您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 图像数据增强

  2. 图像数据增强,包括旋转,颜色变暗,变量,镜像等等,基于python,可进行批量图像处理。保证可用,好用。对于做深度学习特别好用。
  3. 所属分类:深度学习

    • 发布日期:2018-07-17
    • 文件大小:1kb
    • 提供者:qq_40474147
  1. 离线数据增强 VOC2007数据集

  2. 在参加一个目标检测的比赛时写的一个代码,因为官方提供的数据集较小,深度学习需要的数据集也比较大,因而自己便做了一个数据离线增强,即通过翻转、旋转、加噪声等方式扩充数据集
  3. 所属分类:深度学习

    • 发布日期:2019-04-10
    • 文件大小:7kb
    • 提供者:liaokou0551
  1. 离线数据增强 VOC2007数据集

  2. 在参加一个目标检测的比赛时写的一个代码,因为官方提供的数据集较小,深度学习需要的数据集也比较大,因而自己便做了一个数据离线增强,即通过翻转、旋转、加噪声等方式扩充数据集
  3. 所属分类:深度学习

    • 发布日期:2019-04-15
    • 文件大小:295kb
    • 提供者:xinyu_cheng
  1. 数据增强代码data_augmentation.py

  2. 数据增强技术,采用开源框架keras代码库进行数据扩增,通过平移、旋转、裁剪、等方法对原始图像进行操作,得到更多的类似的目标图像。
  3. 所属分类:Python

    • 发布日期:2020-04-15
    • 文件大小:984byte
    • 提供者:MyGrit
  1. 将b→s $$ $$ b \连接到sell \ overline {\ ell} $$异常与增强的稀有非轻子B的0 $$ {\ overline {B}} _ s ^ 0 $$在Z上衰减 模型

  2. 关于b→sμ+μ-过程中的多个可观测值的当前数据显示出与标准模型(SM)的某些张力。 假设这些异常具有新的物理学起源,我们考虑Z'玻色子对它们负责的可能性。 我们进一步假设它与夸克的相互作用也影响B的0 $ {\ overline {B}} _ s ^ 0 $$介子的罕见非轻子衰变,这纯粹是违反等旋旋转的,并且倾向于由弱电企鹅贡献 ,即B s 0→η,η',ϕπ0ρ0 $$ {\ overline {B}} _ s ^ 0 \ to \ \ left(\ eta,\ eta ^ {\ prime
  3. 所属分类:其它

    • 发布日期:2020-04-09
    • 文件大小:659kb
    • 提供者:weixin_38746951
  1. 自动生成目标检测和实例分割数据.zip

  2. 写脚本自动生成目标检测和实例分割的训练数据,帮忙图像方面项目,python写的,根据自己的需求可以修改,包括一些图像的增强操作,旋转膨胀腐蚀等
  3. 所属分类:Python

    • 发布日期:2020-01-07
    • 文件大小:9kb
    • 提供者:qq_34510308
  1. python图像数据增强

  2. 此代码用于实现图像数据增强,对图片进行批量处理。包括图片旋转、翻转、模糊、增加噪声、亮度几种处理。运行需要安装python、opencv、numpy等。 使用时将图片统一放在img文件夹中,并将img文件夹和下载的py文件放在一起。
  3. 所属分类:深度学习

    • 发布日期:2019-03-16
    • 文件大小:3kb
    • 提供者:qq_43019451
  1. VOC数据图片和xml同时增强

  2. VOC数据图片和xml同时增强,包含旋转、平移、图片重新resize、加噪、随机切割等,同步生成xml文件,保证数据增强的图片与原图的bbox框不发生改变
  3. 所属分类:深度学习

    • 发布日期:2020-09-21
    • 文件大小:15kb
    • 提供者:weixin_38842821
  1. 图像批量数据增强(平移、旋转,翻转,对比度增强等)

  2. 图像的批量数据增强。程序需要python环境,使用起来方便快捷。只需修改图片来源和输出路径,并根据功能调整即可
  3. 所属分类:Python

    • 发布日期:2020-09-20
    • 文件大小:4kb
    • 提供者:qq_43083238
  1. 旋转环境下基于FPGA的多通道数据采集系统设计

  2. 为了满足某大型旋转机械设备在监测过程中实时性高精度多通道的采集需求,提出了一种基于FPGA的多通道振动信号采集检测系统的设计方案。系统采用主/从式FPGA架构,在强噪声环境下实现了采样频率为100 kHz的128通道并行实时数据采集功能。然后通过设计一种参数可调的随机共振信号检测系统,提高了信号信噪比,增强了系统在旋转环境下检测的准确性。经测试验证,该系统具有良好的实时性、稳定性和有效性。
  3. 所属分类:其它

    • 发布日期:2020-10-15
    • 文件大小:721kb
    • 提供者:weixin_38624437
  1. 数据集太少怎么办?数据集扩充方法

  2. 我学习深度学习写代码的时候,数据集图像太少只有1406张还分4个类别,一个类别只有300来张,再分为train、valid和test,图像就更少了,训练的图像少,深度学习的准确度就会不高。 这里是我找到的扩充数据集的方法,对图像进行亮度增强、对比度增强、水平翻转和随机方向旋转,我的1406张图扩充到了7030张。 变换程序 from PIL import ImageEnhance import os import numpy as np from PIL import Image def bri
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:35kb
    • 提供者:weixin_38693528
  1. PyTorch学习笔记(二)图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法,包括数据增强和标准
  3. 所属分类:其它

  1. PyTorch学习笔记(二)图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法,包括数据增强和标准
  3. 所属分类:其它

  1. 点云中的数据增强(Point cloud)

  2. 点云中的数据增强方法 本文基于相机坐标展示(kitti中的标签是相机坐标系) 一 旋转(相机坐标系沿y轴旋转) import numpy as np def rotation_points_single_angle(points, angle, axis=0): # points: [N, 3] rot_sin = np.sin(angle) rot_cos = np.cos(angle) if axis == 1: rot_mat_T = np
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:74kb
    • 提供者:weixin_38537941
  1. 图像批量旋转、裁剪、matlab

  2. 批量最大化裁剪 1. 数据增强:将原数据旋转一周,每次旋转3度,得到共计120景扩充后的数据; 2.四种不同裁剪方式的裁剪:(1)以左上角为起点;(2)以右上角为起点;(3)以左下角为起点;(4)以右下角为起点;(裁剪大小=24*24,步长=6。小块图像命名时前面加上日期名,并区分不同旋转度数和裁剪方式),要求得到的小块图像中不含任何空值且设置裁剪条件为温度值在220~320之间(去除异常值),对数据进行归一化到0~1之间,公式为(T-273.15+60)/130;每组得到三个日期的小块有效数据
  3. 所属分类:其它

    • 发布日期:2021-01-04
    • 文件大小:1mb
    • 提供者:hulihutudewo
  1. DataAugmentation_ForObjectDetect:本仓库主要包含了针对目标检测数据集的增强手段和二进制文件:图像的旋转,分解,缩小,亮度反射的变换等-源码

  2. DataAugmentation_ForObjectDetect 本仓库主要包含针对目标检测数据集的增强手段和二进制文件:图像的旋转,分解,缩小,亮度/变换的变换等采用的实验数据格式为VOC的格式,标签存储在xml文件中。代码中涉及一些对.xml文件的基本操作 2020/12/16更新 这里有必要进行说明:这种增强方式属于离线数据增强,图片数量会成倍增加,这是属于效率很低的一种方式,即占磁盘空间,又耗费训练时间。大可不必,真正在训练中使用的时候是完全可以利用现成的api的,例如pytorh自带的
  3. 所属分类:其它

  1. NLP中数据增强的综述,快速的生成大量的训练数据

  2. 深度学习视觉领域的增强方法可以很大程度上提高模型的表现,并减少数据的依赖,而NLP上做数据增强不像在图像上那么方便,但还是有一些方法的。与计算机视觉中使用图像进行数据增强不同,NLP中文本数据增强是非常罕见的。这是因为图像的一些简单操作,如将图像旋转或将其转换为灰度,并不会改变其语义。语义不变变换的存在使增强成为计算机视觉研究中的一个重要工具。我很好奇是否有人尝试开发NLP的增强技术,并研究了现有的文献。在这篇文章中,我将分享我对当前用于增加文本数据的方法的发现。这种方法试图在不改变句子主旨的情
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:420kb
    • 提供者:weixin_38747216
  1. computer-vision_german-traffic-signs:此仓库包含我们尝试检测和分类德国交通标志数据集中的交通标志的尝试。 合著者:jomartla&MateuszKlimas-源码

  2. 计算机视觉:交通标志检测和分类 该存储库包含我们尝试对德国交通标志数据集中的图像中的交通标志进行检测和分类的尝试。 : & 每个笔记本都包含一个迭代,以稍有不同的方式解决问题,这是的最新也是最完整的版本。 您可以阅读我们工作的完整报告。 以下是所采取步骤的简短摘要: 问题陈述 我们要解决的问题可以用以下句子来说明: 给定一个图像,找到其中的所有交通标志(检测)并告诉它们是哪些(分类)。 我们的方法 为了解决这个问题,我们设计并训练了两个CNN网络: 二进制分类器:决定图像中是否包含交
  3. 所属分类:其它

    • 发布日期:2021-02-18
    • 文件大小:16mb
    • 提供者:weixin_42176612
  1. NLP中数据增强的综述,快速的生成大量的训练数据

  2. 深度学习视觉领域的增强方法可以很大程度上提高模型的表现,并减少数据的依赖,而NLP上做数据增强不像在图像上那么方便,但还是有一些方法的。与计算机视觉中使用图像进行数据增强不同,NLP中文本数据增强是非常罕见的。这是因为图像的一些简单操作,如将图像旋转或将其转换为灰度,并不会改变其语义。语义不变变换的存在使增强成为计算机视觉研究中的一个重要工具。我很好奇是否有人尝试开发NLP的增强技术,并研究了现有的文献。在这篇文章中,我将分享我对当前用于增加文本数据的方法的发现。 这种方法试图在不改变句子主旨的
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:420kb
    • 提供者:weixin_38603259
  1. 基于Python的图像数据增强Data Augmentation解析

  2. 1.1 简介 深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下,可以通过数据增强(Data Augmentation)来增加训练样本的多样性, 提高模型鲁棒性,避免过拟合。 在计算机视觉中,典型的数据增强方法有翻转(Flip),旋转(Rotat ),缩放(Scale),随机裁剪或补零(Random Crop or Pad),色彩抖动(Color jittering),加噪声(Noise) 笔者在跟进视频及图像中的人体姿态检测和关键点追踪(Human Pose Es
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:344kb
    • 提供者:weixin_38747566
« 12 3 4 5 6 7 »