北屿的博客

【Python】Matplotlib局部放大图画法这篇文章已经非常详细，但是没有数据，所以自己生成了一些数据，以及对部分代码进行了函数封装，以便于二次使用。请务必先看此文章：这篇文章已经非常详细，但是没有数据，所以自己生成了一些数据，以及对部分代码进行了函数封装，以便于二次使用。

花了几天时间调试了一下SSD网络，对于FLIR数据集训练测试进行了准备工作，最终顺利调通json_yolo格式准换from __future__ import print_functionimport argparseimport globimport osimport jsonif __name__ == '__main__': # 命令行打印参数 parser = argparse.ArgumentParser() parser.add_argument(

转载文章目标检测IoU的计算，记录一下。IoU代码实现

网上的资料比较乱杂，亲自理解过，特意记录下来，避免将时间花在看没有含量的东西上面。转载自知乎大佬的解释，基本已经说清nn.ModuleList和nn.Sequential的用法以及两者之间的区别。转载自知乎解释博客讲解...

@代码实现及安装过程基于Python，dlib实现人脸关键点检测dilb 在做人脸检测人脸识别方面用到比较多的。face_recognition就是基于dlib实现的。这篇文章将使用Python和dlib实现人脸检测安装dlib前需要先安装cmake 和boost。然后才能正确安装dlib配置环境pip install boostpip install cmakepip install dlib加载模型训练模型用于是人脸识别的关键，用于查找图片的关键点。可以采用网上已经提供的训练好的

现有公开的数据集转载自数据集通过水平翻转扩充数据集。水平翻转扩充数据集：import osimport numpy as npfrom PIL import Imagedef flip(root_path,img_name): #翻转图像 img = Image.open(os.path.join(root_path, img_name)) filp_img = img.transpose(Image.FLIP_LEFT_RIGHT) #filp_img.save

转载自添加链接描述简单介绍超分辨率图像重建技术分为基于插值、基于重建、基于学习三类。基于插值的方法包括最近邻插值法、双线性插值法和双立方插值法等。这里主要介绍基于双三次插值的实现，其他的网络资料丰富，不再赘述。安装所需要的包pip3 install opencv-contrib-pythonpip3 install numpyimport cv2import numpy as npimport mathimport sys, timeimport os# Interpolatio

Python图片批量命名# -*- coding:utf-8 -*- import os class ImageRename(): def __init__(self): self.path = 'G:\\datalabel\\SOUGOU\\next\\' #文件位置 def rename(self): filelist = os.listdir(self.path) total_num = len(filelist) #文件的第一张图片命名 i = 1 f

Python-计算md5值对图片去重转载自添加链接描述

百度、搜狗、必应爬取图片直接运行crawler_img.py。然后根据自己需要下载图片。import osimport requestsfrom baidu_img import baidu_pic_urlfrom sougou_img import sougou_pic_urlfrom biying_img import biying_pic_urlclass Crawler(): def __init__(self, num, keyword, engine):