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 15:07:43 +0800</pubDate><description><![CDATA[TensoFlow  实现变分自编码（VAE）神经网络
文章目录TensoFlow  实现变分自编码（VAE）神经网络1. 网络结构输出损失代码：变数对最后输出的影响1. 截断随机正态分布的截断参数
1. 网络结构
自上而下，先搭骨架，在实现
1. 主网络：net

          	1. init
        	1. 初始化编码器类
        	2. 初始化解码器类
       ...]]></description><category></category></item><item><title><![CDATA[TensorFlow 实现RNN]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85617319</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85617319</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 15:06:43 +0800</pubDate><description><![CDATA[TensorFlow 实现RNN
1. 导入所需包
import  tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data # 获取数据
import numpy as np

2. 获取数据
# 获取数据集
data_path = r'C:\Users\liev\Desktop\myproject\y...]]></description><category></category></item><item><title><![CDATA[Pytorch实现RNN]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85617236</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85617236</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 15:06:05 +0800</pubDate><description><![CDATA[Pytorch实现RNN：
一、torch.nn.RNN()
1. 导入所需包
import torch
from torch.autograd import Variable # 获取变量
from torch.utils import data # 获取迭代数
import torchvision 
from torchvision.datasets import mnist # 获取数据集
...]]></description><category></category></item><item><title><![CDATA[TensorFlow 实现 CNN 自编码网络]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85617128</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85617128</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 15:04:00 +0800</pubDate><description><![CDATA[TensorFlow 实现CNN自编码网络
文章目录TensorFlow 实现CNN自编码网络1. 实现：2. 数据集：3. 实现流程：3.1 编码：CNN卷积操作3.2 解码：反卷积操作3.3  主网络3.4 训练网络3.5 测试代码4. 网络结构实现代码：5. 训练网络：获取损失和解码图6. 代码结果输出：7. 损失图8. 效果展示：原始图片：生成图片：9. 测试网络：测试代码：原始图片：生成...]]></description><category></category></item><item><title><![CDATA[使用PyTorch实现CNN]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85610966</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85610966</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 13:27:01 +0800</pubDate><description><![CDATA[使用PyTorch实现CNN
文章目录使用PyTorch实现CNN1. 导入所需包：2. 获取数据集2.1 获取数据集，并对数据集进行预处理2.2 获取迭代数据：`data.DataLoader()`3. 定义网络结构4. 定义损失和优化器`model.parmaters()`含义：5. 训练网络损失图：如果使用MSELoss：平方差损失7. 测试网络：精确度：0.988. 其他实验：8.1 全连...]]></description><category></category></item><item><title><![CDATA[TensorFlow 实现卷积神经网络（CNN）]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85610804</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85610804</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 13:24:15 +0800</pubDate><description><![CDATA[TensorFlow 实现卷积神经网络（CNN）
文章目录TensorFlow 实现卷积神经网络（CNN）1. 知识点：2. 出错点：3. 卷积层（Conv Layer）的输出张量（图像）的大小padding=’SAME‘ 填充0padding=’VALID‘ 不填充(需验证)4. 池化层（Conv Layer）的输出张量（图像）的大小padding=’SAME‘ 填充0在TensorFlow的（...]]></description><category></category></item><item><title><![CDATA[Anaconda实用命令]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85599219</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85599219</guid><author>qq_34714751</author><pubDate>Wed, 02 Jan 2019 10:11:23 +0800</pubDate><description><![CDATA[文章目录查看软件版本号添加镜像更新conda查看已经安装的packages查看python版本与模块之间的关系查看Anaconda所有环境Anaconda创建环境：
查看软件版本号
Python --version#查看Python版本，这里是Python3
conda --version #查看conda的版

添加镜像
conda服务器在国外，使用速度非常慢，需要加入国内清华的镜像。
cond...]]></description><category></category></item><item><title><![CDATA[center loss 翻译]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85537506</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85537506</guid><author>qq_34714751</author><pubDate>Tue, 01 Jan 2019 14:21:03 +0800</pubDate><description><![CDATA[深度人脸识别的判别特征学习方法（Center Loss）
抽象
​	卷积神经网络（CNNs）已被广泛应用于计算机视觉领域，显着提高了现有技术水平。在大多数可用的CNN中，softmax损失函数被用作训练深度模型的监督信号。为了增强深度学习特征的判别力，本文提出了一种新的监督信号，称为中心丢失，用于人脸识别任务。具体而言，中心损失同时学习每个类别的深度特征的中心并且惩罚深度特征与其对应的类中心之间的...]]></description><category></category></item><item><title><![CDATA[mtcnn pytorch实现]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85536917</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85536917</guid><author>qq_34714751</author><pubDate>Tue, 01 Jan 2019 14:09:58 +0800</pubDate><description><![CDATA[MTCNN PyTorch实现
MTCNN 网络结构实现：
P-net
全卷积网络
中间层：
​	卷积层：2D卷积，激活函数：PReLU
​	池化层：最大池化
置信度输出：Sigmoid（激活函数）
回归框输出，地表点回归：线性输出




P_net
in_shape
in_channels
out_channels
kernel_size
stride
padding
out_shape


...]]></description><category></category></item><item><title><![CDATA[mtcnn论文翻译]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85536669</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85536669</guid><author>qq_34714751</author><pubDate>Tue, 01 Jan 2019 14:06:45 +0800</pubDate><description><![CDATA[MTCNN ：使用多任务级联卷积网络进行联合人脸检测和对准
文章目录MTCNN ：使用多任务级联卷积网络进行联合人脸检测和对准摘要I。导言II。途径A. 总体框架B. CNN架构C. 训练III。实验A. 训练数据B. 在线硬样本挖掘的有效性C. 联合检测和校准的有效性D. 面部检测评估F. 运行时效率
原论文地址：https://kpzhang93.github.io/MTCNN_face_de...]]></description><category></category></item><item><title><![CDATA[mtcnn 项目介绍]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/85533573</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/85533573</guid><author>qq_34714751</author><pubDate>Tue, 01 Jan 2019 13:08:36 +0800</pubDate><description><![CDATA[MTCNN 人脸识别项目
文章目录MTCNN 人脸识别项目现阶段实现：对人脸以及五个关键点进行标注1.级联训练2.标注框的选择3.判别网络输出的框是否有人脸4.对于照片中不同大小的人脸识别的处理5 训练集的制作5.1 制作样本5.2 对样本的随机框进行处理6.网络的搭建7.训练8.测试：重点的是反算附录A. 扩充框B. IOUC.  NMS
现阶段实现：对人脸以及五个关键点进行标注
1.级联训练
...]]></description><category></category></item><item><title><![CDATA[使用matplotlib实现激活函数的数学公式图]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/83718031</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/83718031</guid><author>qq_34714751</author><pubDate>Sun, 04 Nov 2018 17:49:04 +0800</pubDate><description><![CDATA[文章目录代码实现：1. sigmoid2. Tanh3. ReLU4. Softplus5. ELU6. LeakyReLU
代码实现：
import numpy as np
import matplotlib.pyplot as plt

#  正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

x = np.linspace(-6, 6...]]></description><category></category></item><item><title><![CDATA[python实现随机验证码（随机大小写字母）]]></title><link>https://blog.youkuaiyun.com/qq_34714751/article/details/83039975</link><guid>https://blog.youkuaiyun.com/qq_34714751/article/details/83039975</guid><author>qq_34714751</author><pubDate>Sat, 13 Oct 2018 16:45:47 +0800</pubDate><description><![CDATA[python实现随机验证码
文章目录python实现随机验证码需要使用的模块、方法、资料：1.`Image`模块：操作图像类1.1 `new()`：创建一个新的图片1.2 `save()`：保存图片1.3 `putpixel()`：设置像素点颜色2.`ImageDraw`模块：在图像上作业2.2`text()`：写入文本3.`ImageFont`模块：设置字体（`truetype()`）4.`ra...]]></description><category></category></item></channel></rss>