原创 圖像處理之霍夫變換(Hough Transform)

霍夫變換,就是一個可以讓機器自己學會找直線的算法。 基本原理 一條直線可由兩個點A=(X1,Y1)和B=(X2,Y2)確定(笛卡爾座標) 公式: 也可以寫成關於(k,q)的函數表達式(霍夫空間): 對應的變換可以通過圖形直觀表示:

原创 圖像處理之邊緣檢測

Canny邊緣檢測算法一直是邊緣檢測的經典算法,出自論文:《A Computational Approach to Edge Detection》 Canny邊緣檢測算法的處理流程: 使用高斯濾波器,以平滑圖像,濾除噪聲。 計算圖像中每個

原创 圖像處理中的濾波器之均值濾波,中值濾波,高斯濾波

1.均值濾波 原理: 均值濾波採用線性的方法,使用模板內所有像素的平均值代替模板中心像素灰度值 特點: 不能很好地保護圖像細節,在圖像去噪的同時也破壞了圖像的細節部分,從而使圖像變得模糊,不能很好地去除噪聲點。均值濾波對高斯噪聲表現較好,

原创 慶祝國慶節,我也來畫五星紅旗!(使用turtle繪製國旗)

# coding=utf-8 import time import turtle import math def draw_polygon(aTurtle, size=50, n=3): for i in range(n):

原创 pytorch模型轉tensorflow pb模型

#1.配置安裝 conda create -n pth_pb python=3.7 pip install tensorflow==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/si

原创 shell多進程的實現

command & + wait 方式輕鬆搞定shell多進程,下面給出一個小例子。 首先看main.sh,shell腳本的主實現。 function main(){ while true do for(

原创 mmdetection的安裝與個人數據的訓練

第一部分:mmdetection的安裝 1. 首先查看一下gcc的版本,有的服務器gcc版本較低,導致後續安裝出現問題(大部分無此問題) gcc --version 官網v1.0rc0 (27/07/2019)版本要求GCC: 4.9/

原创 Mac升級gcc詳解

github 開源的許多項目在配置安裝過程中需要 進行“pip install .”,如果是在mac上進行配置,往往會遇到一下問題。  從圖中 commad ‘gcc’failed with exit status 1 錯誤報告中可以得

原创 PyTorch學習:多層神經網絡的多種實現方式

import torch import numpy as np from torch import nn from torch.autograd import Variable import torch.nn.functional as

原创 PyTorch學習:一個非常簡單的線性迴歸的小例子

import torch import numpy as np from torch.autograd import Variable import matplotlib.pyplot as plt torch.manual_seed(

原创 PyTorch學習:邏輯迴歸

import torch from torch.autograd import Variable import numpy as np import torch.nn.functional as F import matplotlib.

原创 PyTorch學習:Variable

tensor 是 PyTorch 中的完美組件,但是構建神經網絡還遠遠不夠,我們需要能夠構建計算圖的 tensor,這就是 Variable。Variable 是對 tensor 的封裝,操作和 tensor 是一樣的,但是每個 Vari

原创 PyTorch學習:PyTorch 當做 NumPy 用

PyTorch 當做 NumPy 用: PyTorch 的官方介紹是一個擁有強力GPU加速的張量和動態構建網絡的庫,其主要構件是張量,所以我們可以把 PyTorch 當做 NumPy 來用,PyTorch 的很多操作好 NumPy 都是類

原创 PyTorch學習:參數初始化

 Sequential 模型的參數初始化 import numpy as np import torch from torch import nn # 定義一個 Sequential 模型 net1 = nn.Sequential(

原创 PyTorch學習:自動求導

自動求導是 PyTorch 中非常重要的特性,能夠讓我們避免手動去計算非常複雜的導數,這能夠極大地減少了我們構建模型的時間,這也是其前身 Torch 這個框架所不具備的特性,下面我們通過例子看看 PyTorch 自動求導的獨特魅力以及探究