更新了torch1.7.1对应的版本：    torch torchvision python     master / nightly master / nightly >=3.6   1.7.1 0.8.2 >=3.6   1.7.0 0.8.1 >=3.6   1.7.0 0.8.0 >=3.6   1.6.0 0.7.0 >=3.6   1.5.1 0.6.1 >=3.5   1.5.0 0.6.0 >=3.5   1.4.0 0.5.0 ==2.7, >=3.5, <=3.8   1.3.1 0.4.2 ==2.7, >=3...

1.下载mobaXterm 我们需要一个终端工具，mobaXterm是一个很强大的SSH终端工具，我们使用它来连接服务器。 下载网址：https://mobaxterm.mobatek.net/download.html   选择免费版的下载， 然后我选择了便携版本，下载完成后直接点击exe就可以使用了。  2.连接服务器 你需要有你要连接的服务器的IP，用户名和密码（不然你连接个串串哦） 打开MobaXterm： Session->new Session->SSH,如下图，然后，填写remote host 和 username，ok，然后右边控制台提示输入密码就可以连接了。  3...

都在代码里了。  import cv2 import os # 裁剪函数 def update(input_img_path, output_img_path): image = cv2.imread(input_img_path) print(image.shape) cropped = image[0:512, 0:512] # 裁剪坐标为[y0:y1, x0:x1] cv2.imwrite(output_img_path, cropped) # 图片所在路径 dataset_dir = 'D:\\mydata\\project\\seamdata\\photo\\pic' output_...

单个实现json_to_dataset方法： 在labelme的安装目录D:\files\anaconda\envs\yolo\Lib\site-packages\labelme\cli 下可以看到一个json_to_dataset.py，运行它即可。    批量实现json_to_dataset方法： 但是这样单个实现太浪费时间了哈，于是可以改进一下json_to_dataset.py文件，就可以批量转换了哈 将json_to_dataset的代码替换为： import argparse import json import os import os.path as osp import w...

GitHub链接： GitHub - milesial/Pytorch-UNet: PyTorch implementation of the U-Net for image semantic segmentation with high quality images 论文链接： https://arxiv.org/pdf/1505.04597v1.pdf 复现： 1.从GitHub下载源码以后，配置U-net的环境。 matplotlib numpy Pillow torch torchvision tensorboard future tqdm 2.配置完成后进行训练，但是我们没有数据集呀...

核心思想： 减而治之（逐渐缩小问题规模）。我们总是在区间[left..right]里查找元素目标。 （注意是左闭右闭区间。为什么不是「左闭右开」呢？「左闭右开」当然可以，但是我们 不想把精力花在「右边界是不是可以取到」这件事情上，并且 任意一个「左闭右开」区间一定唯一对应一个「左闭右闭」区间，所以到底是开区间还是闭区间，保持一致就可以。根据 mid 位置是不是目标元素，进而判断 mid 的左边是。）   基本思路： 根据待搜索区间里的中间元素 nums[mid] 与 target 的值的大小关系，判断下一轮搜索需要在哪个区间里查找，进而设置 left 和 right 的值。分为如下三种情况： ...

我看了很多边缘检测的教程，很多是基于matlab实现的，其实我们如果只是简单的边缘检测，我们可以直接调用已有的opencv的函数。如下 import cv2 import numpy as np img = cv2.imread('iamge.jpg', 0) # Sobel实现 sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5) sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5) edges_sobel = np.hypot(sobel_x, sobel_y) edges_sobel *=...

双目视觉的目标测距主要任务为利用双目相机完成对场景中物体或障碍物距离的计算，提供场景深度信息。 双目视觉的目标测距流程主要包括以下几个步骤：图像的获取、图像的矫正、立体匹配和距离计算。其中立体匹配是双目视觉中最重要和最困难的环节，不同的立体匹配算法有着不同的匹配策略，其匹配的精度和速度也会有很大差异。   目录 立体标定和立体校正 图像的立体匹配原理  立体匹配算法  局部匹配算法 半全局匹配算法 实现  立体标定和立体校正 在利用双目图像进行计算视差图和距离的时候，首先要做的步骤就是双目的立体标定和立体校正，它是双目视觉的基础。立体标定的原因是物体在三维空间中的位置与其在二维图像上的位置之间...

在形态学和数字图像处理中，顶帽和黑帽变换是用于从给定图像中提取小元素和细节的操作。在这两种类型的变换中，顶帽变换被定义为输入图像与其开口之间的差异被某种结构元素定义，而黑帽变换被定义为闭合图像和输入图像之间的差异。这些变换用于各种图像处理任务，例如特征提取、背景均衡、图像增强等。进行顶帽和黑帽转换会涉及到 使Opening和Closing形态学操作和结构元素等概念。    Top-Hat 和 Black-Hat 之间的区别： 顶帽过滤器用于增强暗背景中感兴趣的明亮物体。黑帽操作用于做相反的事情，在明亮的背景中增强感兴趣的暗对象。示例 1：顶帽变换 # Importing OpenCV impo...

最近在可视化一些数据，需要将坐标转化成直线，看了很多教程发现很多是错的，现在记录一下matplotlib库的pyplot函数的简单用法。 情况1：已知两点坐标 已知：两点坐标 p1,p2 想把他们连接起来，怎么办？ import matplotlib.pyplot as plt p1 = [5, 23] p2 = [16, 50] # 第一个参数是x的取值范围 第二个参数是y的取值范围 plt.plot([p1[0], p2[0]], [p1[1], p2[1]], color='r') # 画点 plt.scatter([p1[0], p2[0]], [p1[1], p2[1]], colo...

我是怎么中的病毒 起因是我在写课程报告的时候，有一个公式需要插，正好我的MathType过期了，我就想去找一个破解版，国内找了很久没找到，在知乎上看到一个方法说是可以去YouTube上找一个视频教程，下面的链接一般都靠谱。牛啊，我就赶紧去了YouTube，找了几个视频，第一个MathType的版本比较老，只能在Win7和Win8 上用。我就找了一个观看量只有几百的视频，鬼使神差地点了进去…隐隐觉得哪里不对劲，但是凭着本人混迹多年Internet的经历，本人还是点开视频下面的链接。 点进去就是很正常的软件下载的样子，就是一个crack为前缀的mathtype安装包。我没有怀疑啊，啪的点了下载啊，...

最近重装电脑，记录一下电脑安环境的过程，以防记忆丢失。 Python3.6: 下载地址，https://www.python.org/downloads/release/python-368/ Pycharm： 下载地址，https://www.jetbrains.com/pycharm/download/#section=windows Sublime Text3，优秀的代码编辑器： 下载地址，http://www.sublimetext.com/download Anaconda3.5.2 : 下载地址，https://mirrors.tuna.tsinghua.edu.cn/anacon...

1. 设置用户名和邮箱 当安装Git后首先要做的事情是设置用户名称和email地址。这是非常重要的，因为每次Git提交都会使用该用户信息设置用户信息 打开GIt Bash git config --global user.name “username” git config --global user.email “email” 查看配置信息 git config --list git config user.name 2.生成SSH Key # 你的Github绑定的邮箱 ssh-keygen -t rsa -C "***@gmail.com"  然后输入以下命令获取SS...

变换形式    可通过调整来调整该变换，最常用于伽马校正与对比度增强 Gamma 校正对于在屏幕上正确显示图像非常重要，以防止从具有不同显示设置的不同类型的显示器观看时图像变白或变暗。这样做是因为我们的眼睛以伽马曲线感知图像，而相机以线性方式捕捉图像。下面是应用伽马校正的 Python 代码： 原图：  分别设置gamm值为0.1，0.5, 1.5， 2.0进行伽马变换： import cv2 import numpy as np # Open the image. img = cv2.imread('e.bmp') # Trying 4 gamma values. for gamma in ...