简单来说就是,声明一个大的Mat 作为最后显示的窗口,再把两个图片复制进去,注意的是两个图片的类型要一样。 1.读取原图,显示 2.按照0通道读取,转换成灰度图,并保存 3.按照1通道读取灰度图 4.一个窗口,两张图片 完整代码 #include<opencv.hpp> #include <iostream> using namespace std; us
1.加载数据集,并对数据集进行增强,类型转换官网cifar10数据集附链接:https://www.cs.toronto.edu/~kriz/cifar.html读取数据过程中,可以改变batch_size和num_workers来加快训练速度 transform=transforms.Compose([ #图像增强 transforms.Resi
1.github官网下载源码2.配置深度学习环境3.下载模型4.照片上色代码 from deoldify import device from deoldify.device_id import DeviceId #choices: CPU, GPU0...GPU7 device.set(device=DeviceId.GPU1) from deoldify.visualize imp
前言在目标检测领域,有两种方式,一种是two_stage 比如faster_rcnn mask_rcnn 还有一种是one_stage 比如 yolo 这两种的优缺点很容易看出来one_stage 速度非常快,适合做实时检测,但是精度不是很高,two_stage速度慢,效果好,本文使用torchvision中的 faster rcnn 训练 安全帽数据集。 一、faster_rcnn 这是fa
1、在图片上用鼠标进行操作,opencv主要用到setMouseCallback()函数。 winname 窗口名称onMouse 鼠标事件的回调函数userdata 传递给回调函数还有onMouse函数 event 鼠标事件x,y 鼠标在图片上的坐标flags 鼠标事件标志这里有一个容易搞混的地方void跟void_在函数的返回值中, void 是没有任何返回值, 而 void _
文章目录 前言 一、deeplabV3+ 二、数据准备 三、修改代码 四、开始训练 五、测试 前言 在上一篇主要了解了语义分割,实例分割,全景分割的区别,以及labelme标注的数据进行转换,这边文章主要是通过deeplabV3+ 构建自己的语义分割平台 一、deeplabV3+ 上图所示,是deeplabV3+的主体框架,简单来说就是编码,解码的过
灰度变换 一、灰度变换概念 二、灰度变换的作用 三、灰度变换的方法 灰度化 一、灰度的概念 二、对彩色图进行灰度化 1.加权平均值法 2.取最大值 3.平均值 灰度的线性变换 1.线性变换 2.分段线性变换 灰度的非线性变换 1.对数变换 2.幂律变换 总结 一、灰度变换概念 在图像预处理中,图像的灰度变换是图
在我们读取图像时通常会用到imread()函数,里面flags可以决定通道数,来得到我们想要的图像,比如:-1 按解码得到的方式读入图像;0 单通道 灰度图;1 三通道 彩色;当我们想要其他类型的图像时,这种方法就有一些局限性了,所以我们有必要了解cvtColor 这是一种颜色空间转换函数。先看源码: void cvtColor(InputArray src, OutputArray dst,
opencv 中利用函数 findContours() 可以监测出物体的轮廓drawContours() 可以画出物体的轮廓 findContours()函数源码 void findContours(InputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method,
图像平滑 前言 一、均值滤波 1.均值滤波函数 2.均值滤波代码 二、高斯滤波 1.高斯滤波函数 2.高斯滤波代码 三、中值滤波 1.中值滤波函数 2.中值滤波代码 四、双边滤波 1.双边滤波函数 1.双边滤波代码 总结 前言 图像平滑是一种实用的数字图像处理技术,一个较好的平滑处理方法
几何变换 简介 一、图像平移 1.图像平移代码 (不改变图像大小) 2.图像平移代码 (改变图像大小) 二、图像旋转 1.图像旋转函数 2.仿射变换函数 3.代码 三、图像缩放 1.图像缩放函数 2.图像缩小代码 3.图像放大代码 总结 简介 图像的几何变换不改变图像的像素值,而是改变像素所在的几何位置,从变
1构造1.1 Mat img; 只是创建了一个Mat信息头,不会创建数据区1.2 Mat::Mat(int rows,int cols,int type)rows 列数cols 行数type 类型 Mat q = Mat::Mat(10, 1, CV_8UC3); cout << q; cout << endl; 1.3 Mat::Mat(Size si
1概念1.1 腐蚀跟膨胀是最基本的形态学运算1.2 腐蚀跟膨胀是对图像的白色的部分(亮光部分)进行操作1.3 腐蚀是对亮光部分进行腐蚀 拥有比原图更小的亮光部分1.4 膨胀是对亮光部分进行膨胀 拥有比原图更大的亮光部分 这里有一个误区假如说在图片上的一个字,很多人都会认为膨胀是将图片上的字进行膨胀放大实则不然 可以看到膨胀是将图片上的亮色区域进行放大,字就会变得更小,结构体够大的情况下,字
边缘检测 边缘检测简介 一、边缘检测步骤 二、Canny 1.函数 2.代码 二、Sobel 1.函数 2.代码 三、Scharr 1.函数 2.代码 三、Scharr 1.函数 2.代码 总结 边缘检测简介 边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变
在学习过程中,我们可以在图像中绘制一些几何图形,比如矩形,椭圆,线段,填充多边形等,这些函数都挺容易理解,下面简单看一下。 1.矩形,rectangle() 通过对角线上的两个顶点绘制矩形 void rectangle(InputOutputArray img, Rect rec, const Scalar& color, int thickness = 1, int li
卷积神经网络 迁移学习 迁移学习前言一、经典的卷积神经网络二、迁移学习的目标三、好处四、步骤五、代码 前言 在深度学习训练的过程中,随着网络层数的提升,我们训练的次数,参数都会提高,训练时间相应就会增加,我们今天来了解迁移学习 一、经典的卷积神经网络 在pytorch官网中,我们可以看到许多经典的卷积神经网络。附官网链接:https://pytorch.org/ 这里简单介绍一下经典的
经典卷积神经网络——resnet resnet前言一、resnet二、resnet网络结构三、resnet181.导包2.残差模块2.通道数翻倍残差模块3.rensnet18模块4.数据测试5.损失函数,优化器6.加载数据集,数据增强7.训练数据8.保存模型9.加载测试集数据,进行模型测试四、resnet深层对比 前言 随着深度学习的不断发展,从开山之作Alexnet到VGG,网络结构不断优
经典卷积神经网络——VGG16 VGG16前言一、VGG发展历程二、VGG网络模型三、VGG16代码详解1.VGG网络架构2.VGG16网络验证2.读取数据,进行数据增强3.训练模型,测试准确率四、VGG缺点 前言 我们都知道Alexnet是卷积神经网络的开山之作,但是由于卷积核太大,移动步长大,无填充,所以14年提出的VGG网络解决了这一问题 一、VGG发展历程 VGG网络由牛津大学在
卷积神经网络resent网络实践 文章目录 前言一、技术介绍二、实现途径三、总结 前言 上篇文章,讲了经典卷积神经网络-resnet,这篇文章通过resnet网络,做一些具体的事情。 一、技术介绍 总的来说,第一步首先要加载数据集,对数据进行一些处理,第二步,调整学习率一些参数,训练好resnet网络模型,第三步输入图片或者视频通过训练好的模型,得到结果。 二、实现途径 1.加载数
文章目录 一、区别 二、代码演示原图像与mask融合 三、数据处理 一、区别 语义分割:每个像素都打上标签(这个像素是人,树,背景等)语义分割只区分类别,不区分类别中的具体单元 实例分割:不光要区分类别,还要区分类别中的每一个个体 全景分割:相当于语义分割加上实例分割 二、代码演示原图像与mask融合 from PIL impo
文章目录 前言 一、YOLO简介 二、代码下载 三、数据集准备 四、配置文件的修改 1.data下的yaml 2.models下的yaml 3.训练train 五、搭载服务器训练 1.上传数据 2.租服务器 3.pycharm连接服务器 1.添加ssh 2.输入密码 3.配置服务器环境路径跟代码映射路径 4.解压数据 5.开始训练
积分
粉丝
勋章
TA还没有专栏噢
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信