数字旗手

原文在这里，中间增加了一些额外的内容辅助理解。 角点检测(Corner Detection)也称为特征点检测，是图像处理和计算机视觉中用来获取图像局部特征点的一类方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模以及目标识别等领域中。 局部特征 不同于HOG、LBP、Haar等基于区域(Region)的图像局部特征，Harris是基于角点的特征描述子，属于feature detector，主要用于图像特征点的匹配(match)，在SIFT算法中就有用到此类角点特征；而HOG、LBP、Haar等则是通过提取图像的局部纹理特征(feature extraction)，用于目标的检测和识别等

%%%%%%%% 2021.2.14更新：增加了ICanvas绘制ROI的原理介绍。 %%%%%%%% 前面有两篇文章介绍了ImagePy/sciwx的Mark模式和几何矢量，这两个的结合就是图像处理中经典的ROI(Region Of Interest)操作，即选定一个范围（矩形、圆形、自由区域），然后对该区域进行进一步的操作。 这个过程说起来非常简单，但实际实现起来却是非常不容易，因为这里面涉及到了图像这一位图格式和几何这一矢量格式的统一。 这一篇文章就着重剖析一下ImagePy/sciwx是怎样实现的。 本文选定的入手案例是“绘制矩形ROI，然后裁剪”。 矩形ROI 首先看矩形ROI

ImagePy经过一次大的重构后，软件架构有了很大改变，将前端UI和后端数据结构进行了解耦： * sciapp是一套数据接口，包含图像Image、网格Mesh、表格Table、几何矢量Shape等基础数据结构； * sciwx是符合sciapp接口标准的可视化组件库； * ImagePy是后端基于sciapp、前端基于sciwx的一个插件集，包含了大量常用的图像处理算法等。 因此可以很容易地基于分离后的sciapp和sciwx构建自定义的独立图像处理软件。 Sciapp版Hello World 1 2 3 4 5 6 7 8 9 10 11 12 13 import wx fr

ImagePy中的管理器分两类：Source里的管理器维护全局静态数据，比如读写器、配置文件等， App里面的管理器维护运行时数据，比如图像、表格。 静态管理器 创建管理器 这里创建一个money管理器，里面可以添加美元USD、欧元EUR、人民币RMB，比如： 1 2 3 Source.manager('money').add('USD', MoneyReader, 'MoneyDisplay') Source.manager('money').add('EUR', MoneyReader, 'MoneyDisplay') Source.manager('money').add('RMB

前言 ImagePy中表示几何矢量的结构类是Shape，最直观的一个应用就是各种ROI操作，这里通过一个小例子看看各种几何图形是怎样操纵和显示的。 最小demo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 from sciapp.object import mark2shp from sciwx.canvas import VCanvas as Canvas import wx circle = {'type':'circle', 'color':(255,0,0), 'fcolor':(255,255,0), 'fill':False, 'body'

以下是对安筱鹏博士的《重构：数字化转型的逻辑》一书的笔记摘抄。 逐字摘抄能够加深自己的理解，防止“水过地皮湿”，强烈推荐这种读书方法。 不重构，无未来：拥抱数据驱动的智能+新时代 伴随着新一代信息通信技术（以互联网、大数据、人工智能、5G为代表）的持续创新和渗透扩散，新一轮工业革命正在全球范围孕育兴起，制造业正迈向体系重构、动力变革、范式迁移的新阶段，加速向数字化、网络化、智能化方向延伸扩展，万物互联、数据驱动、软件定义、平台支撑、组织重构、智能主导正在构建制造业的新体系，它也成为了全球新一轮产业竞争的制高点。 体系重构 （1）谁来生产（Who）在变：生产主体从生产者向产消者Prosume

%%%%%%%%%%%%%% 2021-1-31更新：基于最新的sciwx修改了以前的失效代码。 %%%%%%%%%%%%%% ImagePy/sciwx有个Mark模式，即在图像上面可以再绘制其他图形，比如矩形、文本、ROI标识等，本质即是利用GDI绘图。 本文是对该Mark模式的解析。 demo 先给出一个小的demo，主要就是为了看Mark模式的输入输出，方便理解它的运行本质。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 from sciwx.canvas.mark import drawma

本文对sciwx的独立组件——参数对话框ParaDialog进行解析。 demo全景 首先还是直接给出sciwx库中可运行的demo： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 from sciwx.widgets import ParaDialog if __name__ == '__main__': para = {'name':'yxdragon', 'age':10, 'h':1.72, 'w':70, 'sport':True, 'sys':'Mac', 'lan':['C/C++', 'P

讲义地址 B站地址 深度学习基础 数据操作 广播：数据操作中易错的一个地方是广播机制，可能造成想象不到的错误。但广播也会非常方便。在计算总和或均值时，保持轴数不变keepdims=True，可以有效利用广播。 原地操作：对于占据内存比较大的数组，可以使用原地操作来避免重复创建使用内存。 pytorch的reshape和view的区别： torch的view()与reshape()方法都可以用来重塑tensor的shape，区别就是使用的条件不一样。view()方法只适用于满足连续性条件的tensor，并且该操作不会开辟新的内存空间，只是产生了对原存储空间的一个新别称和引用，返回值是视图。

Attention预警！： 时刻铭记“Garbage in, garbage out!”，因此，涉及到data时，一定注意实际查看，确保计算时Input和Output的一致性和准确性。 原书MXNet版在这里。 PyTorch版在这里。 深度学习简介 目前的机器学习和深度学习应用共同的核心思想：用数据编程。 通俗来说，机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。 深度学习是具有多级表示的表征学习方法（表征学习关注如何自动找出表示数据的合适方式，以便更好地将输入变换为正确的输出）。在每一级（从原始数据开始），深度学习通过简单的函数将