摘要：
本部分主要涉及到TensorFlow的运作方式和主要操作 所需的代码在https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/tutorials/mnist 需要用到的代码文件有： mnist.py 构建一个完 阅读全文
摘要：
接TensorFlow（3） 我们构建一个多层卷积网络，以提升MNIST的识别性能 权重初始化 为了创建这个模型，我们需要创建大量的权重和偏执项。这个模型中的权重在初始化是应该加入少量的噪声来打破对称性以及避免0梯度。由于我们使用的是ReLU神经元，因此比较好的做法是用一个较小的正数来初始化偏执项。 阅读全文
摘要：
要进一步改进MNIST学习算法，需要对卷积神经网络进行学习和了解 学习材料参见https://www.cnblogs.com/skyfsm/p/6790245.html 卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统网络的一个改进，多了许多神经网络没有的层次。 • 数据输入层/ 阅读全文
摘要：
通过对MNIST的学习，对TensorFlow和机器学习快速上手。 MNIST：手写数字识别数据集 MNIST数据集 60000行的训练数据集 和 10000行测试集 每张图片是一个28*28的像素图。用一个数字数组来表示这张图片。这里把这个数组展开成一个向量，长度为28*28=784。（其实展平图 阅读全文
摘要：
学习TensorFlow官方文档中文版 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/basic_usage.html 一.基本使用 TensorFlow的基本特点： 1. 使用图（graph）来表示计算任务 2.在被称之 阅读全文
摘要：
#!/usr/bin/env pythonimport osos.environ['TF_CPP_MIN_LOG+LEVEL'] = '2'#加上这一句可以少显示一些没有必要的红字import tensorflow as tfimport numpy as np#设置训练样本train_X = np 阅读全文
摘要：
凸缺陷，以及如何找到凸缺陷 找某一点到一个多边形的最短距离 不同形状的匹配 1.凸缺陷 前面已经设计了轮廓的凸包和凸性缺陷的概念。OpenCV中有一个函数cv2.convexityDefect()可以帮助我们找到凸缺陷： hull = cv2.convexHull(cnt,returnPoints= 阅读全文
摘要：
提取一些经常使用的对象特征 1.长宽比 边界矩形的宽高比 x,y,w,h = cv2.boundingRect(cnt) aspect_ratio = floart(w)/h 2.Extent 轮廓面积与边界矩形面积的比。 area = cv2.contourArea(cnt) x,y,w,h = 阅读全文
摘要：
查找轮廓的不同特征，例如面积，周长，重心，边界等 1.矩 图像的矩可以帮助我们计算图像的质心，面积等。 函数cv2.momen()会将计算得到的矩以一个字典的形式返回， 我们的测试图像如下： 例程如下： # -*- coding:utf-8 -*-import numpy as npimport c 阅读全文
摘要：
什么是轮廓 找轮廓、绘制轮廓等 1.什么是轮廓 轮廓可看做将连续的点（连着边界）连在一起的曲线，具有相同的颜色和灰度。轮廓在形态分析和物体的检测和识别中很有用。 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者Canny边界检测。 查找轮廓的函数会修改原始图像。如果に在找到轮廓后 阅读全文