最白の白菜的博客

本篇文章分成三部分：MobaXterm 简单介绍与使用、Docker容器中安装Anaconda、CUDA与Pyorch、配置Pycharm以及Jupyter连接远程服务器。

OpenCV作业及近阶段学习总结作业描述不太理解为啥不让用OpenCV的API，明明可以直接可以一行代码搞定。。。。。numpy代码如下：均值滤波import cv2import numpy as np# 均值滤波def mean_filter(img, K_size=3): H, W, C = img.shape # zero padding pad = K_size // 2 out = np.zeros((H + pad * 2, W + pad

目录OpenCV中视频操作及人脸识别案例视频操作视频读写从文件中读取视频并播放保存视频小结视频追踪meanshiftCamshift算法总结小结案例:人脸案例人脸识别基础实现小结OpenCV中视频操作及人脸识别案例主要内容：视频文件的读取和存储视频追踪中的meanshift和camshift算法人脸识别案例视频操作视频读写学习目标掌握读取视频文件，显示视频，保存视频文件的方法从文件中读取视频并播放在OpenCV中我们要获取一个视频，需要创建一个VideoCapture对象，指定

目录图像特征提取与描述图像的特征Harris和Shi-Tomas算法Harris角点检测Shi-Tomasi角点检测小结SIFT/SURF算法SIFT原理基本流程尺度空间极值检测关键点定位关键点方向确定关键点描述SURF原理小结Fast和ORB算法Fast算法FAST算法的基本流程机器学习的角点检测器非极大值抑制ORB 算法ORB算法流程BRIEF算法小结LBP和HOG特征算子LBP算法LBP特征描述圆形LBP算子旋转不变LBP特征Uniform Pattern LBP特征实现HOG算法特征提取流程颜色空间

问题描述cv2.error: OpenCV(4.1.2) error: OpenCV(4.1.2) /io/opencv_contrib/modules/xfeatures2d\src\sift.cpp:1207: error: (-213:The function/feature is not implemented) This algorithm is patented and is excluded in this configuration; Set OPENCV_ENABLE_NONFREE C

代码报错ValueError: not enough values to unpack (expected 3, got 2)原因是新版本只返回两个参数了原代码image, contours, hierarchy = cv.findContours(canny,cv.RETR_TREE,cv.CHAIN_APPROX_NONE)去掉第一个参数。替换如下contours, hierarchy = cv.findContours(canny, cv.RETR_TREE, cv.CHAIN_APPR

昨天一天都在学习这方面的内容，实在太多了，笔记字数显示3万字。。。我就不直接把文档拷贝发布了，我把笔记上传到资源里面，大家可以免费下载，其中包含了笔记图片，下载地址如下：https://download.csdn.net/download/qq_43966129/83823235?spm=1001.2014.3001.5501文章目录大概是这样的：...

目录OpenCV基本操作图像的基础操作读取图像显示图像保存图像绘制几何图形绘制直线绘制圆形绘制矩形向图像中添加文字效果展示获取并修改图像中的像素点获取图像的属性图像通道的拆分与合并色彩空间的改变基础操作总结算数操作图像的加法图像的混合算术操作总结OpenCV基本操作主要介绍图像的基础操作，包括：图像的IO操作，读取和保存方法在图像上绘制几何图形怎么获取图像的属性怎么访问图像的像素，进行通道分离，合并等怎么实现颜色空间的变换图像的算术运算图像的基础操作学习目标掌握图像的读取和保存方

问题描述DisabledFunctionError: cv2.imshow() is disabled in Colab, because it causes Jupyter sessions to crash; see https://github.com/jupyter/notebook/issues/3935.问题解决如果使用的是 google colab，用此解决方案，替换报错的那一行：from google.colab.patches import cv2_imshowcv2_imsh

目录OpenCV入门图像处理简介图像是什么模拟图像和数字图像数字图像的表示图像的分类图像处理总结OpenCV简介及安装方法OpenCV简介OpenCV-PythonOpenCV部署方法OpenCV总结OpenCV的模块OpenCV入门主要介绍：图像的起源和数字图像OpenCV的简介及其部署方法OpenCV中包含的主要模块。图像处理简介学习目标了解图像的起源知道数字图像的表示图像是什么图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”是物体反射

Mask RCNN学习目标说明Mask RCNN的结构特点掌握Mask RCNN的RoIAlign方法掌握Mask RCNN的mask原理知道Mask RCNN的损失函数上图是MaskRCNN预测的结果Mask RCNN流程Mask-RCNN是一个实例分割（Instance segmentation）网络框架，通过增加不同的分支可以完成目标分类，目标检测，实例分割等多种任务。具体来讲，就是在Faster-RCNN的基础上增加了一个分支，在实现目标检测的同时分割目标像素，其分支结构如下图

UNet案例学习目标了解宠物图像分割数据集能够完成UNet网络的搭建能够完成UNet网络的训练与预测任务及数据集简介使Oxford-IIIT Pet Dataset宠物图像分割数据集，包含37种宠物类别，其中有12种猫的类别和25种狗的类别，每个类别大约有200张图片，所有图像都具有品种，头部ROI和像素级分割的标注，如下图所示：图像分割时共分为前景，背景和不确定3种，图像数据包含的类别及对应的数量如下图所示：​ 数据集的目录结果如下所示：\segdata1、Images：存储数

目录语义分割：FCN和UNetFCN网络网络结构全卷积部分上采样部分跳层连接FCN总结Unet网络总结语义分割：FCN和UNet学习目标了解FCN的结构了解FCN的上采样方法及跳层连接掌握Unet网络结构FCN网络FCN（Fully Convolutional Networks） 用于图像语义分割，自从该网络提出后，就成为语义分割的基本框架，后续算法基本都是在该网络框架中改进而来。对于一般的分类CNN网络，如VGG和Resnet，都会在网络的最后加入一些全连接层，经过softmax后就

目录目标分割介绍图像分割的定义任务类型任务描述任务类型常用的开源数据集VOC数据集城市风光Cityscapes数据集评价指标像素精度平均像素精度平均交并比总结目标分割介绍学习目标知道图像分割的目的知道图像分割的任务类型知道图像分割的常见数据集知道图像分割的评估方法计算机视觉旨在识别和理解图像中的内容，包含三大基本任务：图像分类(图a)、目标检测(图b)和图像分割,其中图像分割又可分为：语义分割(图c)和实例分割(图d)。这三个任务对图像的理解逐步深入。假设给定一张输入图像，图像分类

目标检测作业及阶段总结01.NMS作业问题描述解答第一问解答# 加载盘from google.colab import drivedrive.mount('/content/drive/')# 指定当前的工作文件夹import os# 此处为google drive中的文件路径,drive为之前指定的工作根目录，要加上os.chdir("/content/drive/My Drive/Colab/Notebooks/") 注：代码是在Colab中运行的，如果是本机运行，以上代码

目录SSD算法SSD网络结构backboneextra部分loc和clsPriorBox层先验框的生成方法loc的预测结果模型训练正负样本标记损失函数困难样本挖掘模型预测总结SSD算法学习目标知道SSD的多尺度特征图的网络知道SSD中先验框的生成方式知道SSD的损失函数的设计目标检测算法主要分为两类：Two-stage方法：如R-CNN系列算法，主要思路就是通过Selective Search或者CNN网络产生一系列的稀疏矩阵的候选区域，然后对这些候选区域进行分类和回归，two-stag

YoloV3 案例学习目标熟悉TFRecord文件的使用方法知道YoloV3模型结构及构建方法知道数据处理方法能够利用yoloV3模型进行训练和预测数据获取根据要实现的业务场景，需要收集大量的图像数据，一般来说包含两大来源，一部分是网络数据，可以是开源数据，也可以通过百度、Google图片爬虫得到，另一部分是用户场景的视频录像，这一部分的数据量会更大。对于开源数据我们不需要进行标注，而爬取的数据和视频录像需要进行标注，这时我们可以使用开源工具labelImg进行标注，该软件截图如下：

工具推荐-Colab介绍与使用方法之所以能够接触到Colab，是由一位好朋友的推荐，首先得先感谢他安利了这么好的一个东西，哈哈哈！我先浅聊一下我目前对这个Colab的理解吧，我认为它就相当于一台云主机，由Google 云端硬盘作为存储地，所以首先得要有Google 云端硬盘，它可以在Google硬盘上面搭建起来，然后可以在文件夹下新建像Jupyter里面那样的notebook文件，关联Colab，可以运行代码了。为什么说它好呐？对于我来说，我的Anaconda安装在了C盘，学习深度学习等方面的东西时，C