weixin_43745072的博客

花书的文版是开源了的。

无监督学习 语义分割论文代码

代码import cv2import pandas as pddef cv_gray2rgb(path): src = cv2.imread(path, cv2.IMREAD_UNCHANGED)# RGB格式（cv2.IMREAD_GRAYSCALE灰度图像 ，更多请见 https://blog.youkuaiyun.com/weixin_43196262/article/details/82807698 print(type(src)) print(src.shape)# 打印形状 a=pd.

train_test_split()函数是用来随机划分样本数据为训练集和测试集的，当然也可以人为的切片划分。优点：随机客观的划分数据，减少人为因素完整模板：train_X,test_X,train_y,test_y = train_test_split(train_data,train_target,test_size=0.3,random_state=5)参数解释：train_data：待划分样本数据train_target：待划分样本数据的结果（标签）test_size：测试数据占样

2015年以来学习算法的汇总常用术语BBox：bounding box：边界框绿色为人工标注的真实红色为预测的Anchor：锚框人为设定不同长宽比、面积的先验框单阶段SSD检测算法中称为Prior boxRoI：region of interest：特定感兴趣区域region proposal：候选框RPN：region Proposal network：anchor-based类型的提取候选框的网络IoU ：Intersaction over Union：评价预测框的质量，IoU

全连接卷积网络Fast R-CNNRegion Proposal Networks输入为任何尺寸的图片，输出一个给分与Fast R-CNN共享卷积权值信息在最后的卷积层上使用一个小型的卷积网络

点击右侧展开自动生成代码

import tensorflow as tfimport numpy as nptf.compat.v1.disable_eager_execution()input1 = tf.compat.v1.placeholder(tf.float32)input2 = tf.compat.v1.placeholder(tf.float32) output = tf.compat.v1.multiply(input1, input2) with tf.compat.v1.Session() as

Conv2Dkeras.layers.convolutional.Conv2D(filters, kernel_size, strides=(1, 1), padding=‘valid’, data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer=‘glorot_unifo...