一、数据准备 　　首先要做一些数据准备方面的工作：一是把数据集切分为训练集和验证集， 二是转换为tfrecord 格式。在data_prepare／文件夹中提供了会用到的数据集和代码。首先要将自己的数据集切分为训练集和验证集，训练集用于训练模型， 验证集用来验证模型的准确率。这篇文章已经提供 ...

原文地址：参数和非参数模型——当我谈到参数我在说些什么 - 知乎 (zhihu.com) 对观察数据集进行描述 假如现在给我们观察数据，其中 是表征这个观察数据的特征和标签，其中的表示特征维度，表示样本数量。 如果我们尝试对这个观察数据进行模型描述，我们可以怎么描述呢？把这个问题记住，我们继续 ...

今天去图书馆看到了一本《visual c++数字图像模式识别典型案例详解》，觉得挺好准备入门，找合适的c++编译器都找了一下午。从visual studio到eclipse for c++,要不是被我党屏蔽，要么是网速巨慢。然后找到了一些少有人知道的网站，下载了ide文件，但是安装时又出 ...

图像入门 一、读取图像 在opencv中使用cv.imread(filename, flags)函数读取图像。filename参数表示读取图像的路径。读取图像的路径应完整给出，且不能含有中文，否则在调用cv.show()函数显示图片时会显示以下错误： 第二个参数是一个flag，表示读取图像 ...

1.目标 本篇文章介绍的重点是如何使用TensorFlow在自己的图像数据上训练深度学习模型，主要涉及的方法是对已经预训练好的ImageNet模型进行微调（Fine-tune）。使用谷歌的Colaboratory（python3 环境）实现。 2.微调原理 什么是微调？这里以VGG16为例 ...

3.1 微调的原理 在已经训练好的模型中，对指定层进行参数的微调，使之适应新的问题。 3.2 数据准备 将数据集切分成训练集和验证集 将数据转换为tfrecord格式 首先需要将数据转换成tfrecord的形式。在data_prepare文件夹下，运行 ...

Googlenet模型进行图像分类 有三个文件需要下载： 第一个是caffe模型，第二个是整个网络的描述文件，第三个是1000种分类对应的名称表 主要的API有以下： 1.blobFromImage函数 ...

噪声来源 相机传感器在拍摄图像的时候，可能会收到外界环境以及感光芯片本身质量的影响，成像之后在传输的过程中的传输介质也可能受到其他干扰，导致最终接收到的图像上存在一些干扰信息，这些干扰信息，被称之为噪声。在后续的图像分析过程中，如果不事先把噪声去除掉，将会影响图像分析的结果。 接下 ...