- 博客(6)
- 资源 (1)
- 收藏
- 关注
原创 飞桨图像分类入门——多种网络模型在手写数字识别的应用
什么是图像分类 图像分类是基于深度学习的cv分类任务。 核心是从给定的分类集合中给图像分配一个标签的任务。 实际上我们的任务是分析一个输入图像并返回一个图像分类的标签。 标签总是来自预定义的可能类别集。 首先导入必要的包 numpy---------->python第三方库,用于进行科学计算 PIL------------> Python Image Library,python第三方图像处理库 matplotlib----->python的绘图库 pyplot:matplotlib的绘图
2021-03-09 20:12:35
744
原创 图像分类学习笔记DAY04
柠檬分类实战 思考并动手进行调优,以在验证集上的准确率为评价指标,验证集上准确率越高,得分越高! 思考:数据本身已进行了数据增强,所以可以从其他方面入手来实现提高准确率。本文通过修改定义Adam优化器以及batch_size(从32改为128)提高了准确率。因为效果比较好,所以没有对网络模型进行优化。模型的优化也是一个重要的方面。 # 导入所需要的库 from sklearn.utils import shuffle import os import pandas as pd import numpy as
2021-03-07 16:12:13
306
原创 图像分类学习笔记DAY03
1.蝴蝶图像分类 思路一:数据增强 图像增强之numpy格式 1)图像缩放 def resize_img(img, target_size): img = cv2.resize(img, (target_size, target_size)) return img 2)图片中央剪切 def center_crop_img(img, target_size): w, h = img.shape[0], img.shape[1] tw, th = target_size,
2021-03-06 18:58:53
307
原创 图像分类学习笔记DAY02
1.手写数字识别 import numpy as np from PIL import Image import matplotlib.pyplot as plt import os import paddle #导入数据集Compose的作用是将用于数据集预处理的接口以列表的方式进行组合。 #导入数据集Normalize的作用是图像归一化处理,支持两种方式: 1. 用统一的均值和标准差值对图像的每个通道进行归一化处理; 2. 对每个通道指定不同的均值和标准差值进行归一化处理。 from paddle.vi
2021-03-05 10:37:57
327
1
原创 图像分类学习笔记DAY01
1.颜色空间转换 RGB或BGR到灰度(COLOR_RGB2GRAY,COLOR_BGR2GRAY) RGB或BGR到YcrCb(或YCC)(COLOR_RGB2YCrCb,COLOR_BGR2YCrCb) RGB或BGR到HSV(COLOR_RGB2HSV,COLOR_BGR2HSV) RGB或BGR到Luv(COLOR_RGB2Luv,COLOR_BGR2Luv) 灰度到RGB或BGR(COLOR_GRAY2RGB,COLOR_GRAY2BGR) 2.阈值分割 小结 cv2.threshold()
2021-03-04 17:23:01
356
4
原创 百度飞浆领航团零基础python速成营学习心得
一.统计英语文章词频并排序 统计英语6级试题中所有单词的词频,并返回一个如下样式的字典 {‘and’:100,‘abandon’:5} 英语6级试题的文件路径./artical.txt Tip: 读取文件的方法 > def get_artical(artical_path): with open(artical_path) as fr: data = fr.read() return data get_artical('./artical.txt') 处理要求 (
2021-02-10 12:51:32
201
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅