数字旗手

介绍 物体检测的两个步骤可以概括为： 步骤一：检测目标位置（生成矩形框） 步骤二：对目标物体进行分类 物体检测主流的算法框架大致分为one-stage与two-stage。two-stage算法代表有R-CNN系列，one-stage算法代表有Yolo系列。two-stage算法将步骤一与步骤二分开执行，输入图像先经过候选框生成网络（例如faster rcnn中的RPN网络），再经过分类网络；one-stage算法将步骤一与步骤二同时执行，输入图像只经过一个网络，生成的结果中同时包含位置与类别信息。two-stage与one-stage相比，精度高，但是计算量更大，所以运算较慢。 YOLO

%%%%% 2021-9-13 update %%%%% 更新了地图部分和行业模板 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%= 上一篇介绍了怎样搭建和运行superset，这一篇着重于怎样对superset进行特殊配置和二次开发。 更新并重新编译前端代码 前面已经说到，使用pip安装的是已经编译好的superset，无法修改前端源码，所以这里如果想对前端源码做改动，需要使用docker方式安装。 参考资料： superset/CONTRIBUTING.md 使用docker安装superset 这一部分可以参考入门篇的docker安装部分。 但是需要万分注意的是，第一步

%%%%%2021-9-2更新%%%%%% 更新使用docker安装连接宿主机的数据库 介绍 Apache Superset是一个现代的、企业级的商业智能（Business Intelligence）网络应用程序，它使得用户可以使用无代码可视化构建器和SQL编辑器来轻松探索和可视化自己的数据。 其最初由Airbnb开源，后来由Apache进行孵化，并且于今年（2021年）1 月 21 日宣布毕业并成为 Apache 软件基金会（ASF）的顶级项目（Top-Level Project），截止到现在（2021年8月25日）已经在GitHub上收获了超过4万颗star。 官网地址在这里。 示例看板

起因 日常工作中，调用深度学习算法通常需要在命令行中进行，该过程通常涉及复杂的流程，比如修改配置文件、指定文件路径、打开命令行调用算法运行。此时如果能有一个图形界面软件实现“一键调用”，就会极大地节省工作量，提高工作效率，避免来来回回地反复修改文件、执行命令等。 最近新写了一个库，就是把常用的深度学习算法都集成在了ImagePy中，这样用户和开发者就能直接在ImagePy中愉快地“玩”算法了。 OneButtonDeepLearning 该仓库在这里https://github.com/qixinbo/OneButtonDeepLearning。 宗旨就是：让深度学习算法触手可及、一键调用

ImagePy的工作流worflow功能能够以可视化的方式逐步执行已定义的一系列图像处理动作，即有机地将复杂的图像处理步骤串联起来，也提供了可视化便捷的交互方式，可以认为是更人性化的“宏命令”。 本文就是解析一下这个组件的底层原理。 文本解析 如下parse函数是读取描述workflow的文件，然后根据每行的标识对其进行解析，比如如果是两个井号开头，则这一行代表是chapter，以及在某个chapter下面还有若干section及其提示信息hint。在底层来说，就是将这些文件信息存储为有层级的python字典。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 d

简介 本文是对ImagePy的矢量图形绘制工具进行深度解析。 矢量图形相对于位图来说，有其特有的操作，比如两个矢量进行求交集、求并集、求差等。 阅读本文之前，可以先参考之前的这篇文章，以对ImagePy的矢量图形有初步了解。 功能函数 将矢量图形转化为点集 该函数的作用是将矢量图形转换为点集，这里的点作为锚点，可以供后续编辑。 比如对于矩形这一矢量，在shp中定义了它的起始点和长宽，通过该函数，可以将该矩形转为9个点的点集，即将该矩形分成田字格。 （具体到语法上，使用了numpy的mgrid函数，其中的步长设为了复数的形式，具体可以参考这里） 1 2 3 4 5 6 7 8 9 10 11

问题描述 给定一个多边形区域，怎样判断某个点是否在该区域内？ 如下图所示的蓝色多边形框，判断某点是否在该框内。 定义域 先写出该蓝色框的坐标序列： 1 2 3 4 import numpy as np import matplotlib.pyplot as plt poly = np.array([(0,0),(1,0),(0.7,0.7),(1,1),(0,1),(0.5,0.5),(0,0)]) 注意，该坐标序列是首尾相接的。 然后，定义出任意数量、任意位置的随机点： 1 pts = np.random.rand(80).reshape((40,2)) 这里给出了

问题描述 图像中有一条线，如何判断这条线的转折点？ 比如下面一张图： 目的是找到图中的三个转折点。 解法 找到轮廓线 1 2 3 img = cv2.imread('test.png', 0) conts = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0][0] xs, ys = conts[:,:,0], conts[:,:,1] 这一步实际作用是通过寻找轮廓线，从像素类型的位图中提取有意义的这条线的坐标序列，即矢量序列。 同时将横坐标和纵坐标分别提取出来。 高斯模糊 1 2 gxs =

简介 本文介绍ImagePy中的智能画笔工具，它能够很方便地对图像进行像素级标注，尤其是在复杂图像上进行多种类别的标注时，用好这个智能画笔，能使效率飞升。 先来一连串的功能介绍镇楼： （1）鼠标左键 左键：具有联想功能的局部标注 Ctrl+左键单击：吸取颜色 Ctrl+左键：普通画笔 Shift+左键：落笔选定保护色，在矩形框内闭合且非保护色区域被填充 Alt+左键：落笔选定保护色，在矩形框内对该色进行描边 Ctrl+Alt+左键：落笔选定保护色，对任意的非保护色的区域进行标注 （2）鼠标右键 右键：全局填充 Shift+右键：落笔所在的保护色的内部闭合区域被填充 Ctrl+右键：落笔所在的

简介 该博客是基于hexo搭建的，部署在github pages里，用netlify加速。之前一直用自己的笔记本写博客，现在需要换用另一台电脑，因此需要在新电脑上将环境重新搭建一遍，顺便对hexo及其next主题进行升级。 安装Node.js 下载地址见这里。 然后正常安装。 安装完成后，输入node -v和npm -v，如果出现版本号，那么就安装成功了。 安装git 下载地址见这里。 然后正常安装，只不过最后一步添加路径时选择Use Git from the Windows Command Prompt，这样我们就可以直接在命令提示符里打开git了。 安装完成后在命令提示符中输入git