原创 Datawhale 零基礎入門CV - Task 03 字符識別模型

Datawhale 零基礎入門CV賽事-Task3 字符識別模型 在前面的章節,我們講解了賽題的背景知識和賽題數據的讀取。本章開始構建一個字符識別模型,基於對賽題理解本章將構建一個定長多字符分類模型。 3 字符識別模型 本章將會講

原创 Datawhale 零基礎入門CV - Task 05 模型集成

Datawhale 零基礎入門CV賽事-Task5 模型集成 在上一章我們學習瞭如何構建驗證集,如何訓練和驗證。本章作爲本次賽題學習的最後一章,將會講解如何使用集成學習提高預測精度。 5 模型集成 本章講解的知識點包括:集成學習方

原创 Datawhale 零基礎入門CV - Task 04 模型訓練與驗證

Datawhale 零基礎入門CV賽事-Task4 模型訓練與驗證 在上一章節我們構建了一個簡單的CNN進行訓練,並可視化了訓練過程中的誤差損失和第一個字符預測準確率,但這些還遠遠不夠。一個成熟合格的深度學習訓練流程至少具備以下功

原创 crypto安裝

pip install pycryptodome

原创 Datawhale 零基礎入門CV - Task 02 數據讀取與數據擴增

Task2 數據讀取與數據擴增 2 數據讀取與數據擴增 本章主要內容爲數據讀取、數據擴增方法和Pytorch讀取賽題數據三個部分組成。 2.1 學習目標 學習Python和Pytorch中圖像讀取 學會擴增方法和Pytorch讀

原创 Datawhale 零基礎入門CV - Task 01 賽題理解

1 賽題理解 賽題名稱:零基礎入門CV之街道字符識別 賽題目標:通過這道賽題可以引導大家走入計算機視覺的世界,主要針對競賽選手上手視覺賽題,提高對數據建模能力。 賽題任務:賽題以計算機視覺中字符識別爲背景,要求選手預測街道字符編

原创 java-LinkedList用法

java中文API文檔 構造方法 構造方法 LinkedList() 構造一個空列表。 LinkedList(Collection<? extends E> c) ) 構造一個包含指定 collection

原创 pyinstaller 遇到的問題

問題一:failed to execute script pyi_rth_pkgres 解決方法: pip uninstall pyinstaller pip install https://github.com/pyinstal

原创 Task06 邊緣檢測

6.1 簡介 6.1.1 什麼是邊緣? 邊緣是圖像強度函數快速變化的地方 6.1.2 如何檢測邊緣? 爲了檢測邊緣,我們需要檢測圖像中的不連續性,可以使用導數來檢測不連續性。 如上圖所示,上圖的第一幅圖表示一張數字圖片,我們對水

原创 Task05. 閾值分割——二值化

Datawhale 計算機視覺基礎-圖像處理(上)-Task05 圖像分割/二值化 5.1 簡介 該部分的學習內容是對經典的閾值分割算法進行回顧,圖像閾值化分割是一種傳統的最常用的圖像分割方法,因其實現簡單、計算量小、性能較穩定而

原创 PyQt5-繼承方式創建一個界面

當我們使用desginer設計好了一個界面之後,我們可以直接去實例化界面。 if __name__ == '__main__': import sys app = QApplication(sys.argv)

原创 Task04 圖像濾波

4.1 簡介 圖像的實質是一種二維信號,濾波是信號處理中的一個重要概念。在圖像處理中,濾波是一種非常常見的技術,它們的原理非常簡單,但是其思想卻十分值得借鑑,濾波是很多圖像算法的前置步驟或基礎,掌握圖像濾波對理解卷積神經網絡也有一

原创 Task03 彩色空間互轉

3.1 簡介 圖像彩色空間互轉在圖像處理中應用非常廣泛,而且很多算法只對灰度圖有效;另外,相比RGB,其他顏色空間(比如HSV、HSI)更具可分離性和可操作性,所以很多圖像算法需要將圖像從RGB轉爲其他顏色空間,所以圖像彩色互轉是

原创 Task02 幾何變換

2.1 簡介 該部分將對基本的幾何變換進行學習,幾何變換的原理大多都是相似,只是變換矩陣不同,因此,我們以最常用的平移和旋轉爲例進行學習。在深度學習領域,我們常用平移、旋轉、鏡像等操作進行數據增廣;在傳統CV領域,由於某些拍攝角度

原创 Task01 圖像插值算法

anaconda換源鏈接 Datawhale 計算機視覺基礎-圖像處理(上)-Task01 OpenCV框架與圖像插值算法 1.1 簡介   在圖像處理中,平移變換、旋轉變換以及放縮變換是一些基礎且常用的操作。這些幾何變換並不改變