zyz博客

在本博文中，进行图像阈值、平滑图像、形态转换、图像梯度的学习以及介绍。

你将会学到将不同的几何变换应用于图像，如平移、旋转、仿射变换等。图像的几何变换是图像处理和图像分析的基础内容之一。图像几何变换又称为图像空间变换， 它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。几何变换的特点是改变图像像素的空间位置，而不改变像素灰度值。图像的几何变换主要包括：位置变换：图像的平移、镜像、旋转形状变换：图像的缩放仿射变换。

对于 HSV, 色调(Hue)范围为 [0,179], 饱和度(Saturation)范围为 [0,255] ，明亮度(Value)为 [0,255]. 不同的软件使用不同的比例. 所以如果你想用 OpenCV 的值与别的软件的值作对比，你需要归一化这些范围。：输入图像，通常是一个二值图像（如掩膜）。运行这个修改后的代码时，程序将识别并框选红色对象的边缘，显示更精确的轮廓，而不是简单的矩形框。：在 HSV 中，只需要调整色调（Hue）的范围来检测特定颜色，而在 BGR 中，你可能需要分别考虑三个通道的值。

Tips：理论指引实践TensorRT是一个高性能的深度学习推理（Inference）优化器，支持TensorFlow、Caffe、Mxnet、Pytorch等几乎所有的深度学习框架，将TensorRT和NVIDIA的GPU结合起来，能在几乎所有的框架中进行快速和高效的部署推理。TensorRT(1)-介绍-使用-安装祝一次安装成功。

手写字体识别模型LeNet5诞生于1994年，是最早的卷积之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。本文将会对LeNet这个网络结构进行详细的讲解，并记录下自己的学习内容，作为自己日常的复习笔记。在学习过程中，我参阅了网上众多大佬的博文，将会在本博文的最后以参考文献的形式列出来。

本博文是对yolov1的官方文献进行的翻译。并且在翻译的学习过程中加入了自己的理解。本博文主要用于自己个人学习的总结。对于借鉴的想过博文以及大佬的文献将会在博文的最后进行声明。现在开始!!!repurposes(重复利用)spatially(空间上)我们提出了一种新的目标检测方法YOLO。先前的工作(两阶段目标检测)重复利用分类器去执行检测任务。相反的，我们将目标检测框定为空间分离的边界框和相关类别概率的回归问题。单个神经网络在一次评估中直接从全图像预测边界框和类概率。

在深度学习的目录之中主要记录我在学习深度学习过程中的学习笔记，对于深度学习的知识总结将通过书籍，网络教程，论文精读等多种形式完成。由于深度学习的内容非常的广而多，所以我会根据自己的实际使用情况进行书写本次的深度学习的知识目录，以方便以后我的个人复习。