wi162yyxq的博客

最近又看了一遍忍界大战，试着做一个自动添加写轮眼的玩意儿。思路：人脸检测——人眼检测——瞳孔分割——写轮眼添加——融合opencv用的cascade进行人眼和人脸识别import numpy as npimport cv2import os# multiple cascades: https://github.com/Itseez/opencv/tree/master/data/haarcascadesface_cascade = cv2.CascadeClassifier('.\\

东西很简单，就是个截图+ocr+百度api翻译，很粗糙，就是试一下截图部分借鉴：https://blog.youkuaiyun.com/Python_sn/article/details/108950008基本可以实现截图带翻译，具体翻译结果一方面依赖于OCR结果，一方面依赖于百度api的翻译结果...

翻译原文地址：https://mzucker.github.io/2016/09/20/noteshrink.html左：输入扫描@300 DPI，7.2Mb PNG/790 KB JPG。右：输出@相同分辨率，121 KB PNG。算法表现结果如上，突出前景文字类信息，消隐文件背景图像，同时减少了图像大小。一、背景识别在这里我们讨论的非均匀背景情况，均匀背景一个二值化就解决了。一般来说图像都比较大，像素点很多，这里的原始扫描图像为2,081 x 2,531，总面积为5,267,01

广义霍夫变换就是利用霍夫变换的基本原理进行了推广，用来寻找任意闭合几何图形，这里主要是记录一下找到的资源模板图像为以下两个，一个是菱形一个是S形：import osimport numpy as npimport matplotlib.pyplot as pltfrom collections import defaultdictfrom scipy.misc import imreadfrom skimage.feature import cannyfrom scipy.ndim

最近工作涉及到解析docx，看了许多方法，用C++，java，python都有，最后发现实用性包括简易性还是得python，根本跑不了。然后又看了许多python解析docx的库，最终选择使用python-docx。当然，其实很多教程也是关于如何使用python-docx进行word文档解析的，但是如果我们使用python-docx的基本功能，如：段落打印：from docx import Documentfrom docx.shared import Inchesdocument = Do

论文：U^2-Net: Going Deeper with Nested U-Structure for Salient Object Detection - 2020作者：Xuebin Qin， Zichen Zhang， Chenyang Huang， Masood Dehghan， Osmar R.Zaiane， MartinJagersand团队：University of Alberta, Edmonton, CanadaGithub -U-2-NetU2NET其实就是将一个un.

import cv2import numpy as npimport random# 首先读入imgimg = cv2.imread('0000003.jpg')label = open('0000003.txt','r',encoding='utf8')lines = label.readlines()for line in lines: points=[] point_ = line.split(',')[0:-1] for i in range(len(...

使用方法极其简单，将xml文件和原始图像文件放到同一个文件夹，然后在代码里改一下xml地址就可以了。#coding:utf-8 # pip install lxml import osimport globimport jsonimport shutilimport numpy as npimport xml.etree.ElementTree as ETimport cv2 path2 = "." START_BOUNDING_BOX_ID = 1 def

只需要将labelme等标注工具标注的xml和原始图像文件放在一个文件夹里，把代码里的文件夹位置改了就可以了，很简单，转换完了就可以直接用来训练了。#coding:utf-8 # pip install lxml import osimport globimport jsonimport shutilimport numpy as npimport xml.etree.ElementTree as ETimport cv2 path2 = "." START_BOU

import cv2import numpy as npfrom PIL import Imageimport mathdef get_huan_by_circle(img,circle_center,radius,radius_width): black_img = np.zeros((radius_width,int(2*radius*math.pi),3),dtype='uint8') for row in range(0,black_img.shape[0]): .

具体数学原理就很简单了，无非就是坐标变换，从x,y或者r,theta变换一下，cx+r*sin(theta)和cy-r*cos(theta)当然由于采样原因，导致恢复得结果里有采样不到的点。import cv2import numpy as npfrom PIL import Imageimport mathdef get_huan_by_circle(img,circle_center,radius,radius_width): black_img = np.zeros((

随便乱翻看到的一个2019CVPR的oral，并且还不是深度学习的，所以赶快学习一下，具体的论文解读和C++实现可以看这里https://cloud.tencent.com/developer/article/1492206，我尝试用python复现一下，不知道对不对，希望看到错误的话指点我一下。。。import cv2import numpy as npfrom scipy import signalfrom scipy import miscimport randomdef gasus

逛b站又看到了badapple。。。。。先做个简化版的玩一下，哈哈。from tkinter import *from tkinter.ttk import Scrollbarimport tkinter.font as tkFontimport timeimport cv2theme_color = { 'Default': '#000000.#FFFFFF', 'Greygarious': '#83406A.#D1D4D1', 'Aquamarine': '#5

网络其实还是蛮简单的，多尺度进行人脸检索，最厉害的地方就是模型只有7MB，速度很快，我的破电脑只有不到2G显存都能实时检测。使用方法也极其简单def image_demo(): dbface = DBFace() dbface.eval() if HAS_CUDA: dbface.cuda() dbface.load("model/dbfaceSmallH.pth") detect_image(dbface, "datas/se...

C++代码如下#include "torch/script.h"#include "torch/torch.h"#include <opencv2/opencv.hpp>#include <iostream>#include <memory>#include <string>#include<cstdio>#incl...

这是处理效果，中间表格中的文字代表表格内容的属性，也就是表格内容对应的问题。针对这种需要填的表格，很明显尚未填的地方是空白的，所以流程如下：提取表格信息（见一）——恢复表格位置——根据表格是否空白判断是否为未填写——根据前后表格状态判断该表格属性...

所处理表格图像如图所示：(百度搜的图，只是为了尝试一下处理方法)主要处理流程就是：1.图像预处理：二值化图像2.提取表格信息：横纵线及交点3.去除表格：利用表格信息去除图中表格4.将剩下的非表格信息进行形态学处理，将文字区域按块分出5.最后我利用自己手头训练的识别模块重写内容到一张空白图上效果还行吧。。。。。...

很多时候纹理很影响识别效果，所以偶尔需要预处理一下，毕竟纹理的样本不好生成啊，样本不够训练的效果不好，只能这样了。主要思路就是：去除表格----去纹理----聚类招文字----提取文字区域生成结果 result = cv2.bilateralFilter(result, 5, 75, 75) #聚类提取浅色文字 criteria = (cv2.TER...

class AttnDecoderRNN(nn.Module): def __init__(self, hidden_size, output_size, dropout_p=0.1, max_length=MAX_LENGTH): super(AttnDecoderRNN, self).__init__() self.hidden_size = hi...

google-images-download 用于批量下载图片google-images-download 是个 Python 脚本。一条命令，就完成 Google 图片搜索和批量下载功能。而且，这工具还跨平台运行，Linux, Windows 和 macOS 都支持。简直是懒人福音。首先，我们先指定图片要下载的位置，我把它指定到了「下载（Download）」这个文件夹：cd ~...

一共分为两步：首先在docker开启ssh远程访问：在最上层用户文件夹下修改 /lib/systemd/system/docker.service 的ExecStart：vim /lib/systemd/system/docker.service原docker.service配置中的ExecStart配置项ExecStart=/usr/bin/dockerd -H fd://...

https://blog.youkuaiyun.com/Jee_King/article/details/86423274主要是根据这个博文进行操作，其中由于有些层无法更名所以利用pop把这些层从预训练模型中进行删除。print('loading pretrained origin_model from {0}'.format("trained_model/mixed_second_finetune...

export PYTHONPATH=$PYTHONPATH:./这样找模块就方便多了

using System;using System.Collections.Generic;using System.ComponentModel;using System.Data;using System.Drawing;using System.Linq;using System.Text;using System.Threading.Tasks;using System....

import sysimport osimport shutilimport randomimport timefrom captcha.image import ImageCaptcha #用于生成验证码的字符集CHAR_SET = ['0','1','2','3','4','5','6','7','8','9']#字符集的长度CHAR_SET_LEN = 10#验证码的...