a645061612的博客

推导见上面，我这里主要介绍如何用python 得到旋转矩阵和旋转向量，以及验证。opencv 右手系。以绕x轴旋转45°为例。

百度yolo目标检测，有开源模型作为布局分析，包括中文的表格

pd.merge 的笛卡尔积，依赖键值在左右表中不唯一的处理方式

python调用excel报错

目前正在作的内容，属于现状调研阶段。icdar 2021有这方面的比赛，贴几个论文： Table Structure Recognition using Top-Down.pdf Global Table Extractor (GTE)-号称打败下面.pdf Robust table recognition for printed document images.txt ReS2TIM Reconstruct Syntactic Structures from Table Images-19ICDA

DB 实践介绍

Abstract 在本文中，我们描述了一种新的移动架构，MobileNetV2，它改进了移动模型在多个任务和基准上以及在不同模型大小上的最新性能。我们还描述了将这些移动模型应用在称为SSDLite的对象检测的有效方法。此外，我们还演示了如何通过简化的DeepLabv3(我们称之为mobile DeepLabv3)来建立移动语义分割模型。 是基于倒剩余结构，其中的shortcut是在薄的bott...

与pse后处理的多核扩张相似，第一张图是最里kernel，第二张图是外层kernel。通过分水岭算法的从指定核心扩张，会形成下面的图： 可以看到两小核中间会有一条分界黑线 。 参考： 使用watershed作为psenet的后处理 - 简书 ...

下面的对模型代码的解析是转载的，yolo3的模型--用keras写的，是我从github上下载的，带训练好的权重。 关于视频检测和图片检测的预测部份，我没有实验。只跑了train.py部分，我跑的是不是tiny，是3个输出的model。 YOLO3百度云盘链接地址：https://pan.baidu.com/s/1Haf5DcnEyLkY7vFZDw--cg 分割线 ***********......

1-4原文链接：https://blog.csdn.net/u012223913/article/details/78533910 1. tf.Variable() W = tf.Variable(<initial-value>, name=<optional-name>) 用于生成一个初始值为initial-value的变量。必须指定初始化值 2.tf.get_v...

前言 在使用tensorflow编写LSTM代码的时候Tensorflow使用LSTM实现中文文本分类（二），使用到很多新的函数，在此将用到的新函数整理一下做一个笔记。 重要方法 tf.random_uniform_initializer() 功能：生成具有均匀分布的张量的初始化器 参数： minval：一个 python 标量或一个标量张量.要生成的随机值范围的下限 maxval：一个...

tf.reshape() tf.shape(x)与x.get_shape() 2018年04月24日 15:20:15Li_haiyu阅读数：465 tf.rehspe()用法 : tf.reshape(tensor, shape, name=None) >>> import tensorflow as tf >>> import numpy as ...

重点在于，第一个文件用于 训练，保存图meta和训练好的参数data（后缀），在另一个文件中导入这个图和训练好的参数，用于预测或者接着训练。大大减少了另一个文件里的 重复 1. 第一种情况是，产生变量的代码和恢复变量的代码在同一个文件时，可以直接如下调用： # 建模型 saver = tf.train.Saver() with tf.Session() as sess: ...

参数定义：rect 矩形的 x,y w h ,theta 这里的角度定义 逆时针为负，顺时针为正 rect1 = ((50,50), (100,100), 0) # x,y w,h rect2 = ((90,100), (50,2), 60) r1 = cv2.rotatedRectangleIntersection(rect1, rect2) # 区分正负角度，逆时针为负，顺时针为正 order_pts = cv2.convexHull(r1[1], returnPoints=True)

https://blog.csdn.net/kancy110/article/details/70980127?ops_request_misc=&request_id=&biz_id=102&utm_source=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1

https://blog.csdn.net/bryant_meng/article/details/104341591?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522158751879219724848331608%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fa...

https://blog.csdn.net/LoseInVain/article/details/88139435?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522158752423619725256732244%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall...

来自简书：https://www.jianshu.com/p/e59fb61808a0 PyCharm3.0默认快捷键(翻译的)PyCharm Default Keymap 1、编辑（Editing） Ctrl + Space 基本的代码完成（类、方法、属性） Ctrl + Alt + Space 快速导入任意类 Ctrl + Shift + Enter 语句完成 Ctr...

图像处理的基本步骤：获取图像数据—— 平滑处理 —— 边缘检测/阈值分析 —— 形态学操作 —— 获取某些特征点 —— 分析数据 二值化变换(binary transformation)：图像分割的一种方法。在二值化图象的时候把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，实现二值化。根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。 常用的二值化方法...

看了一篇《人工智障 2 : 你看到的AI与智能无关》 觉得文章写得很棒，对几个戳中的核心观点进行简单记录： ①当前对话系统的本质：填表（当然，我认为填表其实就是关键信息的提取，但是作为灵活对话，就会比较僵硬和局限）②对话的最终目的是为了同步思维③对话是思想从高维度向低维的投影④当人接收到低维的语言之后，会结合引用常识、自身的世界模型（后详），来重新构建一个思维中的模型，对应这个语言...