- 博客(17)
- 收藏
- 关注
RSS订阅原创 Tensorflow基础(必备TF框架知识)_6：数据增强
tf.image库进行数据增强颜色扰动（亮度、对比度、HSV、RGB等）裁剪/Pad噪声/模糊翻转/旋转（空间几何变换/放射变换）Draw Boxes标准化其他数据增强的方法MixupOversampling锐化/浮雕/灰度边界检测超像素255-V# 灰度img_data = tf.image.rgb_to_grayscale(img_data)# 亮度[-...
2020-03-25 11:09:43
229
原创 Tensorflow基础(必备TF框架知识)_5：高级API接口
TensorFlow在深度学习中高级封装——TF-Slimimport tensorflow.contrib.slim as slimslim.layersnet = slim.conv2d(inputs, num_outputs=64, kernel_size=[11, 11], stride=4, padding='SAME', weights_i...
2020-03-25 10:54:03
194
原创 Tensorflow基础(必备TF框架知识)_4：数据读取机制与API方法
本文取材自imooc课程《Python3+TensorFlow打造人脸识别智能小程序》数据操作TensorFlow提供了TFRecord的格式来统一存储数据TFRecord将图像数据和标签放在一个二进制文件(protocal buffer)中，这样能更好利用内存，实现快速复制、移动、读取、存储数据读取：1.直接从文件中读取2.从TFRcord解析打包的图片数据中读取tf.train....
2020-03-24 12:36:20
183
原创 Tensorflow基础(必备TF框架知识)_3：核心API接口
本文取材自imooc课程《Python3+TensorFlow打造人脸识别智能小程序》TensorFlow在深度学习中使用的API基本运算搭建网络训练优化数据相关tf.expand_dimstf.splittf.concattf.casttf.reshapetf.equaltf.matmultf.argmaxtf.squeezetf.nntf.nn.conv2...
2020-03-24 12:34:31
292
原创 Tensorflow基础(必备TF框架知识)_2：Session-Tensor-Operation-Feed-Fetch
本文取材自imooc课程《Python3+TensorFlow打造人脸识别智能小程序》Session图必须在称之为“会话”的上下文中执行绘画将图的op分发到诸如CPU或GPU之类的设备上执行创建和关闭对话sess = tf.Session()sess = tf.InteractiveSession()sess.close()with tf.Session() as sess:...
2020-03-24 12:32:52
175
原创 Tensorflow基础(必备TF框架知识)_1：Graph
本文取材自imooc课程《Python3+TensorFlow打造人脸识别智能小程序》Graph描述了计算的过程，可以通过tensorboard图形化流程结构声明g = tf.Graph()g = tf.get_default_graph()x = tf.constant(0)g = x.graph# 声明和交叉使用多个Graphg1 = tf.Graph()with ...
2020-03-24 12:30:39
273
原创 《Opencv计算机视觉实战》笔记_11：图像特征Harris
图像特征-Harris角点检测基本原理原理细节可参考该网站实现cv2.cornerHarris(src, blockSize, ksize, k)src：输入是单通道8位或浮点型的图像blockSize：角点检测中指定区域的大小ksize：Sobel算子使用的窗口大小k：角点相应中的alpha(取值为 [0,04,0.06])...
2020-03-04 08:54:22
189
原创 《Opencv计算机视觉实战》笔记_10：傅里叶变换
傅里叶变换cv2.dft(src[, dst[, flags]]) 傅里叶变换src：输入(必须先转换成np.float32格式)dst：输出flags：转换标志numpy.fft.fftshift(x, axes=None) 将频率为0的部分转换到频谱的中心将在左上角频率为0的部分转换到中心位置(一般会将低频部分置于频谱中心，高频部分由中心向四周发散，越远离中心，频率越高)x...
2020-02-29 10:05:50
289
原创 《Opencv计算机视觉实战》笔记_9：直方图
直方图cv2.calcHist(images, channel, mask, histSize, ranges) 返回一个直方图images：输入图像(需用中括号括起来)channels：通道如果入图像是灰度图它的值就是[0]；如果是彩色图像的传入的参数可以是[0][1][2]，分别对应着 BGRmask：掩膜图像统计整幅图像的直方图就置为None如果想统计图像某一部分的直方图就...
2020-02-28 22:50:58
201
原创 《Opencv计算机视觉实战》笔记_8：模板匹配
模板匹配模板匹配和卷积的原理很像，模板在原图像上从原点开始滑动，计算两者之间的差别程度，将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)cv2.matchTemplate(image, templ, method)image：原始图像templ：模板图像method：公式TM_SQDIFF：计算...
2020-02-28 19:08:51
311
原创 《Opencv计算机视觉实战》笔记_7：图像轮廓
图像轮廓检测轮廓cv2.findContours(image, mode, method)有两个返回值：contours(所有轮廓信息(list结构))和hierarchy(层级)mode——轮廓检测模式RETR_EXTERNAL ：只检索最外面的轮廓；RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分...
2020-02-28 15:51:54
210
原创 《Opencv计算机视觉实战》笔记_6：图像金字塔
图像金字塔Gaussian金字塔cv2.pyrUp()——向下采样（缩小）cv2.pyrDown()——向上采样（放大）Laplace金字塔
2020-02-28 15:02:08
227
原创 《Opencv计算机视觉实战》笔记_5：边缘检测
Canny边缘检测1、使用高斯滤波器，以平滑图像，滤除噪声。2、计算图像中每个像素点的梯度强度和方向。3、应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。线性插值法设g1的梯度幅值M(g1)，g2的梯度幅值M(g2)，则dTmp1有：M(dTmp1)=w*M(g1)+(1-w)*M(g2)其中w=distance(g1, dTmp1...
2020-02-28 12:38:42
262
原创 《Opencv计算机视觉实战》笔记_4：图像梯度处理
Sobel算子Sobel是求一阶导数cv2.Sobel(src, ddepth, dx, dy[, ksize])ddepth：输出深度通常是-1，即保持原输入的深度，不过会带来问题：检测不到负梯度（白到黑是正，黑到白是负，负数会被截断）。为了解决该问题，可以把输出的数据类型设置的更高，比如ddepth=cv2.CV_64dx和dy表示水平和竖直方向(值为1即求取该方向，值为0则不求取...
2020-02-28 11:04:11
265
原创 《Opencv计算机视觉实战》笔记_3：图像形态学处理
形态学-腐蚀操作cv2.erode(src, kernel, [iterations])kernel规模越大，iterations越大，腐蚀效果越明显形态学-膨胀操作cv2.dilate(src, kernel, [iterations])kernel规模越大，iterations越大，膨胀效果越明显...
2020-02-27 22:52:25
165
原创 《Opencv计算机视觉实战》笔记_2：阈值与平滑处理
阈值cv2.threshold(src, thresh, maxval, type)：返回两个值——阈值&输出图src： 输入图，只能输入单通道图像，通常来说为灰度图dst： 输出图thresh：阈值maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值type：二值化操作的类型，包含以下5种类型：cv2.THRESH_BINARY：超过阈值部分取...
2020-02-27 22:00:08
174
原创 《Opencv计算机视觉实战》笔记_1：图像操作
图像的基本操作cv2.imread() 读取(格式是BGR)cv2.IMREAD_COLOR：彩色cv2.IMREAD_GRAYSCALE：灰度cv2.imshow() 展示cv2.cvtColor() 颜色转换cv2.COLOR_BGR2GRAY：RGB转换成灰度cv2.split() 颜色通道提取cv2.merge() 颜色通道合并cv2.copyMakeBorder...
2020-02-27 21:12:26
286
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