tsq292978891的博客

Opencv简介：OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。有关于图像处理，视频处理等基本模块。还支持已有的目标检测算法的实现，DNN模块，机器学习模块。最新还有GPU-Accelerated Computer Vision (cuda modul

读取图片并显示#-*-coding:utf-8-*-import cv2img_path = "./cat.59.jpg"img = cv2.imread(img_path)cv2.namedWindow("Cat")cv2.imshow("Cat",img) # 只使用imshow的时候，在IDLE窗口不会显示出图片。需要其后面接cv2.waitKey()配合使用。aa = cv2.wa

PIL：Python Imaging Library，是Python平台上的一个图像处理标准库。PIL功能非常强大，但API却非常简单易用。安装PIL在Debian/Ubuntu Linux下直接通过apt安装： $ sudo apt-get install python-imagingPIL官方手册网址：http://effbot.org/imagingbook/一个简单的读取图片并显示的例子：

为了方便进行数据的操作，pytorch团队提供了一个torchvision.transforms包，我们可以用transforms进行以下操作：PIL.Image/numpy.ndarray与Tensor的相互转化； transforms.ToTensor() 把像素值范围为[0, 255]的PIL.Image或者numpy.ndarray型数据，shape=(H x W x C)转换成的像素

data augmentation 几种方法总结在深度学习中，有的时候训练集不够多，或者某一类数据较少，或者为了防止过拟合，让模型更加鲁棒性，data augmentation是一个不错的选择。常见方法Color Jittering：对颜色的数据增强：图像亮度、饱和度、对比度变化（此处对色彩抖动的理解不知是否得当）；PCA Jittering：首先按照RGB三个颜色通道计算均值和