目录说明导航正文三、图像直方图与模板匹配1、直方图统计2、直方图操作直方图归一化，灰度值的概率分布直方图比较3、直方图的应用直方图均衡，提高对比度4、图像模板匹配四、图像滤波1、线性滤波均值滤波方框滤波高斯滤波2、非线性滤波中值滤波双边滤波3、边缘检测拉普拉斯坎尼五、图像形态学1、连通域连通域统计连通域统计信息2、腐蚀与膨胀结构元素图像腐蚀图像膨胀3、形态学应用形态学操作图像细化，骨架提取 说明
转载
2024-10-18 07:40:50
19阅读
一.环境QT5.14OpenCv 4.2.0训练器使用的是OpenCV-3.4.1-x64版本的opencv_createsamples.exe和opencv_traincascade.exe文件。 高版本去除了这两个文件，有些低版本使用的时候会出现”应用程序无法正常启动(0xc000007b)。“的错误。（我之前使用OpenCv-3.3.1的时候就出现过） 下载链接：https://github
转载
2024-04-10 19:02:27
126阅读
Opencv+traincasade训练器训练1. 前期准备opencv3.4.1 +VS2018存放正样本和负样本的文件夹生成训练的文件2. 准备样本2.1 准备正样本正样本就是你想要识别的物体，可根据情况选择样本的多少（实际上越多越好），样本之间不要重 复，差异性越大越好（比如人脸识别，就拍很多张正脸，侧脸之类的）。尺寸看情况选择，但是必须归一化，即统一尺寸。本文中选择的尺寸为128X96，越
转载
2024-03-16 01:13:24
64阅读
学更好的别人，做更好的自己。——《微卡智享》本文长度为1974字，预计阅读5分钟前言很早就想学习深度学习了，因为平时都是自学，业余时间也有限，看过几个pyTorch的入门，都是一些碎片化的东西，始终串不起来。最近也是正好赶的疫情，出差少了，也是在B站看pyTorch视频时有评论说刘二大人的《pyTorch深度学习实践》讲的好，整个教程看下来后，确实是深入浅出，感觉就是宛然打通自己任督二脉，算是入门
转载
2024-05-13 09:32:50
62阅读
https://blog.csdn.net/WZZ18191171661/article/details/91305466 https://blog.csdn.net/qq_25352981/article/details/52605768 二、HOG算法简介 HOG是一种在计算机视觉和图像处理中用
转载
2019-11-06 00:24:00
184阅读
2评论
文章目录1.首先了解一点opencv前置知识点2.相关文件的准备3.图片和图片路径的处理程序（python）4.训练5.训练结果6.对训练的.xml文件测试 1.首先了解一点opencv前置知识点（1）Opencv下载和导入Visual studio 2022（2）visual studo 2022中使用Opencv人脸检测（3）HAAR与LBP的人脸检测时间效率比较2.相关文件的准备对上面的文件
转载
2024-06-17 06:16:48
198阅读
=一、基础知识准备首先，opencv目前仅支持三种特征的训练检测， HAAR、LBP、HOG，选择哪个特征就去补充哪个吧。opencv的这个训练算法是基于adaboost而来的，所以需要先对adaboost进行基础知识补充啊，网上一大堆资料，同志们速度去查阅。我的资源里也有，大家去下载吧，这些我想都不是大家能直接拿来用的，我下面将直接手把手告诉大家训练怎么操作，以及要注意哪些细节。二、关于正样本的
转载
2024-04-26 14:57:51
72阅读
首先，opencv目前仅支持三种特征的训练检测， HAAR、LBP、HOG，选择哪个特征就去补充哪个吧。opencv的这个训练算法是基于adaboost而来的，所以需要先对adaboost进行基础知识补充啊，网上一大堆资料，同志们速度去查阅。我的资源里也有，大家去下载吧，这些我想都不是大家能直接拿来用的，我下面将直接手把手告诉大家训练怎么操作
转载
2024-05-06 15:54:18
155阅读
# Python训练器开发指南
在今天的文章中，我们将引导你一步步构建一个简单的“Python训练器”。这个训练器将帮助用户通过回答一系列问题来提升他们的Python编程技能。将包含数据处理、问题生成和用户互动等功能。让我们从整体流程开始。
## 开发流程
以下是整个开发过程的步骤：
| 步骤编号 | 步骤名称 | 说明
原创
2024-07-31 06:46:56
23阅读
文章目录1、回顾caffe添加自定义层2、opencv中添加自定层2.1、实现AllPassLayer2.2、实现MyConvLayer3、加载第三方模型3.1、opencv中caffe源代码修改3.2、在项目代码中实现新增的层（1）不需要从prototxt中读取对应层参数（2）需要从prototxt中读取对应层参数4、实际项目 ENet 本文先回顾caffe中添加层AllPassLayer的
转载
2024-03-25 09:24:36
127阅读
# 如何实现 Android 呼吸训练器控件
在本篇文章中，我们将一起实现一个简单的 Android 呼吸训练器控件。这个控件将帮助用户进行深呼吸练习，通过一个简单而直观的界面引导用户。
## 实现步骤概述
下面是整个实现过程的概览，包括所需的步骤和所需技术栈：
| 步骤 | 描述 |
|------|------|
| 1 | 创建新的 Android 项目 |
| 2 |
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、Matplotlib是什么？Matplotlib练习习题1.题目11.1 代码2. 题目22.1 代码二、Opencv是什么？Opencv练习习题1.题目2.代码三、PIL是什么？PIL练习习题1.题目2.代码总结 前言随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器
转载
2023-08-30 22:21:01
163阅读
如何使用tensor2tensor自定义数据训练模型由于tensor2tensor高度的封装，内部添加和一些数据集，和一些常见的问题，所以在直接用起来比较方便。但是如果想要用不同的数据训练模型，或者是用模型解决一个其他的问题，就要费一番功夫了。这里主要是解决了用自己的数据集，使用tensor2tensor训练一个英中翻译模型，当然训练中英，只需要加上`_rev`即可。如果要使用自己的数据集，根据g
转载
2024-10-17 23:44:08
101阅读
自定义模型训练自定义模型训练自定义模型训练import tensorflow as tfprint(tf.__version__)自动求导机制GradientTape是eager模式下计算梯度用的watch(tensor)作用：确保某个tensor被tape追踪参数:tensor: 一个Tens
原创
2021-08-02 14:51:11
537阅读
Pytorch之训练器设置文章目录Pytorch之训练器设置引言tensorboardX优化器模型保存与恢复进度展示整体代码引
原创
2022-12-14 12:29:40
528阅读
前言：本专栏主要结合OpenCV4，来实现一些基本的图像处理操作、经典的机器学习算法（比如K-Means、KNN、SVM、决策树、贝叶斯分类器等），以及常用的深度学习算法。 文章目录一、决策树介绍二、决策树基本原理三、决策树学习过程三、切分属性的选择四、决策树的优缺点五、决策树分类实战1、数据集准备2、创建决策树3、训练决策树4、测试5、统计输出结果 一、决策树介绍决策树是一种机器学习的方法，可用
转载
2024-05-29 20:14:45
87阅读
# 基于HanLP训练自定义实体识别的指南
在自然语言处理（NLP）的领域，实体识别（Named Entity Recognition, NER）是一个重要的任务。通过识别文本中的命名实体，我们可以提取出人名、地名、组织名等信息。HanLP是一个强大的NLP工具，支持多语言处理并提供了良好的接口来训练自定义的实体识别模型。本文将介绍如何使用HanLP进行自定义实体的训练，并附加代码示例及流程图。
下载标注工具，标记darknet下载https://github.com/AlexeyAB/darknetvs201
原创
2022-11-10 14:34:28
216阅读
paddleOcr 训练自定义数据文章目录paddleOcr 训练自定义数据前言一、创建环境二、安装环境三、使用ppocrlabel
原创
2023-06-02 11:39:58
4051阅读
1. 函数式 API（Function API）
tf.keras.Sequential 模型是层的简单堆叠，无法表示任意模型。inputs = tf.keras.Input(shape=(32,)) # 构建一个输入张量
# 层layer的实例对象是callable的，他接受一个tensor，并返回一个处理之后的tensor
x = layers.Dense(64, activation='r
