Rogn

2019年3月9日

Python-OpenCV:cv2.imread(),cv2.imshow(),cv2.imwrite()

摘要：为什么使用Python-OpenCV? 虽然python 很强大，而且也有自己的图像处理库PIL，但是相对于OpenCV 来讲，它还是弱小很多。跟很多开源软件一样OpenCV 也提供了完善的python 接口，非常便于调用。OpenCV 的最新版是4.0，包含了超过2500 个算法和函数，几乎任何一阅读全文

posted @ 2019-03-09 19:32 Rogn 阅读(29319) 评论(0) 推荐(0) 编辑

linux下使用OpenCV的一些问题

摘要：完整正确的代码如下：问题一：很可能是文件路径不对，导致image为空，从而imshow出错。比如我就是Picturtes掉了个“s”. 问题二：与先前版本相比，Libpng-1.6在检查ICC配置文件方面更为严格。您可以忽略该警告。要摆脱它，请从PNG图像中删除iCCP块。您可以使用各种PN 阅读全文

posted @ 2019-03-09 12:21 Rogn 阅读(1726) 评论(0) 推荐(0) 编辑

2019年3月8日

Google Colab调用cv2.imshow奔溃

摘要：当我在Google Colab运行如下代码竟然会使会话奔溃，然后内核重启，系统日志如下：警告信息是“cannot connect to X server”,那什么是X server呢？这下就明白了，由于OpenCV采用highgui，而命令行下无法产生图形界面。这个问题对于命令行下的Linu 阅读全文

posted @ 2019-03-08 23:48 Rogn 阅读(4827) 评论(0) 推荐(1) 编辑

CNN眼中的世界：利用Keras解释CNN的滤波器

摘要：转载自：https://keras-cn.readthedocs.io/en/latest/legacy/blog/cnn_see_world/ 文章信息本文地址：http://blog.keras.io/how-convolutional-neural-networks-see-the-worl 阅读全文

posted @ 2019-03-08 21:54 Rogn 阅读(1567) 评论(1) 推荐(1) 编辑

Google Colab的一些注意事项

摘要： 1、执行命令行前面加！当我们使用python解释器时，我们需要不停地在命令行和IDE 之间切换，当我们需要使用命令行工具时。不过，Jupyter Notebook给了我们在notebook中运行shell命令的能力，在指令前多放一个!就行了。任何命令行的指令都可以在IPython 中运行，只要前面阅读全文

posted @ 2019-03-08 13:05 Rogn 阅读(16676) 评论(3) 推荐(0) 编辑

2019年3月7日

VGG16学习笔记

摘要：转载自：http://deanhan.com/2018/07/26/vgg16/ 摘要本文对图片分类任务中经典的深度学习模型VGG16进行了简要介绍，分析了其结构，并讨论了其优缺点。调用Keras中已有的VGG16模型测试其分类性能，结果表明VGG16对三幅测试图片均能正确分类。前言 VGG是由阅读全文

posted @ 2019-03-07 23:46 Rogn 阅读(110276) 评论(8) 推荐(5) 编辑

CNN中卷积层的计算细节

摘要：转载自：https://blog.csdn.net/dcrmg/article/details/79652487 前几天在看CS231n中的CNN经典模型讲解时，花了一些时间才搞清楚卷积层输入输出的尺寸关系到底是什么样的，现总结如下。（可以参照我画的题图理解卷积层的运算）卷积层尺寸的计算原理输入阅读全文

posted @ 2019-03-07 19:02 Rogn 阅读(4416) 评论(0) 推荐(0) 编辑

卷积网络中的通道(Channel)和特征图

摘要：转载自：https://www.jianshu.com/p/bf8749e15566 今天介绍卷积网络中一个很重要的概念，通道（Channel），也有叫特征图（feature map）的。首先，之前的文章也提到过了，卷积网络中主要有两个操作，一个是卷积(Convolution)，一个是池化(Poo 阅读全文

posted @ 2019-03-07 17:25 Rogn 阅读(20606) 评论(1) 推荐(2) 编辑

卷积，特征图，转置卷积和空洞卷积的计算细节

摘要：转载自：https://www.jianshu.com/p/09ea4df7a788 前言在定制和实现卷积网络的时候发现自己对里面的一些计算细节还不够了解，所以整理了该文章，内容如下：卷积计算过程（单 / RGB 多通道）特征图大小计算公式转置卷积（反卷积）的计算过程空洞卷积的计算过程该阅读全文

posted @ 2019-03-07 16:49 Rogn 阅读(2255) 评论(0) 推荐(0) 编辑

keras中的shape/input_shape

摘要：在keras中，数据是以张量的形式表示的，张量的形状称之为shape，表示从最外层向量逐步到达最底层向量的降维解包过程。“维”的也叫“阶”，形状指的是维度数和每维的大小。比如，一个一阶的张量[1,2,3]的shape是(3,); 一个二阶的张量[[1,2,3],[4,5,6]]的shape是(2,3 阅读全文

posted @ 2019-03-07 15:31 Rogn 阅读(3044) 评论(0) 推荐(0) 编辑

公告