原创 CNN模型分析 | 5 利用Pytorch復現VGG-16網絡

利用Pytorch復現VGG-16網絡: 根據吳恩達老師在深度學習課程中的講解,AlexNet網絡的基本流程爲: 代碼如下: import math import torch import torchvision import

原创 SQL server建表操作

SQL server建表操作 利用代碼創建數據表效率更高。。。 廢話不多說,上代碼 create table xsqk( 學號 char(6) NOT NULL primary key,--設置主鍵 姓名 char(8) NOT

原创 CNN模型分析 | 3 ZFNet

文章目錄ZFNet網絡AlexNet網絡的設計思想主要設計貢獻ZFNet對AlexNet網絡進行的調整ZFNet網絡的核心架構反捲積和反池化keras實現ZFNetPyTorch實現ZFNet ZFNet網絡 ZFNet,Matt

原创 SQL server簡單查詢和彙總查詢

文章目錄SQL server簡單查詢和彙總查詢涉及單表的簡單查詢涉及單表的彙總查詢 SQL server簡單查詢和彙總查詢 難得自己寫一次實驗報告。 涉及單表的簡單查詢 a. 在KC表中,查詢第2學期開課的課程、授課教師 b.

原创 一、圖像直方圖顯示(python)

圖像處理中繪製圖像直方圖往往是觀察和處理圖像的利器之一。 直方圖的觀察方面的基本知識: 橫座標代表着灰度級、縱座標是該灰度值在圖像中出現的概率或者次數。 直方圖的型態爲斜態和峯態,斜態指的是直方圖的不對稱的程度,峯態表示

原创 卷積神經網絡---CNN基礎組件認識

文章目錄卷積神經網絡基礎二維卷積層二維互相關運算二維卷積層互相關運算與卷積運算特徵圖與感受野填充和步幅填充步幅多輸入通道和多輸出通道多輸入通道多輸出通道1x1卷積層卷積層與全連接層的對比卷積層的簡潔實現池化二維池化層池化層的簡潔實

原创 圖像處理中的卷積、池化、反捲積和反池化的理解與思考

文章目錄卷積的理解池化的理解反捲積的理解反池化的理解 卷積的理解 關於卷積在二維離散圖像的可視化理解: 對於卷積過程中各個變量的定義: 輸入圖像的尺寸爲I 圖像外圍的0填充padding爲p 卷積核的尺寸爲k 卷積核移動的步長

原创 numpy中的np.where()函數

np.where(條件),若條件滿足,返回索引值 np.where(條件,x,y),若條件滿足,返回x,否則返回y

原创 傳統目標檢測算法

文章目錄傳統目標檢測算法Viola-Jones方法(人臉識別)Haar特徵抽取訓練人臉識別分類器(adaboost分類器)滑動窗口HOG + SVM (行人檢測、opencv實現)HOG特徵優點HOG特徵提取算法的主要流程DPM(

原创 二、圖像二值化方法(python)---閾值全局固定、大津法

文章目錄閾值全局固定利用python實現閾值全局固定時的二值化效果圖大津法OTSU利用Python實現大津法效果圖如下 圖像二值化也叫做圖像閾值化處理,通過設定某個閾值爲門限,把多灰度級的圖像轉化爲僅僅有兩個極端的灰度級(0和25

原创 四、圖像增強系列------線性增強

文章目錄線性增強基本算法python實現線性增強基本算法效果圖如下分段線性變換python實現分段線性變換分段線性變換效果圖線性增強統計量算法 線性增強基本算法 python實現線性增強基本算法 import cv2 as cv

原创 CNN模型 | 1 LeNet

前言最近幾天閒得慌,然後突發奇想,決定整理最常用卷積神經網絡,廢話不多說,進入正題。 文章目錄LeNet網絡LeNet的設計思想LeNet網絡的核心結構傳統網絡的全連接FCkeras實現LeNet網絡PyTorch實現LeNet網

原创 常用python科學計算庫彙總

import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import lightgbm as l

原创 【lightgbm/xgboost/nn代碼整理一】lightgbm做二分類,多分類以及迴歸任務

1. 簡介 內心一直想把自己前一段時間寫的代碼整理一下,梳理一下知識點,方便以後查看,同時也方便和大家交流。希望我的分享能幫助到一些小白用戶快速前進,也希望大家看到不足之處慷慨的指出,相互學習,快速成長。我將從三個部分介紹數據挖掘

原创 三、數字圖像的卷積計算python實現

利用python實現數字圖像的卷積 import cv2 import numpy as np import math import os import pandas as pd from tqdm import tqdm ##