<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[王乐予的博客]]></title><description><![CDATA[一个刚起步 处于探索阶段的博主]]></description><link>https://blog.youkuaiyun.com/qq_42856191</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_42856191]]></copyright><item><title><![CDATA[【深度学习实战—13】：基于MediaPipe的虹膜距离估计]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/143228482</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/143228482</guid><author>qq_42856191</author><pubDate>Fri, 25 Oct 2024 11:08:46 +0800</pubDate><description><![CDATA[人眼虹膜直径范围大概在11.7±0.5mm。因此我们可以利用相似三角形计算人眼与摄像头传感器的距离]]></description><category></category></item><item><title><![CDATA[【深度学习实战—12】：基于MediaPipe的手势识别]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/143128771</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/143128771</guid><author>qq_42856191</author><pubDate>Mon, 21 Oct 2024 20:08:45 +0800</pubDate><description><![CDATA[本文将通过 Mediapipe 检测出手部关键点，并通过对各种关键点的位置判别，以达到手势识别的目的。]]></description><category></category></item><item><title><![CDATA[NCNN 记录2：NCNN 加载模型的三种方式（以 SqueezeNet 为例）]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/142970885</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/142970885</guid><author>qq_42856191</author><pubDate>Wed, 16 Oct 2024 13:42:42 +0800</pubDate><description><![CDATA[NCNN加载模型有三种方式，分别是：

 1. 直接加载 param 和 bin（明文）
 2. 加载二进制的 param.bin 和 bin
 3. 从内存加载 param 和 bin]]></description><category></category></item><item><title><![CDATA[NCNN 记录1：Ubuntu+CLion+OpenCV+NCNN+Squeezenet 从源码编译到代码输出全流程记录]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/142955815</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/142955815</guid><author>qq_42856191</author><pubDate>Tue, 15 Oct 2024 17:04:43 +0800</pubDate><description><![CDATA[Ubuntu+CLion+OpenCV+NCNN+Squeezenet 从源码编译到代码输出全流程记录]]></description><category></category></item><item><title><![CDATA[【深度学习实战—11】：基于Pytorch实现谷歌QuickDraw数据集的下载、解析、格式转换、DDP分布式训练、测试]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/142205144</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/142205144</guid><author>qq_42856191</author><pubDate>Wed, 18 Sep 2024 15:58:44 +0800</pubDate><description><![CDATA[Quick Draw 数据集是 345 个类别的 5000 万张图纸的集合，由游戏 Quick， Draw！的玩家贡献。这些图画被捕获为带时间戳的矢量，并标记有元数据，包括要求玩家绘制的内容以及玩家所在的国家/地区。Github中提供了两种类型的数据集，分别是 原始数据集 和 预处理后的数据集 。
本文将基于quickdraw数据集，对340个类别进行采用分布式训练进行迁移学习。]]></description><category></category></item><item><title><![CDATA[【深度学习实战—10】：基于MediaPipe的坐姿检测]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/139269217</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/139269217</guid><author>qq_42856191</author><pubDate>Wed, 29 May 2024 17:00:56 +0800</pubDate><description><![CDATA[MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架。提供多种错误坐姿情况的判断。]]></description><category></category></item><item><title><![CDATA[【深度学习实战—9】：基于MediaPipe的人脸关键点检测]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/139237456</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/139237456</guid><author>qq_42856191</author><pubDate>Wed, 29 May 2024 09:13:57 +0800</pubDate><description><![CDATA[使用谷歌MediaPipe框架实现人脸关键点检测，获取人脸区域400多个3D关键点，并在图中标记出部分区域。]]></description><category></category></item><item><title><![CDATA[【深度学习实战—8】：基于MediaPipe的人脸检测]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/139225951</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/139225951</guid><author>qq_42856191</author><pubDate>Mon, 27 May 2024 11:29:04 +0800</pubDate><description><![CDATA[使用Google的MediaPipe方案进行人脸检测，提供视频流检测程序]]></description><category></category></item><item><title><![CDATA[【深度学习实战—7】：基于Pytorch的多标签图像分类-Fashion-Product-Images]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/139200806</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/139200806</guid><author>qq_42856191</author><pubDate>Sat, 25 May 2024 18:24:17 +0800</pubDate><description><![CDATA[基于深度学习的多标签图像分类，使用时尚产品数据集。工程充分将代码解耦，便于代码管理。]]></description><category></category></item><item><title><![CDATA[【深度学习实战—6】：基于Pytorch的血细胞图像分类（通用型图像分类程序）]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/132759528</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/132759528</guid><author>qq_42856191</author><pubDate>Sun, 10 Sep 2023 14:26:22 +0800</pubDate><description><![CDATA[图像分类是搞深度学习一定要掌握的一个视觉任务，本文章将基于血细胞数据集实现图像分类！本文程序已解耦，可当做通用型图像分类框架使用。]]></description><category></category></item><item><title><![CDATA[【深度学习实战—5】：基于AlexNet的CIFAR10数据集分类（附Keras实现）]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123696850</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123696850</guid><author>qq_42856191</author><pubDate>Sun, 10 Apr 2022 06:30:00 +0800</pubDate><description><![CDATA[目录😺一、数据集获取😺二、定义AlexNet😺三、编译并训练😺四、测试模型😺五、预测结果可视化😺六、建立混淆矩阵😺附录：完整程序
之前我们用AlexNet进行了手写数字的识别，今天带来对cifar10数据集的分类！文末附完整程序！
😺一、数据集获取
"""
数据集获取
"""
def get_cifar10_d.]]></description><category></category></item><item><title><![CDATA[【深度学习实战—4】：基于AlexNet的手写数字识别（附Keras实现）]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123695979</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123695979</guid><author>qq_42856191</author><pubDate>Sat, 09 Apr 2022 06:30:00 +0800</pubDate><description><![CDATA[本节我们带来使用AlexNet经典网络进行手写数字识别！文末附完整程序！

很多地方，如数据集获取，网络训练等都和【深度学习实战—3】：基于LetNet-5的手写数字识别（附Keras实现）差不多，有不同的就是网络的搭建，
😺一、网络搭建
因为论文中的alexnet的输入是（227, 227, 3），所以我们在搭建网络的时候，要将输入改为（28, 28, 1）。]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：基于视频的人脸检测、眼部检测与微笑检测]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123792378</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123792378</guid><author>qq_42856191</author><pubDate>Fri, 08 Apr 2022 06:30:00 +0800</pubDate><description><![CDATA[OpenCV中有专门用来做人脸检测、人眼检测和微笑检测的工具。

在作者这个目录下：`D:\anaconda\envs\keras21\Lib\site-packages\cv2\data`，（注：kersa21是作者的虚拟环境，如果没创建虚拟环境，在anaconda下寻找Lib就可以）存在很多.xml文件，这些文件是预训练好的各器官的Haar特征。]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：图像金字塔之高斯金字塔与拉普拉斯金字塔]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123784055</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123784055</guid><author>qq_42856191</author><pubDate>Thu, 07 Apr 2022 06:30:00 +0800</pubDate><description><![CDATA[以多个分辨率来表示图像的一种有效且概念简单的结构就是**图像金字塔**。

图像金字塔最初用于机器视觉和图像压缩，一个图像金字塔是一系列以金字塔形状排列的、多分辨率逐步降低的图像集合。

金字塔的底部是待处理图像的高分辨率表示，而顶部则包含一个低分辨率近似，当向金字塔的上层移动时，尺寸和分辨率降低。

> （美）拉斐尔·C.冈萨雷斯（Rafael C.Gonzalez）著；阮秋琦译.国外电子与通信教材系列 数字图像处理 第3版[M].北京：电子工业出版社.2017.

高斯金字塔与拉普拉斯金字塔是常见的两种]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：绘制凸包、构造凸缺陷]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123773023</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123773023</guid><author>qq_42856191</author><pubDate>Wed, 06 Apr 2022 06:00:00 +0800</pubDate><description><![CDATA[目录😺一、绘制凸包🐶1.1 函数API🐶1.2 程序设计🐶1.3 结果可视化😺二、构造凸缺陷🐶2.1 函数API🐶2.2 程序设计🐶2.3 结果可视化
😺一、绘制凸包
凸包是一个几何图形学中的概念，用不严谨的话来说，凸包就是将最外层的点连接起来构成的凸多边形，凸包包含点集中的所有点。
🐶1.1 函数API
函数.]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：绘制物体最小外接矩形与圆形]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123771638</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123771638</guid><author>qq_42856191</author><pubDate>Tue, 05 Apr 2022 06:00:00 +0800</pubDate><description><![CDATA[目录😺一、绘制最小外接矩形🐶1.1 函数API🐶1.2 程序设计🐶1.3 结果可视化😺二、绘制最小外接圆形🐶2.1 函数API🐶2.2 程序设计🐶2.3 结果可视化
😺一、绘制最小外接矩形
🐶1.1 函数API
函数：rect = cv2.minAreaRect(contours)
参数介绍：

参数conto.]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：查找物体轮廓+计算轮廓面积、长度、重心]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123763461</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123763461</guid><author>qq_42856191</author><pubDate>Mon, 04 Apr 2022 06:00:00 +0800</pubDate><description><![CDATA[😺一、查找物体轮廓
🐶1.1 函数API
函数：img, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
.]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：图像的傅里叶变换与逆傅里叶变换]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123776656</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123776656</guid><author>qq_42856191</author><pubDate>Sun, 03 Apr 2022 06:00:00 +0800</pubDate><description><![CDATA[# 😺一、知识储备
傅里叶变换就是将信号时域转化为频域的过程，本文用程序实现对二维图像的傅里叶变换与逆变换！首先需要知道一维傅里叶变换！⬇️⬇️⬇️
## 🐶1.1 一维傅里叶变换
一维傅里叶变换的过程如下方动图所示：]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：图像高通滤波、低通滤波、带通滤波实现]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123782393</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123782393</guid><author>qq_42856191</author><pubDate>Sat, 02 Apr 2022 06:00:00 +0800</pubDate><description><![CDATA[目录😺一、高通滤波🐶1.1 原理🐶1.2 程序设计🐶1.3 结果可视化😺二、低通滤波🐶2.1 原理🐶2.2 程序设计🐶2.3 结果可视化😺三、带通滤波🐶3.1 原理🐶3.2 程序设计🐶3.3 结果可视化
😺一、高通滤波
🐶1.1 原理
顾名思义，高通滤波就是允许高频信息通过，低频信息截断的滤波方式。
🐶1.2 .]]></description><category></category></item><item><title><![CDATA[【OpenCV-Python】：视频直方图的动态显示]]></title><link>https://blog.youkuaiyun.com/qq_42856191/article/details/123759598</link><guid>https://blog.youkuaiyun.com/qq_42856191/article/details/123759598</guid><author>qq_42856191</author><pubDate>Fri, 01 Apr 2022 06:00:00 +0800</pubDate><description><![CDATA[一、前言
在【OpenCV-Python】：直方图及直方图均衡化（有源码）中我们知道了如何使用plot函数和opencv绘制图像直方图；
在【OpenCV-Python】：调用电脑摄像头+读取视频中我们知道了如何读取电脑中的视频并可视化出来
今天带来的便是对视频的直方图动.]]></description><category></category></item></channel></rss>