菜鸟小灰灰的博客

在切割目标与背景色比较分明的场景，比如说纯色背景上有文字，图标等等，需要进行图像切割，区分出图标与文字，可以简单的使用matlab的一些算法进行切割。 首先对整体图像进行大津法二值化 im2bw(img, graythresh(img)); 由于部分区域是有间隙的，需要统一为一个整体，所以使用形态学处理中的膨胀算法，对图像进行膨胀，把一些间隙填满 B = strel('square',...

图像处理中，二值图像是经常用到的处理图像，下面简单介绍一下opencv中的二值化处理 import cv2 as cv import matplotlib.pyplot as plt image = cv.imread('./klay.jpg') gray_image = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 其中127为设定的阈值，255为设定的最...

在图像处理中，经常会遇到对直线或者圆的检测，之后再进行后续处理，下面简单介绍一下opencv中的霍夫检测 对棋盘的直线检测 import cv2 as cv import numpy as np def line_detect(bw_image, image): # rho 线段以像素为单位的距离精度，double类型的，推荐用1.0 # theta 检测直线的角度，一般...

先来一张resnet网络结构图，本文采用的是resnet50 核心思想就是引入skip connect，阻止深层网络的退化。 import keras from keras import Model, layers from keras.layers import Conv2D, Ba...

上次用keras实现了简单的线性方程，接下来实现比较经典的CNN网络-----VGG16，下面显示的是VGG网络的结构图 这里使用vgg-16,经过多个（卷积层，池化层），最后通过三个全连接层变为一个一维的数据，用softmax生成每个标签的类别，直接上代码，数据直接可以下载kaggle的猫狗数...

为什么用keras写呢，当然是因为它搭建网络速度快，使用简单，作为tensorflow的封装，省去了很多中间层，也省去了繁琐的步骤，所以刚刚入门的同学可以先用keras敲开深度学习的大门，搭建自己的网络结构，相比于tensorflow的流程图(刚开始真的不好理解)真的好太多，如果未来需要深入学习，tensorflow的学习还是不可避免的，因为它更加偏底层一些，更容易理解网络结构 from ke...