基于CNN的口罩识别
输入dnn模型文件找到脸的位置把脸裁剪出来，转化为blob批量将图片转化为blob和标注，保存为npz文件import cv2 import numpy as np import matplotlib.pyplot as plt import tqdm import os,glob %matplotlib inline face_detector = cv2.dnn.readNetFromCa
onehot理解
看代码，fit代表将传入的数组训练，transform代表转换fit_transform代表将传入的数组训练并转换返回enc = OneHotEncoder() enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) array = enc.transform([[0,1,3],[1,1,1]]) print(array) # 输出 # (0, 0) 1.0
pixellib防弹幕遮挡
注意：请使用conda创建新环境安装，否则可能会出现各种各样的bug实现思路：使用pixellib把视频的人使用实例分割，存储为灰度图，如果有多个人则合并成一张图。每一帧存储为一张遮住图import cv2 import numpy as np from pixellib.instance import instance_segmentation class VideoProcessor:
深度学习(2)：hog (Histogram 直方图 of Oriented 朝向 Gradients 梯度 渐变) 的理解
HOG (Histogram 直方图 of Oriented 朝向 Gradients 梯度 渐变)梯度：在图像处理中，梯度可以理解为图像亮度变化的方向和大小。如果一个像素点的亮度突然变化，那么这里就可能存在一个边缘。方向：梯度不仅有大小，还有方向。比如，一个边缘可能是水平的，也可能是垂直的，或者斜着的。step1：卷积求梯度# 假设一个图片是这样 img = np.array([ [15