08 2019 档案
摘要：一、CPU和GPU交互 1.各自有自己的物理内存空间，CPU的是内存，GPU的是显存 2.通过PCI-E总线互连(8GB/S~16GB/S) 3.交互开销较大 GPU各存储访存速度： Register寄存器，最快 Shared Memory，共享存储，很快 Local Memory，本地存储，在显存
阅读全文
摘要：一、常用术语 Task：任务。可以完整得到结果的一个程序，一个程序段或若干个程序段。例如搬砖。 Parallel Task：并行任务。可以并行计算的任务。多个人搬砖。 Serial Execution：串行执行。一个人搬砖。 Parallel Execution：并行执行。多个人一起搬砖。 Shar
阅读全文
摘要：问题描述 Visual Studio 2015出现warning C4819: 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失。 解决方案 1.修改字符编码格式（推荐） Visual Studio提供高级保存选项功能，它能指定特定代码文件的编码
阅读全文
摘要：一、Harris角点 如上图所示，红色框AB都是平面，蓝色框CD都是边缘，而绿色框EF就是角点。 平面：框往X或Y抽移动，变化都很小。 边缘：框沿X或Y轴移动，其中一个变化很小，而另外一个变化比较大。 角点：框沿X或Y轴移动，两个变化都比较大。 见《图像基础》笔记第7页 二、背景建模 使用帧差法：
阅读全文
摘要：一、定位和变换票据 定位照片中的不规范票据或矩形文本，并将其变换为正规矩形，以供OCR识别。 # -*- coding:utf-8 -*- __author__ = 'Leo.Z' import cv2 as cv import numpy as np def show_img(img, win_n
阅读全文
摘要：总结： 一、R-CNN 摘要： 在对象检测方面，其性能在前几年就达到了一个比较稳定的状态。性能最好的方法是一种复杂的整体系统，它将多个图片的低级特征通过上下文组合起来。 本文提出了一种简单、可扩展的算法，它在mAP上比VOC2012的最佳算法的结果高30%，达到53.3%。 这个方法包含两个方面：
阅读全文
摘要：一、直方图 用于统计图片中各像素值： # 画一个图像各通道的直方图 def draw_hist(img): color = ('b', 'g', 'r') for i, col in enumerate(color): hist = cv.calcHist([img], [i], None, [25
阅读全文
摘要：一、Canny边缘检测 Canny边缘检测是一系列方法综合的结果。其中主要包含以下步骤： 1.使用高斯滤波器，平滑图像，滤除噪声。 2.计算图像中每个像素点的梯度强度和方向。 3.应用非极大值抑制（NMS：Non-Maximum Suppression），以消除边缘检测带来的杂散相应。 4.应用双阈
阅读全文
摘要：一、高斯平滑（模糊） def gaussian_blur(image): # 设置ksize来确定模糊效果 img = cv.GaussianBlur(image, (5, 5), 0) cv.imshow('img', img) # 不通过ksize来设置高斯核大小，通过设置高斯分布公式中的sig
阅读全文
摘要：一、图片读取和显示 import cv2 as cv # 图片读取cv.imread(img_path) car_img = cv.imread("car1.png") # 图片显示cv.imshow(window_name,img_mat) cv.imshow('car1', car_img) c
阅读全文
摘要：一、继承nn.Module类并自定义层 我们要利用pytorch提供的很多便利的方法，则需要将很多自定义操作封装成nn.Module类。 首先，简单实现一个Mylinear类： from torch import nn # Mylinear继承Module class Mylinear(nn.Mod
阅读全文
摘要：一、visdom可视化工具 安装：pip install visdom 启动：命令行直接运行visdom 打开WEB：在浏览器使用http://localhost:8097打开visdom界面 二、使用visdom # 导入Visdom类 from visdom import Visdom # 定义
阅读全文
