注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 车牌识别与定位

  2. 定位图像中的车牌 python opencv 灰度化 /**********************************************************************************\ 车牌识别总思路 一：载入图像，初步处理，并二值化； //二值化 二：寻找含有车牌有效信息的区域 //定位 1:找上行位置 2;找下行位置 3:找左列位置 4:找右列位置 三：提取ROI并归一化处理 //ROI 四：分割字符并画白线显示分割区域 //分割 五：定位每个字符的区域

  3. 所属分类：Python

    • 发布日期：2018-12-15
    • 文件大小：5242880
    • 提供者：qq_29455547

  1. 基于傅里叶算子的手势识别的完整源代码（Python实现，包含样本库）

  2. 关于代码的介绍可以参考https://blog.csdn.net/qq_41562704/article/details/88975569，代码基于Win10 + Python3.7环境，对采集的图片进行了图像平滑，基于OTSU阈值的肤色分割，基于八邻域搜索法进行轮廓检测操作，最终完成了手势图片从采集到轮廓曲线的提取过程，对已得到的轮廓曲线提取其傅里叶描述子和椭圆傅里叶描述子，并分别进行了归一化处理。用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了

  3. 所属分类：机器学习

    • 发布日期：2019-08-04
    • 文件大小：148897792
    • 提供者：qq_41562704

  1. Python-SemanticImageSynthesiswithSPADE空间自适应归一化的语义图像合成

  2. Semantic Image Synthesis with SPADE：空间自适应归一化的语义图像合成

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：22020096
    • 提供者：weixin_39840924

  1. opencv的全部基础操作，很实用，我从github上下载的，例子都调试过。anaconda3，python3.7，opencv4调试通过。

  2. code_001 | [图片读取与显示](python/code_001/opencv_001.py) | ✔️ code_002 | [图片灰度化](python/code_002/opencv_002.py) | ✔️ code_003 | [图像创建与赋值](python/code_003/opencv_003.py) | ✔️ code_004 | [图像像素读写](python/code_004/opencv_004.py) | ✔️ code_005 | [图像像素算术操作(加减乘

  3. 所属分类：图像处理

    • 发布日期：2019-08-23
    • 文件大小：37748736
    • 提供者：neu1835

  1. python实现几种归一化方法（Normalization Method）

  2. 主要介绍了python实现几种归一化方法（Normalization Method），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：82944
    • 提供者：weixin_38744435

  1. python实现栅格数据批量归一化

  2. 图像归一化，就是(数值-min)/(max-min)，把结果都划归到0-1范围，便于不同变量之间的比较，取消了不同数量差别。我们利用python的arcpy包对栅格数据批量归一化，而且再保证属性中没有最大值和最小值信息的情况下也能实现归一化计算。

  3. 所属分类：专业指导

    • 发布日期：2020-10-17
    • 文件大小：783
    • 提供者：qq_38395698

  1. Python实现基于KNN算法的笔迹识别功能详解

  2. 本文实例讲述了Python实现基于KNN算法的笔迹识别功能。分享给大家供大家参考，具体如下： 需要用到： Numpy库 Pandas库 手写识别数据 点击此处本站下载。 数据说明： 数据共有785列，第一列为label，剩下的784列数据存储的是灰度图像(0~255)的像素值 28*28=784 KNN(K近邻算法)： 从训练集中找到和新数据最接近的K条记录，根据他们的主要分类来决定新数据的类型。 这里的主要分类，可以有不同的判别依据，比如“最多”，“最近邻”，或者是“距离加权”。

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：108544
    • 提供者：weixin_38608866

  1. Python图像灰度变换及图像数组操作

  2. 使用python以及numpy通过直接操作图像数组完成一系列基本的图像处理 numpy简介： NumPy是一个非常有名的 Python 科学计算工具包,其中包含了大量有用的工具,比如数组对象(用来表示向量、矩阵、图像等)以及线性代数函数。 数组对象可以实现数组中重要的操作,比如矩阵乘积、转置、解方程系统、向量乘积和归一化。这为图像变形、对变化进行建模、图像分类、图像聚类等提供了基础。 在上一篇python基本图像操作中,当载入图像时,通过调用 array() 方法将图像转换成NumPy的数组对象

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：272384
    • 提供者：weixin_38512659

  1. PyTorch学习笔记（二）图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法，包括数据增强和标准

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：1048576
    • 提供者：weixin_38524472

  1. PyTorch学习笔记（二）图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法，包括数据增强和标准

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：1048576
    • 提供者：weixin_38546817

  1. win10+Python3.7.3+OpenCV3.4.1入门学习（二十章 K近邻算法）————20.2 K近邻算法计算

  2. Python版本是Python3.7.3，OpenCV版本OpenCV3.4.1，开发环境为PyCharm 文章目录20.2 计算20.2.1 归一化20.2.2 距离计算 20.2 计算 计算机的“感觉”是通过逻辑计算和数值计算来实现的。所以，在大多数的情况下，我们要对计算机要处理的对象进行数值化处理，将其量化为具体的值，以便后续处理。比较典型的方法是取某几个固定的特征，然后将这些特征量化。例如，在人脸识别的过程中，可以根据人脸部器官的形状描述以及它们之间的距离特性来获取有助于分类的特征数据

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：83968
    • 提供者：weixin_38679449

  1. SPADE：使用SPADE进行语义图像合成-源码

  2. 利用SPADE进行语义图像合成 | | | 具有空间自适应归一化的语义图像合成。 ，，，和。 在CVPR 2019（口服）中。 版权所有（C）2019 NVIDIA Corporation。 版权所有。 根据 （ Attribution-NonCommercial-ShareAlike 4.0 International ）许可 该代码仅供学术研究使用。 对于商业用途，请联系 。 安装 克隆此仓库。 git clone https://github.com/NVlabs/SPADE.git

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：22020096
    • 提供者：weixin_42121725

  1. gustavo_machado_demos：图像处理，图形和Android演示-源码

  2. gustavo_machado_demos 图像处理： 中值过滤器演示（Python） Sobel筛选器演示（Python） 归一化互相关（Matlab） 图形与物理： 布料模拟（C ++，CX） 安卓： Recylerview和自定义控件（Java）

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：886784
    • 提供者：weixin_42130862

  1. FrEIA：易于逆转架构的框架-源码

  2. 这是神父amework对于E asily我nvertible一个rchitectures（FrEIA）。 从简单的可逆构建模块构建可逆神经网络（INN）。 快速构建复杂的可逆计算图和INN拓扑。 正向和反向计算保证自动工作。 提供了最常见的可逆变换和运算。 轻松添加您自己的可逆转换。 目录 我们的以下论文使用FrEIA，并提供以下代码的链接。 “用竞争性生成分类的信息瓶颈训练归一化流”（2020年） 论文： : 代码： ： “通过非线性ICA与常规不可压缩流网络（GIN）

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：851968
    • 提供者：weixin_42136826

  1. SimGAN：苹果通过对抗训练从模拟和无监督图像中学习的实施-源码

  2. 辛甘 Keras实施Apple 跑步 从安装dlutils： $ pip install -U git + 要么 $ git clone $ python setup.py安装开发 python3 sim - gan . py PATH_TO_SYNTHESEYES_DATASET PATH_TO_MPII_GAZE_DATASET 在苹果的论文中，他们使用生成了约120万张合成图像。 我在Mac上，因此我只使用了易于使用的。 这很小（仅约11,000张图像），所以如果有人可以使用生成

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：10240
    • 提供者：weixin_42173218

  1. SciPy-stereo-sgm：立体图像深度重建，包括全部获胜者通吃（WTA）和具有绝对差之和（SAD），平方差之和（SSD）和归一化互相关的半全局匹配（SGM） （NCC）基于匹配的成本，使用Numpy和Numba在Python中实现，

  2. 立体声匹配 *作者： （2020年1月） 总览 这个小工具是简单的立体声匹配的手动实现。 从不同的角度拍摄的两个经过校正的图像： 左图 正确的图像 通过两个匹配算法来组合以深度图像，简单胜者为王它，所有（WTA）或更复杂的半全局匹配（SGM）与绝对差的几个匹配成本（和（SAD），总和平方差（SAD）或归一化互相关（NCC） ）。 使用accX精度度量将结果与真实情况进行比较，不包括使用遮罩遮挡的像素。 公式 有关所涉及公式的精确细节（匹配成本，匹配算法和精度度量），请参阅Theory.p

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42115074

  1. DeepNetworks：我的深度神经网络实践-源码

  2. 深度网络 我对深度神经网络的实现。 实施方法 该存储库实现以下内容： 亚像素卷积：， 转换后的参数ReLU：， 重量归一化：， 标签平滑：， Wasserstein GAN：， Wasserstein GAN的改进培训：， 深度后悔分析生成对抗网络：， 使用辅助分类器GAN进行条件图像合成： 学习通过生成对抗网络发现跨域关系：， Minibatch Stat级联：， 要求 张量流> = 1.4.0 Python 3

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42107374

  1. Python工作坊中的机器学习：我的研讨会使用python语言实现不同算法的机器学习-源码

  2. Python工作坊中的机器学习 我的机器学习研讨会使用python语言实现不同算法（伊朗大不里士大学，2017年）。 内容 第1部分：使用现有软件包进行机器学习（第1至5周） 第01周和第02周： Numpy和Matplotlib软件包简介 第03周和第04周：使用Scikit Learn进行监督学习 第05周：使用Scikit Learn进行无监督学习 第2部分：实现我们的机器学习算法和模型（第5周至第10周） 第六周：线性分类 第07周：实现损耗功能（Softmax损耗和SVM损耗）

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：37748736
    • 提供者：weixin_42131633

  1. python实现直方图均衡化（用opencv实现）

  2. python实现直方图均衡化 图像灰度变换中一个非常有用的例子就是直方图均衡化。直方图均衡化是指将一幅图像的灰度直方图变平，使变换后的图像中每个灰度值的分布概率都相同。在对图像做进一步处理之前，直方图均衡化通常是对图像灰度值进行归一化的一个非常好的方法，并且可以增强图像的对比度。 代码如下： import cv2 img = cv2.imread( C:\\Users\\wei\\Pictures\\Saved Pictures\\apple.jpg,0) dst2 = cv2.equalize

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：168960
    • 提供者：weixin_38656462

  1. python opencv-图像数据归一化

  2. 1.1.定义：归一化把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。 1.2.优点：归一化使数据有可比性，同时又保持相比较的两个数据之间的相对关系 转换成标准模式，防止仿射变换的影响。 减小几何变换的影响;加快梯度下降求最优解的速度,收敛加快 1.3.作用：归纳统一样本统计分布;归一化在0-1是统计概率分布;归一化在某区间上是统计的坐标分布 1.4.方法： 1）线性函数转换：y=(x-MinValue)/(MaxValue-MinValue) 2）

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：72704
    • 提供者：weixin_38725260
« 12 »