卖火柴的小男孩

要求：在图片中找到火车票，将火车票检测出来同时将火车票进行旋转矫正，单独将火车票挑选出来。先放置效果图：处理后的图片：图像处理的流程：1、HIS色域阈值分割。2、圈出联通区域3、将符合要求的连通域提取出来4、形态学操作5、Hough直线检测去除无关直线6、求取车票的四个角的坐标7、透视变换得到变换后的图

保存keras的model文件和载入keras文件的方法有很多。现在分别列出，以便后面查询。keras中的模型主要包括model和weight两个部分。保存model部分的主要方法：一是通过json文件Json文件# serialize model to JSONmodel_json = model.to_json()with open("model.json", "w

参考caffe做回归问题，这里主要是改caffe的回归代码为keras代码，顺便熟悉keras的流程。caffe的训练数据主要是通过这篇博客网址得到训练数据。这里主要是通过keras书写网络，同时做相应的预测。首先看一下caffe的网络结构图：这里按照这个网络搭建keras的网络：# coding=utf-8from keras.layers import merge

图像去雨算法文章：https://pdfs.semanticscholar.org/bf10/3b3ea90f0d032d1d73dbb83ae41731ee006f.pdf相应的代码和论文 http://www.icst.pku.edu.cn/struct/Projects/joint_rain_removal.html首先雨图像的通用模型为：其中O为捕捉到的图像，B为背景图像，是雨条纹的图像。...

检测手指指尖，方法是首先阈值分割后检测指尖的曲率，找到符合要求的点，然后聚类，找出符合要求的在指尖上的点，最后得到指尖，得到指尖后，根据指尖的到手掌心的中心的距离程度，判断弯曲的程度。相应的截图如下所示：原始图像： CrCb图像 阈值分割图像： 指尖检测图像： 提取边缘和手掌心： 计算指尖到手掌心的距离，进行评级：

在设计深度学习网络的时候，需要计算输入尺寸和输出尺寸，那么就要设计卷积层的的各种参数。这里有一些设计时候的计算公式，方便得到各层的参数。这里简化下，约定： 没有填充，单位步长 零填充，单位步长半填充 全填充 参考图如下图所示; 不填充，非单位步长 零填充，非单位步长 示意图如下：  参考：[1603.07285

卷积层和池化层卷积层的实现代码。其中使用的matlab中conv2：matlab中conv2 函数在计算二维卷积应用实例如下：格式：C=conv2(A,B)        C=conv2(Hcol,Hrow,A)        C=conv2(...,'shape')说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 [Ma,Na]＝siz

图像处理中，需要将原始图像和处理后的图像拼接在一起，进行对比。下面就是简单的拼接方法。Mat canvas = Mat::zeros(inputFrame.rows, inputFrame.cols * 2 + 10, inputFrame.type());//两倍大小的画布inputFrame.copyTo(canvas(Range::all(), Range(0, inputFrame.

汇合层可以看成是一种用p-范数作为非线性映射的“卷积”操作。当p为正无穷时，就是最常见的最大值汇合。汇合层主要有三个功效： 1、特征不变性，汇合操作使模型更加关注是否存在某些特征而不是特征具体的位置，可以看做是一种很强的先验，是特征学习包含某种程度自由度，能容忍一些特征微小的位移。 2、特征降维。类似于做了维度约减，使模型可以抽取更广泛围的特征，减小了下一层输入大小，进而减小计算量和参数个数。...