- 博客(12)
- 收藏
- 关注
RSS订阅原创 项目实训第四周-3
前言 本片日志主要是学习了基于上采样/反卷积的分割方法的图像分割 正文 一、基于上采样/反卷积的分割方法 卷积神经网络在进行采样的时候会丢失部分细节信息，这样的目的是得到更具特征的价值。但是这个过程是不可逆的，有的时候会导致后面进行操作的时候图像的分辨率太低，出现细节丢失等问题。因此我们通过上采样在一定程度上可以不全一些丢失的信息，从而得到更加准确的分割边界。 接下来学习了几个非常著名的分割模型： 1.1FCN 在FCN当中的反卷积-升采样结构中，图片会先进性上采样（扩大像素）；再进行卷积——
2021-07-25 22:20:54
503
1
原创 项目实训第四周-2
前言 本篇日志主要是接着学习图像分割的相关算法 正文 一.基于区域选择 Regional proposal 在计算机视觉领域是一个非常常用的算法，尤其是在目标检测领域。其核心思想就是检测颜色空间和相似矩阵，根据这些来检测待检测的区域。然后根据检测结果可以进行分类预测。 在语义分割领域，基于区域选择的几个算法主要是由前人的有关于目标检测的工作渐渐延伸到语义分割的领域的。 1.1 R-CNN 伯克利大学的Girshick教授等人共同提出了首个在目标检测方向应用的深度学习模型：Region-base
2021-07-25 22:12:45
154
原创 项目实训第四周-1
前言 本次项目因为要用到图像分割的一些知识，所以学习了一些相关的知识 正文 一、什么是图像分割 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 二、一些图像分割算法 2.1基于阈值的分割方法 阈值法的基本思想是基于图像的灰度特征来计算一
2021-07-25 22:00:50
190
原创 项目实训第三周-3
目录 前言 正文 1. 通过EventBus 实现组件之间数据传递 1.1定义 bus.js 一般在src目录下的utils的包中创建 1.2在main.js 中配置全局 1.3基本使用 结束 前言 本文依旧是关于Vue的一些学习 正文 1. 通过EventBus 实现组件之间数据传递 优点 ：没有级别和关系的限制 缺点： bus不会随着组件的销毁而自动销毁，需要我们手动销毁 1.1定义 bus.js 一般在src目录下的utils的包中创建 impor
2021-07-18 15:11:55
87
原创 项目实训第三周-2
前言 本篇文章主要介绍关于VueBus的一些用法 正文 1. Vue组件之间的数据传递 1.1父组件向子组件传值 父传递: <.right :url=“url”><./right> 子接收: props: ['url’] 1.2子组件向父组件传值 父接收: <left @changeurl=“changeurl”><./left> 子抛出: this.$emit(‘changeurl’, url) 1.3同级关系的数据传递 通过介质传递，同一
2021-07-18 15:01:25
77
原创 项目实训第三周-1
目录 前言 正文 1.安装环境 1.1 安装node 1.2 安装Cnpm（中国 npm 镜像的客户端） 2. 初始化项目– 2.1准备工作 2.1.1 安装Vue-cli 2.1.2 安装webpack 2.2 创建项目 结束 前言 本文主要是介绍学习前端开发所用到的关于Vue的环境配置 正文 1.安装环境 1.1 安装node node与npm一起捆绑安装; 下载地址：https://nodejs.org/en/ 用以下命令检查是否安装好： node .
2021-07-18 14:47:43
110
原创 项目实训第二周-3
目录 前言 正文 总结 前言 本篇日志主要记录关于骨刻文前端分类界面的一些设计。 正文 本次的设计主要是骨刻文平台的帮我描界面。 上半部分主要是一个大的画布，用户可以根据图片来描绘出相应的笔画，然后点击按钮，就可以将描绘的内容保存到数据库当中，如下图所示： 之后下面便是之前文章所提到过的关于众包平台的架构，用户可以通过给出的图片和六种不同的主笔选择出图片中文字最相近的主笔，来达到归类的目的： 总结 以上便是项目实训的第六篇日志。 ...
2021-07-08 09:12:27
97
原创 项目实训第二周-2
目录 前言 正文 总结 前言 本篇日志主要记录关于骨刻文前端分类界面的一些设计。 正文 本次设计主要是关于前端的骨刻文、甲骨文的查询界面。 参照的网页为https://hanziyuan.net/ 参考该网页可以通过查询给出不同时代各个汉字的形象，以及一些古文字的图像，在查询界面添加了一个查询按钮，如下图： 下面添加了一个轮播图，以增加界面的美观性： 之后参照上面给的网页，我们在左边设计给出现代的一些文字，右面给出索要查询的文字对应的古文字的图像： 总结 以上便
2021-07-08 09:03:17
202
原创 关于众包的一些学习
目录 前言 一、什么是众包 二、众包在本项目中的应用 总结 前言 因为项目实训的需要，所以需要学习一些众包相关的知识 一、什么是众包 众包指的是一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的（而且通常是大型的）大众志愿者的做法。（就是通过网络做产品的开发需求调研，以用户的真实使用感受为出发点）。众包的任务通常是由个人来承担，但如果涉及到需要多人协作完成的任务，也有可能以依靠开源的个体生产的形式出现。 其实通俗来讲众包就是外包的大众化，交给专业团队得任务改为将任
2021-07-08 08:49:57
1176
原创 在Linux环境下搭建Anaconda
前言 本次配置主要参照这篇博客： https://blog.youkuaiyun.com/m0_37548423/article/details/81173678 一、资源上传 首先申请一个云计算的资源。 之后到Anaconda的官方网站上根据自己的需要下载不同版本的Anaconda，之后点击数据管理的上传文件，将Anaconda的安装程序上传到云计算平台，如下图所示： 二、具体操作 在Linux环境下安装Anaconda时，不能直接使用pip，安装时，首先进入含有软件的那个目录，然后bash 文件名
2021-07-04 20:24:48
236
原创 关于全卷积网络FCN的一些学习
目录 前言 一、什么是FCN 二、FCN与CNN的区别 三、FCN的结构 总结： 前言 本文中关于FCN的学习主要参考了下面这篇文章。 文章链接：https://zhuanlan.zhihu.com/p/31428783 一、什么是FCN 图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理解的重要一环，也是 AI 领域中一个重要的分支。语义分割即是对图像中每一个像素点进行分类，确定每个点的类别（如属于背景、人或车等），从而进行区域划分。目
2021-07-02 10:39:23
317
原创 关于pychorch-fcn的环境配置
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 本次环境的搭建采用的山东大学云计算平台上的linux系统主要包含Anaconda3以及pychorch的环境上的配置。 提示：以下是本篇文章正文内容，下面案例可供参考 一、怎样搭建Anaconda？ 首先申请一个云计算的资源。 之后到Anaconda的官方网站上根据自己的需要下载不同版本的Anaconda，
2021-06-30 15:56:41
615
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人