原创 圖像分辨率、像素總數、文件大小之間的詳細區別

一張3456*2048的圖像指的是其總像素數爲(3456*2048),其中長邊有3456個像素,寬邊有2048個像素。我們所說的手機1500萬像素等概念就是源於這個乘積得出來的數值。 分辨率指的是每英寸中含有的像素點的個數,即像素密度單

原创 python顯示的導入文件夾或者模塊(優先級)

在python中,一個文件夾和模塊一樣,可以被當作模塊進行導入。 我目前遇到的兩種需要顯示指定導入的模塊有兩種情況: **1、**有兩個相同但是不同版本的包同時存在,需顯示指定調用某一個版本的包 **2、**遠程調用服務器上的某一

原创 圖像分辨率、像素總數、文件大小搞清楚

問題來之前需要了解的基礎: 一張34562048的圖像指的是其總像素數爲(34562048),其中長邊有3456個像素,寬邊有2048個像素。我們所說的手機1500萬像素等概念就是源於這個乘積得出來的數值。 分辨率指的是每英寸中含

原创 Resnet網絡中數字的含義以及連接方式

1、Resnet18 Resnet50 Resnet101 Resnet152 網絡中的數字代表什麼? 2、殘差網絡分支如何和原有主分支進行連接? 1、Resnet18 Resnet50 Resnet101 Res

原创 keras中的BN層Dropout層的小坑(方差-learning_phase)

BN層Dropout層都是爲了防止模型過擬合而設計的結構,特別是BN層,在其出現之後模型的表現又上升了一個臺階,但是在實際的使用過程中會發現訓練和預測的時候這兩個層總是出岔子 那麼是什麼岔子: 首先來解決好解決的: 1、Dro

原创 opencv對圖像進行處理的方法

一個缺陷檢測數據集:德國的DAGM2007 opencv中文網站(介紹詳細,目錄清晰,不多) 圖像顏色空間變換: 圖像在不同的顏色空間有可能會突出不同的特徵,比如這裏進行了RGB HSV GRAY YCRCB顏色空間的變換 img

原创 注意力模型(AM)可廣泛應用於CV / NLP

  最近一直在研究深度語義匹配算法,搭建了個模型,跑起來效果並不是很理想,在分析原因的過程中,發現注意力模型在解決這個問題上還是很有幫助的,所以花了兩天研究了一下。   此文大部分參考深度學習中的注意力機制(2017版) 張俊林

原创 增量學習的理解(遷移學習,fit_genrtor區別)

近日看到了有關增量學習的理解,一開始以爲增量學習就是Keras中的fit_genetor,相當於分批次進行學習,防止數據量太大造成內存崩潰而無法學習,並且增量學習可以結合pandas中每次讀取一定數目的數據的功能來進行傳統機器學習(

原创 QT將基類從QDialog直接提升爲QWidget窗口

前言:有時候建立新工程的時候把窗口的基類設置爲了QDialog,比如說我,因爲開始入門的時候一直是繼承QDialog,所以後面也沒有再注意到這個問題,後面發現QDialog實現的窗口不能實現縮放,所以後來就造成了現在的困擾,想要將其

原创 神經網絡中Dropout和Padding

1、Padding Padding有兩種方式,same和valid,其中same比較常見,因爲是進行了填充,對圖像的每一個像素點都進行了卷積操作,而valid有可能扔到一些邊緣信息。兩種的計算方式不同: 2、Dropout Drop

原创 爬取年報數據並其中有用數據(巨潮 Python)

利用Python爬取巨潮網頁上的年報等數據,通過解析下載的PDF文件,提取其中有用的數據,並寫入到本地文件中。 主要分爲幾個模塊: 1、從Excel或者列表或者TXT讀取股票代碼 2、根據股票代碼和年份等信息爬取特定網頁中的信息,獲

原创 Spyder運行Pyqt出現kernel died重啓問題

轉自:https://blog.csdn.net/MSDN_tang/article/details/80098412      Spyder的確是一款體驗不錯的IDE,不過最近在其中反覆運行或調試有關pyqt的代碼時,總是會提示”ker

原创 加快pip包安裝速度(使用鏡像)

使用豆瓣的鏡像,下載速度會快很多: pip install xxxx --user -i https://pypi.douban.com/simple pip install xxxx==sss --user -i https://pyp

原创 神經網絡結構可視化及網絡結構繪製工具

介紹幾個好用的神經網絡畫圖以及可視化的工具 (1)神經網絡可視化工具:Netron (2)畫神經網絡結構圖工具: NN-SVG 、ConvNetDraw 1、神經網絡可視化工具:Netron 地址:下載地址 netron 參考:參

原创 yolo v3-訓練自己的數據(step by step)

平臺: win10 annaconda python3.7 tensorflow 1.13  keras GitHub地址:https://github.com/herrkun/YOLOV3-detecting-red-blood-cel