-
[TOC]import cv2cv2.__version__'3.4.1'更改色彩空间学习目标： 改变色彩空间 $BGR \leftrightarrow Gray, BGR \leftrightarrow HSV$ 等。 创建一个应用程序来提取视频中的彩色对象 cv2.cvtColor(), cv2.inRange()改变色彩空间OpenCV 中有 150 多种色彩空间转化的方法，这里只讨论两种：$BGR \leftrightarrow Gray, BGR \leftrightarr...…
-
动手学深度学习
…
-
距离保护计算器
继电保护助手 距离保护计算器 Ⅰ段阻抗 z1（Ω）: Ⅱ段阻抗 z2（Ω）: Ⅲ段阻抗 z3（Ω）: 故障电流 I: 灵敏角 θ ...…
-
继电保护助手
继电保护助手 目录 距离保护计算器 差动保护计算器 博电5分钟之合并单元的做法 …
-
DBC
基本操作 在网站上创建一个钱包账号，创建以后会生成一个钱包地址，将钱包地址发送到群里面，会有工作人员会为你的账号进行充值。（有个密钥务必保存下来，丢了，谁也没办法） 充值成功后，需要绑定邮箱 开始租用设备 收到一条邮件通知，上面有服务器的账号和密码和 notebook 的地址 根据邮件的信息登录到远程服务器，我是使用的是 Xshell 建议一开始时，新建 python 虚拟环境（曾经遇到坑，python 版本不对代码运...…
-
决策树
决策树基础算法 决策树如何决定在哪个特征处分割？根据不同的方法来选择划分属性，从而衍生出不同的决策树算法。 ID3：用信息增益来进行决策树的划分属性的选择（使用信息增益的缺点：对取值数目较多的属性有所偏好，为减少这种影响，引入 C4.5），信息增益越大，纯度提升越大 C4.5：先从候选划分属性中找出信息增益高于平均水平的属性，再从中选取增益率最高的\(\begin{array}{c}{\text { Gain ratio }(D, a)=\frac{\oper...…
-
目标检测
一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD目标检测定义…
-
deeplearning_ai 深度卷积网络—实例探究
[TOC]经典卷积网络 LeNet AlexNet VGG-16（16 指的是该网络架构中卷积层和全连接层的个数总和）三篇论文的阅读顺序：2-3-1ResNets深的网络，会导致梯度消失和梯度爆炸 Residual block（残差块）ResNets 网络是由许多残差块构成的 有了残差神经网络使得训练更深的网络成为可能，训练的错误也会降低1×1 卷积的作用压缩信道数量并减少计算类似全连接层Inception 网络使用开源项目加上开源的框架来进行开发下载：git clone url...…
-
Github无法push问题
Github 无法 push出现以下这种情况：原因：DNS 被污染了解决：在 hosts 文件C:/windows/system32/drivers/etc/hosts中添加192.30.253.112 github.com保存后在终端ipconfig /flushdns 运行刷新配置参考资料：https://rovo98.github.io/posts/7e3029b3/Ip地址查询：https://www.ipaddress.com/Github 更新 fork参考资料：https:/...…
-
deeplearning_ai 卷积神经网络
[TOC]卷积神经网络的使用情形：Padding（填充） 为什么需要进行 Padding 操作 不使用 Padding 会使每次进行卷积运算后图像缩小 不使用 Padding 图像的边缘信息会丢失 常用的 Padding 操作 Valid：不填充 n×n * f×f => (n-f+1)×(n-f+1) Same：填充 n×n * f×f => (n+2p-f+1)×(n+2p-f+1) 输入与输出图像的尺寸大小相同 f：卷积内核常常使用奇数的原因 内核是...…
-
机器学习调参-模型发挥到极致
高级架构模式批标准化（keras 是 BatchNormalization）工作原理：训练过程中在内部保存已读取每批数据均值和方差的指数移动平均值。主要效果：有助于梯度传播，可以允许更深的网络，有些特别深的网络，只有多个 BatchNormalization 层才能进行训练BatchNormalization 层通常在卷积层或密集连接层之后使用BatchNormalization 有个 axis 参数：表示对哪个特征轴做标准化，默认为 -1，即输入张量的最后一个轴，使用时保证通道在后# 举...…
-
机器学习 | 猫狗大战
前言对于机器学习来说，数据的重要性无可厚非，大部分处理机器学习的问题都是在处理数据，包括数据的清洗，归一化等，好的数据质量能大大提高模型的预测性能但是对与初学者来说，数据变得不那么重要，因为学习机器学习主要学习算法思想以及如何实现，要善于站在前人的肩膀上对于计算机视觉领域，前辈们已经创建许多非常强大的图片数据集，如 Image-net: 『http://www.image-net.org/ 』 Google 图片数据库 『https://storage.googleapis.com/ope...…
-
Win 技巧
Win+R输入 “charmap” …
-
推荐几款不错的写作利器
[TOC]Typora Typora 是一款免费的写作工具，支持所有的 Markdown 语法，所写即所现 整理文件：Typora 提供文件树面板和文章（文件列表）面板，使您可以轻松管理文件 大纲面板：文档的大纲结构将在大纲面板中提取，这使您可以快速浏览文档并单击跳转到任何部分 导入和导出：可以导出包含书签的 PDF 文档 源代码模式和专注模式 字数统计：查看文档以单词，字符，行或阅读分钟为单位的大小微博图床 免费在线图床，是一个扩展程序，只需在 Google Chrome ...…
-
机器学习基础
[TOC]1. 机器学习的四个分支 监督学习 序列生成：给定图像，输出描述 语法树预测 目标检测：绘制边框 图像分割 无监督学习 聚类 降维 自监督学习 强化学习：通过评价好坏来进行学习2. 评估机器学习模型训练集、验证集、测试集 简单留出验证 K 折验证 数据打乱的重复 K 折验证sklearn 模块有拆分数据集的功能# 拆分数据集作为训练集和验证集from sklearn....…
-
2019-3-30-热点技术基础知识
增强现实（Augmented Reality，简称AR）对应VR虚拟实境一词的翻译称为实拟虚境或扩张现实，是指透过摄影机影像的位置及角度精算并加上图像分析技术，让屏幕上的虚拟世界能够与现实世界场景进行结合与交互的技术。这种技术于1990年提出。随着随身电子产品运算能力的提升，增强现实的用途也越来越广。应用： 精灵宝可梦 GO 增强现实应当被归为一种地理位置信息服务（GIS），是地图、GPS地图导航的升级。[6]在GPS地图导航中，类似PAPAGO!等导航软件提供商通过在他们的导航地图中...…
-
OpenCV 系列教程6 | OpenCV 图像处理（下）
[TOC]图像轮廓基本理论轮廓可以简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度。轮廓是形状分析和物体检测和识别的有用工具。 处理轮廓时，使用的是二进制图像，首先应该使用阈值处理或者边缘检测( canny ) cv2.findContours(), cv2.drawContours()findContours(image, mode, method[, contours[, hierarchy[, offset]]]) -> image, contours, ...…
-
OpenCV 系列教程5 | OpenCV 图像处理（中）
[TOC]霍夫变换基本概念霍夫变换是一种特征提取技术，主要应用于检测图像中的直线或者圆。OpenCV 中分为霍夫线变换和霍夫圆变换。霍夫线变换分类 标准霍夫变换（SHT） cv2.HoughLines 多尺度霍夫变换 （MSHT） cv2.HoughLines 累计概率霍夫变换 （PPHT） cv2.HoughLinesP注意：在使用霍夫线变换之前，首先要对图像进行边缘检测的处理，即霍夫线变换的直接输入只能是边缘二值图像标准霍夫变换使用极坐标来表示直线，对于在笛卡尔坐...…
-
OpenCV 系列教程3 | Core 组件.md
[TOC]基本知识 灰度图像的存储方式： 多通道图像存储方式OpenCV 中的通道存储为 BGR像素值的存储方式 RGB 模式，显示设备采用这种模式 HSV、HLS 将颜色分解成色调、饱和度和亮度/明度 YCrCb 在 JPEG 图像格式中广泛使用 CIE Lab* 是一种感知上均匀的颜色空间，它适用来度量两个颜色之间的距离图片的基本操作学习目标： 访问像素值并修改 访问图片属性 设置图像区域（ROI） 拆分、合并图像这一节主要大部分涉及 Numpy 库的使用访问并且修...…
-
OpenCV 系列教程 2 | OpenCV 的 GUI 特性
[TOC]图像入门学习目标： 图像的读取、显示、保存 学习三个函数：cv2.imread(), cv2.imshow() , cv2.imwrite() 使用 Matplotlib 来显示图像# 导入常用包#%matplotlib notebookimport numpy as npimport cv2import matplotlib.pyplot as plt读取显示图像img = cv2.imread("img.jpg", 0) # 1: 显示原始图， 0：灰度图 -1：加载...…
