python我的最爱

2019年6月30日

摘要： HOG+SVM流程 1.提取HOG特征灰度化 + Gamma变换(进行根号求解) 计算梯度map(计算梯度) 图像划分成小的cell，统计每个cell梯度直方图多个cell组成一个block, 特征归一化多个block串接,并归一化 2.训练SVM分类器阅读全文

posted @ 2019-06-30 16:31 python我的最爱阅读(4037) 评论(0) 推荐(0) 编辑

Viola-Jones(人脸检测)

摘要： Viola-Jones 人脸检测 1.Haar特征抽取 ‘ 2. Adaboost 算法阅读全文

posted @ 2019-06-30 13:17 python我的最爱阅读(1292) 评论(0) 推荐(0) 编辑

2019年6月24日

5.读取标签文本，制作出标签字典以及图片路径，并且构造对应的人类别标签

摘要：第一步：使用.read().strip().split('\n') 将标签进行拆分第二步：对路径进行拆分，分成文件夹名字和路径名第三步：构造字典，将文件夹名做为key，图片的路径作为value，如果图片路径存在就进行添加第四步：使用class构造出data_dir，list_file，及每阅读全文

posted @ 2019-06-24 11:02 python我的最爱阅读(612) 评论(0) 推荐(0) 编辑

2019年6月13日

4. 获取当前的文件夹的路径，以及当前文件名的路径 os.path.realpath

摘要：使用os.path.realpath(__file__) 获得当前的文件夹的路径名, 使用os.path.split 进行路径切割算法效果阅读全文

posted @ 2019-06-13 18:28 python我的最爱阅读(682) 评论(0) 推荐(0) 编辑

3.将模型的参数写入到文件里面

摘要：第一步：构造argv参数第二步：使用vars(argv) 构造字典第三步：循环vars(argv), 将用f.write() 将键和值进行写入阅读全文

posted @ 2019-06-13 18:20 python我的最爱阅读(1016) 评论(0) 推荐(0) 编辑

2.进行model和log的路径创建

摘要：第一步：使用datetime.strftime(datetime.now(), '%Y%m%d-%H%M%S') 用于生成当前时间第二步：使用os.path.join() 将文件的路径与subdir路径进行结合第三步：使用os.path.isdir() 判断路径是否存在，如果不存在就创建mod 阅读全文

posted @ 2019-06-13 17:52 python我的最爱阅读(345) 评论(0) 推荐(0) 编辑

1. 参数的传入和添加 argparse.ArgumentParser()

摘要： # Edit configuration 传入的参数使用的是--file_dir picture，获取使用的是argv.file_dir 阅读全文

posted @ 2019-06-13 17:32 python我的最爱阅读(3514) 评论(1) 推荐(1) 编辑

2019年6月1日

图片旋转 1. cv2.getRotationMatrix2D(获得仿射变化矩阵) 2. cv2.warpAffine(进行仿射变化)

摘要： 1.rot_mat = cv2.getRotationMatrix2D(center, -5, 1) 参数说明：center表示中间点的位置，-5表示逆时针旋转5度，1表示进行等比列的缩放 2. cv2.warpAffine(img, rot_mat, (img.shape[1], img.shap 阅读全文

posted @ 2019-06-01 14:49 python我的最爱阅读(16724) 评论(0) 推荐(0) 编辑

2019年5月5日

RGB-D显著性突出物体(学习)

摘要：论文阅读：Adaptive Fusion for RGB-D Salient Object Detection 这篇代码的创新点在于使用了SW层，使用SW_logits * img_logits + (1 - SW_logits) * (1 - depth_logits) 来获得最终的预测结果另外阅读全文

posted @ 2019-05-05 23:43 python我的最爱阅读(1405) 评论(2) 推荐(0) 编辑

2019年4月12日

对抗生成网络-图像卷积-mnist数据生成(代码) 1.tf.layers.conv2d(卷积操作) 2.tf.layers.conv2d_transpose(反卷积操作) 3.tf.layers.batch_normalize(归一化操作) 4.tf.maximum(用于lrelu) 5.tf.train_variable(训练中所有参数) 6.np.random.uniform(生成正态数据

摘要： 1. tf.layers.conv2d(input, filter, kernel_size, stride, padding) # 进行卷积操作参数说明：input输入数据, filter特征图的个数，kernel_size卷积核的大小，stride步长，padding是否补零 2. tf.la 阅读全文

posted @ 2019-04-12 19:13 python我的最爱阅读(642) 评论(0) 推荐(0) 编辑