12 2022 档案
摘要：研究的艺术学习笔记均总结自李沐在B站讲解的视频。如果你感兴趣，可以去B站观看原始视频。地址为李沐-AI 论文精读。 研究的艺术（一） The Craft of The Research 1. The Craft of The Research一Outline 1. 在写作时要知道读者是谁 写每一段
阅读全文
摘要： 转载于比PCA降维更高级——（R/Python）t-SNE聚类算法实践指南-阿里云开发者社区 作者介绍：Saurabh.jaju2 Saurabh是一名数据科学家和软件工程师，熟练分析各种数据集和开发智能应用程序。他目前正在加州大学伯克利分校攻读信息和数据科学硕士学位，热衷于开发基于数据科学的智
阅读全文
摘要： 转载于DeepLearning: Contractive Autoencoder - dupuleng - 博客园 一、雅克比矩阵 雅克比矩阵是一阶偏导，假设(x1,x2,....,xn)到(y1,y2,...,ym)的映射，相当于m个n元函数，它的Jacobian Matrix如下 编辑 该
阅读全文
摘要：过拟合和欠拟合 简单来说过拟合就是模型训练集精度高，测试集训练精度低；欠拟合则是模型训练集和测试集训练精度都低。 官方文档地址为 https://tensorflow.google.cn/tutorials/keras/overfit_and_underfit 过拟合和欠拟合 以IMDB datas
阅读全文
摘要：特征分析可视化工具设计用于在数据空间中可视化实例，以便检测可能影响下游拟合的特征或目标。因为ML操作高维数据集（通常至少35个），可视化工具将重点放在聚合、优化和其他技术上，以提供对数据的概述。这是Yellowbrick的意图，指导过程将允许数据科学家缩放和过滤，并探索他们的实例和维度之间的关系。
阅读全文
摘要：分类模型试图在一个离散的空间中预测一个目标，即为一个因变量实例分配一个或多个类别。 代码下载 分类分数可视化工具显示类之间的差异以及一些特定于分类器的可视化评估。我们目前已经实施了以下分类器评估： 分类报告Classification Report：视觉分类报告，将每个类别的精度，召回率和F1显示为
阅读全文
摘要：1. 介绍 文章介绍了森林经营的现状和问题，以及解释了均匀年龄造林和非均匀年龄造林的区别。均匀年龄造林有利于以多数为同一年龄的树木为主导的林分再生。非均匀年龄造林是支持至少三个年龄段的树种再生。两种方法在空间和时间上的实现方式不同。均匀年龄管理意味着进行明确的切割时间或最终切割，从而到另一个再生阶段
阅读全文
摘要：种群、保护与生态遗传学 Population, Conservation and Ecological Genetics 1. 介绍 种内遗传变异（Intraspecific genetic variation） 是森林生态系统中经常被忽视（overlooked）但必不可少的（but none th
阅读全文
摘要：特征选择 代码下载 本文主要介绍sklearn中进行特征选择的方法。 sklearn.feature_selection模块中的类可用于样本集的特征选择/降维，以提高估计量的准确性得分或提高其在超高维数据集上的性能。 递归式特征消除Recursive feature elimination(RFE)
阅读全文
摘要：支持向量机SVM(Support Vector Machine)是一种用来进行模式识别、分类、回归的机器学习模型。 SVM原理描述 模型表示 以一个客户好坏分类为案例，客户信息如下所示： 客户信息数轴表示如下所示： 以数学表达式对上述信息进行描述，可以用下式进行表示： 然而该方法对于大型数据集容易发
阅读全文
摘要：一文读懂神经网络 http://dataunion.org/11692.html （上文的补充） 卷积神经网络工作原理的直观理解 https://zhihu.com/question/39022858/answer/224446917 （挺不错的，但是讲的并不那么通俗） 数字识别的卷积神经网络学习模
阅读全文
摘要：imgaug是一款非常有用的python图像增强库，非常值得推荐应用于深度学习图像增强。其包含许多增强技术，支持图像分类，目标检测，语义分割，热图、关键点检测等一系列任务的图像增强。本文主要介绍imgaug基本使用，以及应用关键点和边界框增强。 官方代码仓库：imgaug 官方入门文档：imgaug
阅读全文
摘要：ImageAI是一个Python库，旨在使开发人员，研究人员和学生能够使用简单的几行代码来构建具有独立的深度学习和计算机视觉功能的应用程序和系统。 ImageAI的官方GitHub存储库为https://github.com/OlafenwaMoses/ImageAI @ # 去掉警告 import
阅读全文
摘要：本文为本人caffe分类网络训练、结果可视化、部署及量化具体过程的心得笔记。caffe目前官方已经停止支持了，但是caffe是目前工业落地最常用的深度学习框架，用的人挺多。其实主要怕自己忘了，弄个备份，弄caffe很久了，怕不用东西都忘了，但是本文主要是讲述caffe下的分类网络。caffe默认已经
阅读全文
摘要：电力领域中四遥系统是指遥测、遥信、遥控、遥调功能系统，四遥功能是电力监控系统最基本最重要的功能。具体来说： 遥测(遥测信息)：远程测量；远方测量显示诸如电流、电压、功率、压力、温度等模拟量； 遥信(遥信信息)：远程信号；远方监视各类电气开关和设备、机械设备的工作状态和运转情况状态等； 遥控(遥控信息
阅读全文
摘要：森林管理和造林业中复杂观念的转变 [参考论文] Shifting conceptions of complexity in forest management and silviculture 长期以来，操纵森林生态系统的复杂性一直是森林管理和造林的考虑因素。然而，在林业的许多历史中，管理方法降低了
阅读全文
摘要：1. 石榴汁作为功能食品； 有关其多酚，治疗优点和最新专利的全面综述 1.1 内容 论文从多个方面介绍了石榴汁的功能药效，如保肝活性、抗癌活性、保护血管、与药物的相互作用等。 1.2 总结 这篇综述详细介绍了石榴汁的功能营养，重点研究了石榴的化学成分、营养价值和健康益处之间的相互关系。石榴对健康的益
阅读全文
摘要：1. 全球碧根果产业动态 核桃是我国人工经济林种植面积最大的树种，种植范围有1，1.2亿亩。核桃和山核桃都属于胡桃属，是两个不同的种。山核桃又包括一些品种，其中碧根果源自美国，被称为美国山核桃又因为其壳薄被称为薄壳山核桃。 一方面，碧根果在全球产业来看主要分布在澳大利亚，美国、墨西哥以及南非。这4个
阅读全文
摘要：cvat是一个非常好用的标注工具，但是也是非常难以安装的标注工具，所以本文简单讲一讲如何安装与使用cvat。cvat最好在ubuntu18.04安装，windows平台安装难度很大，然后在其他平台使用。 1 安装 安装其实一步一步按照官方教程执行就好了，官方地址文档为cvat安装文档。安装最大的问题
阅读全文
摘要：1. 深度学习 1.1 图像分类 1. A Neural Network Method for Classification of Sunlit and Shaded Components of Wheat Canopies in the Field Using High-Resolution Hy
阅读全文
摘要：全球应对气候变化的进程和行动 在这样一个新的形式下，世界范围之内已经开始了应对气候变化的进程。由于能源系统是二氧化碳等温室气体的主要来源，也是减排温室气体的最主要的一个领域。所以，在紧迫的温室气体。 两个方法：1 提高能源利用效率 2. 开发新能源 。 随着经济发展，能源总消费量也还是在增长。在这个
阅读全文
摘要：CCPD是一个大型的、多样化的、经过仔细标注的中国城市车牌开源数据集。CCPD数据集主要分为CCPD2019数据集和CCPD2020(CCPD-Green)数据集。CCPD2019数据集车牌类型仅有普通车牌(蓝色车牌)，CCPD2020数据集车牌类型仅有新能源车牌(绿色车牌)。 在CCPD数据集中，
阅读全文
摘要：Python字符串替换笔记 Python字符串替换笔记主要展示了如何在Python中替换字符串。Python中有以下几种替换字符串的方法，本文主要介绍前三种。 replace方法（常用） translate方法 re.sub方法 字符串切片（根据Python字符串切片方法替换字符） 1 replac
阅读全文
摘要：1. A comparative study of fruit detection and counting methods for yield mapping in apple orchards （IF=3.581, 2019） 1.1 介绍 介绍了精准农业的发展和农业自动化的进展，然后介绍了该研
阅读全文
摘要：1. The use of digital imaging, chlorophyll fluorescence and Vis/NIR spectroscopy in assessing the ripening stage and freshness status of bell pepper f
阅读全文
摘要：1. Applications of deep-learning approaches in horticultural research: a review，2020，Horticulture Research 总结：综述论文，写的一般，但里面提到了很多数据集，需要时候可以参考。 2. Impro
阅读全文
摘要：PyAutoGUI使用教程 PyAutoGUI允许Python脚本控制鼠标和键盘，并自动与其他应用程序交互。PyAutoGUI的API设计很简单，非常容易上手，PyAutoGUI适用于 Windows、macOS和Linux系统，支持在Python2和3上运行。PyAutoGUI安装很简单。 win
阅读全文
摘要：在深度学习（机器学习）中，卷积实际上是信号处理中的自相关操作（cross-correlation），而不是数学上的卷积操作（Convonlution）。 对于自相关函数，具体定义如下： 设 x(t)、 y(t) 为连续信号，则 x(t)、 y(t) 的互相关函数为 $$ \begin{array}{
阅读全文
摘要：网易云课堂深度学习工程师微专业： http://mooc.study.163.com/smartSpec/detail/1001319001.htm 吴恩达神经网络和深度学习课程主页： http://mooc.study.163.com/course/deeplearning_ai-20012810
阅读全文
摘要：原始C++标准仅支持单线程编程。新的C++标准(称为C++11或C++0x)于2011年发布。在C++11中，引入了新的线程库。因此运行本文程序需要C++至少符合C++11标准。 8 从线程返回值 8.1 使用说明 一个std::future对象可以与asych，std::packaged_task
阅读全文
摘要：Python Faker教程展示了如何使用Faker软件包在Python中生成伪数据。我们使用joke2k/faker包。 1 介绍 Faker是一个生成假数据的Python库。伪数据通常用于测试或用一些伪数据填充数据库。Python Faker很大程度上受到了PHP的Faker、Perl的Data
阅读全文
摘要：在本教程中，我们将学习使用Python列表解析(list comprehensions)相关知识 1 使用介绍 列表解析是一种基于现有列表创建列表的句法结构。列表解析提供了创建列表的简洁方法。通常需要创建新的列表，其中每个元素是应用于另一个序列或iterable的每个成员的某些操作的结果，或者创建满
阅读全文
摘要：数据绘图要点5-误差线的问题 误差线给出了测量精确度的一般概念，真实（无误差）值可能与报告值相差多远。如果条形图上显示的值是聚合的结果（如多个数据点的平均值），您可能需要显示误差线。但我们必须要谨慎使用误差线，具体原因将在后续给出。 误差线的绘制 在下图中，报告了5个group。条形高度代表它们的平
阅读全文
摘要：本文探讨Python模块和Python包，这两种机制有助于模块化编程。 模块化编程是指将大型笨拙的编程任务分解为单独的，较小的，更易于管理的子任务或模块的过程。然后可以像构建模块一样将各个模块拼凑在一起以创建更大的应用程序。 在大型应用程序中模块化代码有几个优点： 简单性：模块通常只关注问题的一个相
阅读全文
摘要：数据绘图要点8-环状条形图的使用 环状条形图RADIAL BAR CHARTS是指用极坐标而不是笛卡尔平面绘制的条形图，RADIAL BAR CHARTS没有规定的中文翻译，有些人翻译为环状条形图，有些人翻译为径向条形图。 绘图实例 下图是显示2017年某一商品前6大国家的出口数量。 # 导入库 l
阅读全文
摘要：数据绘图要点1-注重数据排序 默认情况下，大多数数据可视化工具将使用字母顺序或使用输入表中的出现顺序对分类变量组进行排序。当显示多个实体项的值时，对它们进行排序会使得图表更具洞察力。 实例 无序棒棒糖图 让我们从一个无序棒棒糖图开始，下面代码展示了一些国家出口的某一重要物品的数量。这里每一行代表一个
阅读全文
摘要：数据绘图要点3-意大利面条图 线条太多的折线图通常变的不可读，这种图一般被称为意大利面条图。因此这种图几乎无法提供有关数据的信息。 绘图实例 让我们以美国从1880年到2015年女性婴儿名字的演变为例。 # Libraries library(tidyverse) library(hrbrtheme
阅读全文
摘要：最近装过很多ubuntu18.04系统的nvidia驱动，cuda10.2，cudnn7.6.5，发现每次都会出现一些小问题。总结了具体步骤，做个记录。主要分为三个步骤：驱动安装，cuda安装，cudnn安装。本文主要参考了博客Ubuntu18.04安装CUDA10、CUDNN和Ubuntu18.0
阅读全文
摘要：Shell 是一个用 C 语言编写的程序，它是用户使用 Linux 的桥梁。Shell 脚本（shell script），是一种为 shell 编写的脚本程序。业界所说的 shell 通常都是指 shell 脚本，但要知道，shell 和 shell script 是两个不同的概念。 1 变量的定义
阅读全文
摘要：聚类（Clustering）简单来说就是一种分组方法，将一类事物中具有相似性的个体分为一类，将另一部分比较相近的个体分为另一类。例如人和猿都是灵长目动物，但是根据染色体数目不同可以将人和猿分类不同的两类。虽然人根据肤色又可以分为黄种人，白种人，有色种人，但是根据行为举止和形态，往往把黄种人，白种人等
阅读全文
摘要：Python随机数生成模块教程演示如何在Python中生成伪随机数。 1 介绍 1.1 随机数字生成器 随机数生成器(RNG)生成一组在外观上不显示任何可区分模式的值。随机数生成器分为两类:硬件随机数生成器和伪随机数生成器。硬件随机数生成器被认为能产生真正的随机数。伪随机数生成器根据软件算法生成值。
阅读全文
摘要：原始C++标准仅支持单线程编程。新的C++标准(称为C++11或C++0x)于2011年发布。在C++11中，引入了新的线程库。因此运行本文程序需要C++至少符合C++ 11标准。 4 数据共享和资源竞争 在多线程环境中，线程之间的数据共享非常容易。但是，这种易于共享的数据可能会导致应用程序出现问题
阅读全文
摘要：原始C++标准仅支持单线程编程。新的C++标准(称为C++11或C++0x)于2011年发布。在C++11中，引入了新的线程库。因此运行本文程序需要C++至少符合C++11标准。 1 创建线程的三种不同方式 在本章中，我们将讨论如何使用std::thread在C++11中创建线程。 在每个C++应用
阅读全文
摘要：6 热图Heatmapplot(代码下载) 热图是指通过将矩阵单个的值表示为颜色的图形表示。热力图显示数值数据的一般视图非常有用，制作热图很简单，且不需要提取特定数据点。在seaborn中使用heatmap函数绘制热力图，此外我们也使用clustermap函数绘制树状图与热图。该章节主要内容有： 基
阅读全文
摘要：8 避免过度绘图Avoid Overplotting(代码下载) 过度绘图是散点图及几天常见图表中最常见的问题之一。如下图所示当数据集很大时，散点图的点会重叠，使得图形变得不可读。在这篇文章中，提出了多种方法避免过度绘图。该章节主要内容有: 减小点的大小 reduce the dot size 使用
阅读全文
摘要：11 绘图实例(3) Drawing example(3)(代码下载) 本文主要讲述seaborn官网相关函数绘图实例。具体内容有： Plotting a diagonal correlation matrix(heatmap) Scatterplot with marginal ticks(Joi
阅读全文
摘要：树状图（或树形图）是一种网络结构。它由一个根节点组成，根节点产生由边或分支连接的多个节点。层次结构的最后一个节点称为叶。本文主要基于R语言实现树形图的绘制。关于python实现树形图的绘制见：基于matplotlib实现树形图的绘制 之所以还用R语言实现树形图的绘制，主要原因在于R语言所实现的树形图
阅读全文
摘要：1. 读写文件笔记（第8章）(代码下载) 1.1 文件与文件路径 通过import os调用os模块操作目录，常用函数如下： |函数|用途| |-|:-| |os.getcwd()|取得当前工作路径| |os.chdir()|改变当前工作路径| |os.makedirs(path)|创建新文件夹|
阅读全文
摘要：NETWORK CHART(网络图) 代码下载地址 网络图 （或图表或图形）显示了一组实体之间的互连。每个实体由一个或多个节点表示。节点之间的连接通过链接（或边）表示。网络的理论与实现是一个广阔的研究领域。整个网络都可以致力于此。例如，网络可以是有向的或无向的，加权的或未加权的。有许多不同的输入格式
阅读全文
摘要：通用教程简介(Introduction To ggplot2) 代码下载地址 以前，我们看到了使用ggplot2软件包制作图表的简短教程。它很快涉及制作ggplot的各个方面。现在，这是一个完整而完整的教程。现在讨论如何构造和自定义几乎所有ggplot。它涉及的原则，步骤和微妙之处，使图像的情节有效
阅读全文
摘要：当时受到了很多人的帮助，在网上也查到了很多经验帖子，比如如何办理签证，如何填写表格，要准备哪些材料以及生活上要带哪些物品，等等。当时就想到等我办理好这些，也一定和大家分享，为更多的人提供一些参考。 1 申请签证 我办理的是学签，需要准备的东西如下，可能还不够 1、 护照 2、 邀请信 3、 2寸彩色
阅读全文
摘要：目前数字图像处理技术已经应用生活各个方面，但是大部分教程都是利用第三方库(如opencv)对RGB图像格式进行处理。对于YUV图像格式的图像处理教程较少。于是博主搬运总结了多个大牛的文章，总结出来这个YUV图像像素处理入门教程。 这些大牛有： 雷霄骅（祝愿雷神在天堂安好） https://blog.
阅读全文
摘要：1 分离YUV420中YUV分量 本程序中的函数主要是将YUV420P视频数据流的第一帧图像中的Y、U、V三个分量分离开并保存成三个文件。函数的代码如下所示： /** * @file 1 yuv_split.cpp * @author luohen * @brief split of yuv * @
阅读全文
摘要：9 yuv420图像截取 本程序中的函数主要是对YUV420P视频数据流的第一帧图像进行截取。类似opencv中的rect函数，函数的代码如下所示： /** * @file 9 yuv_clip.cpp * @author luohen * @brief yuv image clip * @date
阅读全文
摘要：12 yuv420转换为rgb(opencv mat) yuv格式具有亮度信息和色彩信息分离的特点，但大多数图像处理操作都是基于RGB格式，而且自己造轮子工作量太大。因此通常都会将yuv转换为rgb，再用opencv等视觉库进行图像处理。 yuv转换为rgb有多种方法，比如公式法。但是推荐使用第三方
阅读全文
摘要：如果自定义类需要调用窗体控件，首先需要将窗体控件的可见级别（Modifiers）设为public。如下图所示： 然后在Form1类下定义静态变量form1，并初始化。 class Form1: Form { //在Form1类下定义静态变量 public static Form1 form1; pu
阅读全文
摘要：7 常用参数调整Adjustment of Common Parameters(代码下载) 主要讲述关于seaborn通用参数设置方法，该章节主要内容有: 主题设置 themes adjustment 颜色设置 Manage colors 轴的管理 Manage axis 边距调整 Manage m
阅读全文
摘要：2 散点图Scatterplot(代码下载) 散点图能够显示2个维度上2组数据的值。每个点代表一个观察点。X（水平）和Y（垂直）轴上的位置表示变量的值。研究这两个变量之间的关系是非常有用的。在seaborn中通过regplot和lmplot制作散点图，regplot和lmplot核心功能相近，reg
阅读全文
摘要：目前有许多算法来衡量两幅图像的相似性，本文主要介绍在工程领域最常用的图像相似性算法评价算法：图像哈希算法(img hash)。图像哈希算法通过获取图像的哈希值并比较两幅图像的哈希值的汉明距离来衡量两幅图像是否相似。两幅图像越相似，其哈希值的汉明距离越小，通过这种方式就能够比较两幅图像是否相似。在实际
阅读全文
摘要：1 CairoSVG介绍 代码下载地址 CairoSVG是一个将SVG1.1转为PNG，PDF, PS格式的转化。SVG算目前火热的图像文件格式了，它的英文全称为Scalable Vector Graphics，意思为可缩放的矢量图形，但是SVG要专用软件才能编辑打开,通过CairSVG我们就能将S
阅读全文
摘要：Python map函数总结 本文主要介绍如何使用Python（Python3版本）的内置map()函数。简单来说map()函数会将指定的函数依次作用于某个序列的每个元素，并返回一个迭代器对象。map语法如下，其中function表示我们指定的函数，iterable表示要作用的序列，这个序列可以是一
阅读全文
摘要：树形图Tree diagram (代码下载) 本文旨在描述如何使用Python实现基本的树形图。要实现这样的树形图，首先需要有一个数值矩阵。每一行代表一个实体（这里是一辆汽车）。每列都是描述汽车的变量。目标是将实体聚类以了解谁与谁有共同点。python下通过scipy中hierarchy.linka
阅读全文
摘要：目录 1 数据集 1.1 下载openImages雪人数据[约1.5小时] 1.2 训练集测试集拆分 2 Darknet 2.1 下载并构建Darknet 2.2 修改代码以定期保存模型文件 2.3 数据注释 3 模型训练 3.1 下载预训练模型 3.2 数据文件 3.3 配置训练参数 3.3.1
阅读全文
摘要：在本教程中，我们将讨论各种人脸检测方法，并对各种方法进行比较。下面是主要的人脸检测方法： 1 OpenCV中的Haar Cascade人脸分类器； 2 OpenCV中的深度学习人脸分类器； 3 Dlib中的hog人脸分类器； 4 Dlib中的深度学习人脸分类器。 Dlib是一个C++工具包（也有py
阅读全文
摘要：目录 1 背景 2 实现 3 结果和代码 4 参考 手部关键点检测是在手指上找到关节以及在给定图像中找到指尖的过程。它类似于在脸部（面部关键点检测）或身体（人体姿势估计）上找到关键点。但是手部检测不同的地方在于，我们将整个手部视为一个对象。 美国卡耐基梅隆大学智能感知实验室(CMU Perceptu
阅读全文
摘要：目录 1 背景介绍 2 基于MultiTracker的多目标跟踪 2.1 创建单个对象跟踪器 2.2 读取视频的第一帧 2.3 在第一帧中确定我们跟踪的对象 2.4 初始化MultiTrackerer 2.5 更新MultiTracker和显示结果 3 结果和代码 4 参考 在这篇文章中，我们将介绍
阅读全文
摘要：目录 1 背景 1.1 什么是图像对齐或图像对准？ 1.2 图像对齐的应用 1.3 图像对齐基础理论 1.4 如何找到对应点 2 OpenCV的图像对齐 2.1 基于特征的图像对齐的步骤 2.2 代码 3 参考 在这篇文章中，我们将学习如何使用OpenCV执行基于特征的图像对齐。我们将使用移动电话拍
阅读全文
摘要：目录 1 背景 1.1 彩色摄影的一个简短而不完整的历史 1.2 OpenCV中的运动模型 2 使用增强相关系数最大化（ECC）的图像对齐 2.1 findTransformECC在OpenCV中的示例 2.2 重建Prokudin-Gorskii系列图像 3 参考 上面左边的图像是由Prokudi
阅读全文
摘要：目录 1 背景 1.1 什么是EigenFaces？ 1.2 坐标的变化 2 面部重建 2.1 计算新面部图像的PCA权重 2.2 使用EigenFaces进行面部重建 3 参考 在这篇文章中，我们将学习如何使用EigenFaces实现人脸重建。我们需要了解主成分分析（PCA）和EigenFaces
阅读全文
摘要：目录 1 Seamless Cloning实现 1.1 Seamless Cloning实例 1.2 正常克隆（NORMAL_CLONE）与混合克隆（MIXED_CLONE） 1.2.1 Normal Cloning Result 1.2.2 Mixed Cloning Result 1.2.3 M
阅读全文
摘要：目录 1 cvui的使用 1.1 如何在您的应用程序中添加cvui 1.2 基本的“hello world”应用程序 2 更高级的应用 3 代码 4 参考 有很多很棒的GUI库，例如Qt和imgui，可以与OpenCV一起使用，允许您在运行时调整参数。但是，在某些情况下，您可能没有（或不希望）此类库
阅读全文
摘要：目录 1 保边滤波的频域变换 1.1 保边滤波器Edge Preserving Filter 1.1.1 函数调用 1.1.2 edgePreservingFilter结果 1.2 细节增强 1.3 素描滤波器 1.4 风格化滤波器 2 代码 3 参考 有人认为使用高斯内核简单地模糊图像，检测边缘，
阅读全文
摘要：目录 1 如何在Ubuntu和windows上安装Tesseract 1.1 在ubuntu18.04上安装Tesseract4 1.2 在Ubuntu 14.04,16.04,17.04,17.10上安装Tesseract 4.0 1.3 在windows下安装Tesseract 4.0 1.4
阅读全文
摘要：摄影是全世界数百万人最喜爱的爱好。毕竟，这有多难啊！用美国著名摄影师阿巴斯•黛安娜的话来说: 拍照就像深夜踮着脚尖走进厨房，偷奥利奥饼干。 拍照很容易，但是拍一张高质量的照片却很难。它需要良好的组成和照明。正确的镜头和优越的设备可以带来很大的不同。但最重要的是，一张高质量的照片需要良好的品味和判断力
阅读全文
摘要：在这篇文章中，我们将说明数码单反相机DSLR(Digital Single Lens Reflex Camera)的各个技术方面。本文将说明焦距(focal length)，f-stop，景深(depth of field)，光圈(aperture)，快门速度(shutter speed)，ISO设
阅读全文
摘要：目录 1 介绍 1.1 视频稳定的方法 1.2 使用点特征匹配的视频稳定 2 算法 2.1 帧间运动信息获取 2.1.1 合适的特征点获取 2.1.2 Lucas-Kanade光流法 2.1.3 运动估计 2.2 计算帧之间的总体运动 2.2.1 计算运动轨迹 2.2.2 计算平滑轨迹 2.2.3
阅读全文
摘要：词云Wordcloud是文本数据的一种可视化表示方式。它通过设置不同的字体大小或颜色来表现每个术语的重要性。词云在社交媒体中被广泛使用，因为它能够让读者快速感知最突出的术语。然而，词云的输出结果没有统一的标准，也缺乏逻辑性。对于词频相差较大的词汇有较好的区分度，但对于颜色相近、频次相近的词汇来说效果
阅读全文
摘要：颜色直方图是一种常见的图像特征，顾名思义颜色直方图就是用来反映图像颜色组成分布的直方图。颜色直方图的横轴表示像素值或像素值范围，纵轴表示该像素值范围内像素点的个数或出现频率。颜色直方图属于计算机视觉中的基础概念，其常常被应用于图像相似度计算，视觉词袋，图像颜色平衡等。颜色直方图可以基于不同的颜色空间
阅读全文