邦戈邦戈栗子的博客

tensorflow作为主流的深度学习框架为我们设计了封装十分完善的可视化工具——tensorboard，用起来也十分的方便。这篇博客介绍tensorboard的两个主要应用，一个是显示网络结构即训练过程中的一些参数loss，weights等，还有一个就是当用服务器训练网络时，我们如何在本地显示tensorboard一、Tensorboard监控网络训练过程TensorBoard完整的使用流程主要有一下几步：·添加记录节点，即添加需要监测的对象：tf.summary.scalar/image/his

1.python 引用其他文件中函数import syssys.path.insert(0, '/path/to/application/app/folder') # or sys.path.append('/path/to/application/app/folder')import file2.Unable to init server: Could not connect: Connection refusedGdk-CRITICAL **: 12:07:39.428: gdk_

1.从原图截图rect区域 img = cv2.imread(imgname) h_ori, w_ori = img.shape[:2] minx = w_ori miny = h_ori maxx = 0 maxy = 0 x = 1 y = 1 w = 10 h = 20 if x < 0: x = 0

https://zhuanlan.zhihu.com/c_1239148130719158272初衷本人由于平常写论文需要输出一些结果图，但是苦于在网上搜python画图时，详细的教程非常多，但是就是找不到能马上解决自己问题那一行代码，所以打算写一些适合需求简单的朋友应急用的教程，应急就必须方便搜索，所以我把主要的内容写在了标题，方便大家到主页查找对应的功能，教程里有对应的效果图，方便查看，希望可以帮助到有需要的朋友。说明本教程的效果图是在jupyter notebook完成。教程是接.

import osfrom imgaug import augmenters as iaaimport cv2import sometimesseq = iaa.Sequential( [ iaa.Fliplr(0.5), # 对50%的图像进行镜像翻转 iaa.Flipud(0.2), # 对20%的图像做左右翻转 # sometimes(iaa.Crop(percent=(0, 0.1))), # 这里沿袭我们上面提.

论文链接: https://arxiv.org/pdf/1708.02002.pdf目标识别有两大经典结构: 第一类是以Faster RCNN为代表的两级识别方法，这种结构的第一级专注于proposal的提取，第二级则对提取出的proposal进行分类和精确坐标回归。两级结构准确度较高，但因为第二级需要单独对每个proposal进行分类/回归，速度就打了折扣；目标识别的第二类结构是以YOLO和SSD为代表的单级结构，它们摒弃了提取proposal的过程，只用一级就完成了识别/回归，虽然速度较快但准确率远

基本原理是先通过MTCNN检测到人脸的五个关键点，再把原图中人脸区域外扩100%（这样做的目的是保证对齐后图片中没有黑色区域，当然这个外扩的比例是看对齐效果自己可以调节的，我这里设置的100%）。最后的人脸对齐尺寸分为两种：112X96尺寸和112X112尺寸，其中首先需要定死仿射变换后人脸在目标图上的坐标，然后直接变换。废话不多说，直接手撕代码。# 该代码实现利用人脸的五点仿射变换实现人脸对齐# 具体就是首先使用mtcnn检测算法检测出人脸区域，并得到lanmarks关键点坐标和检测框坐标..

siamese网络(孪生网络)  05年Yann Lecun提出来的。提起siamese network一般都会引用这两篇文章： 《Learning a similarity metric discriminatively, with application to face verification》和《 Hamming Distance Metric Learning》。  Siamese也...

Introduction在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反复训练 才能修得 泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / One-shot Learning / Few-shot Learning。爱上一匹野马 (泛化能力)，可我的家里没有草原 (海量数据) 。Learning类型分...

#include <iostream>#include <core/core.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <opencv2/highgui/highgui.hpp>#include<opencv2/stitching.hpp> using namesp...

转载于：https://blog.youkuaiyun.com/liuuze5/article/details/77509473lsd.h/*---------------------------------------------------------------------------- LSD - Line Segment Detector on digital images Copyri...

#include &lt;opencv2/core/core.hpp&gt; #include &lt;opencv2/highgui/highgui.hpp&gt; #include &lt;opencv2/imgproc/imgproc.hpp&gt; #include &lt;opencv/cv.h&gt;using namespace cv;using namespace ...

定义：模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.如何实现：我们需要2幅图像:原图像 (I): 在这幅图像里,我们希望找到一块和模板匹配的区域模板 (T): 将和原图像比照的图像块我们的目标是检测最匹配的区域:为了确定匹配区域, 我们不得不滑动模板图像和原图像进行 比较 :通过 滑动, 我们的意思是图像块一次移动一个像素 (从左往右,从上往下). 在每一个位置, 都进行...

转自一篇基于直线检测的形状识别方法，不同于霍夫直线检测。原文网址：https://blog.youkuaiyun.com/liujiabin076/article/details/74917605LSD官网（源码下载）：http://www.ipol.im/pub/art/2012/gjmr-lsd/LSD官网（在线测试）：http://demo.ipol.im/demo/gjmr_line_segment_...