该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率高达 99.38%。这也提供了一个简单的
选自Github 机器之心编译 参与:路雪 仅用 Python 和命令行就可以实现人脸识别的库开源了。该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率高达 99.38%。 该项目是要构建一款免费、开源、实时、离线的网络 app,支持组织者使用人脸识别技术或二维码识别所有受邀人员。 有了世界上最简单的人脸识别库,使用 Python 或命令行,即可识别和控制人脸。 该库使用 dlib 顶尖的深度学习人
工作中遇到需要需要批量处理Excel文件的情况,你还在手动一个一个地处理吗?赶紧学会下面的自动化批量处理方法,告别机械式的低效工作吧!
OS(Operation System)指操作系统。在 Python 中,OS 库主要提供了与操作系统即电脑系统之间进行交互的一些功能。很多自动化操作都会依赖该库的功能。
作者:郭子豪 中国地质大学(武汉)研究生 HPSCIL Urban Comp 城市之光团队成员
本文介绍基于Python中ArcPy模块,实现大量HDF格式栅格图像文件批量转换为TIFF格式的方法。
本文介绍基于Python中ArcPy模块,对大量不同时相的栅格遥感影像按照其成像时间依次执行批量拼接的方法。
之前写过一个类似的代码,是把水印信息打散以后随机添加到原图中,并提供了水印信息的提取功能,请参考:Python实现图像空域随机水印加入与提取。本文代码功能:为指定文件夹中的所有图像文件批量添加水印,水印位置在左上角、中间、右下角这三个位置中随机选择。 from random import randint from os import listdir from PIL import Image #打开并读取其中的水印像素,也就是不是白色背景的像素 #读到内存中,放到字典中以供快速访问 im = Image.o
李林 编译整理 量子位 出品 | 公众号 QbitAI 从我们见到的各种图像识别软件来看,机器似乎能认出人脸、猫、狗、花草、各种汽车等等日常生活中出现的物体,但实际上,这有一个前提:你要用这些类别的图像,对它进行过训练。 确切地说,该叫它“图像分类”。 建立一个图像分类器并不复杂,技术博客Source Dexter上最近发表的一篇文章,介绍了该如何快速用TensorFlow实现图像分类。 以下是量子位节选自这篇文章的内容: 在进入正题之前,我们先讲一些基本概念。 图像分类是怎样实现的? 向一个训练过
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件批量进行相减做差的方法。
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件批量进行无效值(NoData值)填充的方法。
本文介绍基于Python中ArcPy模块,对大量长时间序列栅格遥感影像文件的每一个像元进行多时序平均值的求取。
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件进行批量掩膜与批量重采样的操作。
前几天在Python星耀群【维哥】问了一个Python自动化办公处理的问题,一起来看看吧。
本文所用测试图像文件位于当前文件夹的testimages子文件夹中,并且图像以白色为背景。 from PIL import Image import os def searchLeft(width, height, im): #从左向右扫描 for w in range(width): #从下向上扫描 for h in range(height): #获取图像指定位置的像素颜色 color = im.getpixel((w, h)) if color != (255,
XKCD是一个流行的极客漫画网站,其官网首页有一个 Prev 按钮,让用户导航到前面的漫画。如果你希望复制该网站的内容以在离线的时候阅读,那么可以手动导航至每个页面并保存。但手动下载每张漫画要花较长的时间,你可以用python写一个脚本,在几分钟内完成这件事!
本文介绍基于C++语言的GDAL库,基于一个存储大量遥感影像的文件夹,依据每一景遥感影像的文件名中表示日期的那个字段,找出这些遥感影像中缺失的成像日期,并新生成多个像元值全部为0的栅格文件,作为这些缺失日期当日的遥感影像文件的方法。
上一篇文章介绍了《保姆级教程:nnUnet在2维图像的训练和测试》,采用的是自己的2d数据集进行2d到3d的数据转换,内容包括nnUnet介绍、环境配置、数据配置、预处理、训练过程、确定最佳的U-Net配置、运行推断,算是带着大家在2d数据情况下把nnUnet训练和测试了一遍。
本系列是机器学习课程的系列课程,主要介绍机器学习中图像文本检索技术。此技术把自然语言处理和图像处理进行了融合。
本文介绍基于Python中whitebox模块,对大量长时间序列栅格遥感影像的每一个像元进行忽略NoData值的多时序平均值求取。
声音分类是音频深度学习中应用最广泛的方法之一。它包括学习对声音进行分类并预测声音的类别。这类问题可以应用到许多实际场景中,例如,对音乐片段进行分类以识别音乐类型,或通过一组扬声器对短话语进行分类以根据声音识别说话人。
from PIL import ImageColor # pip install pillow # http://pillow-zh-cn.readthedocs.io/zh_CN/latest/installation.html ImageColor.getcolor('red', 'RGB') (255, 0, 0) ImageColor.getcolor('red', 'RGBA') # A 透明度,png图片 (255, 0, 0, 255) # 切换到工作目录,有图片文件的地方 %cd D:\py
Auto Tinder是一个纯粹出于娱乐和教育目的而创建的概念项目。绝不能滥用它来伤害任何人或向平台发送垃圾邮件。自动绑定脚本不应与您的绑定文件一起使用,因为它们肯定违反了绑定服务条款。
给定一个JPG/PNG/BMP格式的彩色图像文件,使用Python+pillow+numpy将其转换为灰度图像,原始彩色图像每个像素颜色值的平均值作为灰度值。
本文介绍基于R语言中的raster包,遍历读取多个文件夹下的多张栅格遥感影像,分别批量对每一个文件夹中的多个栅格图像计算平均值,并将所得各个结果栅格分别加以保存的方法。
-欢迎 原文该项目是要构建一款免费、开源、实时、离线的网络 app,支持组织者使用人脸识别技术或二维码识别所有受邀人员。有了世界上最简单的人脸识别库,使用 Python 或命令行,即可识别和控制人脸。该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率高达 99.38%。这也提供了一个简单的 face_recognition 命令行工具,你可以打开命令行中任意图像文件夹,进行人脸识别! 1.找出下面图
你会有一个 url 变量,开始的值是'http://x.com',然后反复更新(在一个 for 循环中),变成当前页面的 Prev 链接的 URL。在循环的每一步,你将下载 URL 上 的漫画。如果 URL 以'#'结束,你就知道需要结束循环。 将图像文件下载到当前目录的一个名为 xkcd 的文件夹中。调用 os.makedirs() 函数。确保这个文件夹存在,并且关键字参数 exist_ok=True 在该文件夹已经存在时, 防止该函数抛出异常。剩下的代码只是注释,列出了剩下程序的大纲。
本文介绍基于Python中的ArcPy模块,基于一个大文件夹,遍历其中每一个子文件夹中所有的遥感影像栅格文件,并将原本的每一景遥感影像文件四等分切割,或裁剪为其他指定个数的小块的方法。
对象检测是一种属于计算机视觉领域的技术。它处理识别和跟踪图像和视频中存在的对象。物体检测具有多种应用,例如面部检测,车辆检测,行人计数,自动驾驶汽车,安全系统等。
做验证码图片的识别,不论是使用传统的ORC技术,还是使用统计机器学习或者是使用深度学习神经网络,都少不了从网络上采集大量相关的验证码图片做数据集样本来进行训练。
上一篇文章,我们抛出了一个问题,这篇文章来进行解答。如果针对子文件夹下不同的Excel表名,应该如何处理?
输入 Python。Pillow 是一个用于与图像文件交互的第三方 Python 模块。该模块有几个功能,可以轻松地裁剪、调整和编辑图像的内容。Python 能够像处理 Microsoft Paint 或 Adobe Photoshop 等软件一样处理图像,因此可以轻松地自动编辑成百上千的图像。运行pip install --user -U pillow==6.0.0就可以安装 Pillow 了。附录 A 有更多关于安装模块的细节。
计算机视觉是人工智能的一个重要领域。计算机视觉是一门关于计算机和软件系统的科学,可以让计算机对图像及场景进行识别和理解。计算机视觉还包括图像识别、目标检测、图像生成、图像超分辨率重建等分支领域。因为有众多的现实需求,目标检测可能是计算机视觉中最有价值的的领域。在本教程中,我会简要介绍目标检测的概念、开发者面临的挑战和我们提供的解决方案包括高效率的目标检测代码。
今天给大家讲解一个简单又真实的案例,如何使用Excel、Python动态获取指定文件夹下文件名和文件路径,生成一个文件目录,点击相应的文件名即可跳转到相应的文件。通过Excel与Python二者的对比,看哪个更简单,防止老板突然的为难!
前两篇已经用 10 行 Python 代码展现了 Hello AI World 强大而且简便的物件检测识别能力,虽然大部分的人都将目光集中在了深度学习的三大推理识别(图像分类、物件检测、语义分割),但是在整个项目中,其实还有两个非常重要的功臣功能,那就是 videoSource() 与 videoOutput() 这两个专司输入与输出的接口。
在计算机视觉和图像处理应用中,使用适当的编码格式对图像进行压缩和存储是至关重要的。H.264是一种广泛使用的视频压缩编码标准,可以将图像序列编码为高质量、低比特率的视频文件。在本篇文章中,我们将学习如何使用Python和OpenCV库将静态图像编码为H.264视频文件。
在人工智能绘画领域,“炼丹”和“打标”是两个比较专业的术语,它们有着特定的含义和作用。
你知道Python可以帮助向图像中添加文本吗?虽然Python不是图形编辑软件,但它能够很好地处理图像文件。在本文中,将在多个图像上放置一个示例文本“ExcelPerfect”。不用手动操作,也不用使用一些昂贵的软件,可以使用Python轻易达到同样的效果。
Fast AI库主要涉及神经网络在如下四个领域的应用:collab(协同滤波问题)、tabular(结构化数据或者说表格数据处理)、text(自然语言处理)、vision(机器视觉)。对每一领域(除了collab),其下又会按照如下结构组织代码:
1.图像标记 1.1 <img src="图像URL“/> src指定图像文件的路径和文件名,它是img标记的必需品。 1.2 文本属性 alt :在图像无法显示时告诉用户该图片的内容。 1.3 图像的宽高属性 width,height 两者不能同时使用 1.4 图像的边框的属性 border :可以为图像添加边框,设置边框的宽度,但边框颜色的调整仅仅通过HTML属性时不能通过的。 1.5 图像的边距属性 vspace 和hspace 1.6图像的对齐方式用align表示 2.相对路径和绝对路径 1.绝对路径 绝对路径一般是指带有盘符的路径
电脑中有大量手机照片,要批量删除其中相似度高的,首先得有一个分析照片相似度的算法和模型。CLIP(Contrastive Language-Image Pre-Training)模型是由OpenAI在2021年发布的一种多模态预训练神经网络,旨在通过对比学习方法将图像和文本进行联合训练,从而实现对图像和文本之间关联性的理解和匹配。CLIP模型的核心思想是通过对比学习(Contrastive Learning)来学习大量的图像和对应的文本描述,形成一个能够理解两者之间关联的通用模型。具体来说,CLIP采用了两个独立的编码器:一个用于处理文本,另一个用于处理图像。这两个编码器分别提取文本和图像特征,并基于比对学习让模型学习到文本-图像的匹配关系。
最近在做一个和对象识别相关的项目,由于团队内技术栈偏向 JavaScript,在已经用 Python 和 Tensorflow 搭建好了对象识别服务器后,为了不再增加团队成员维护成本,所以尽可能将训练和识别之外的任务交给 Node.js 来做,今天要讲到的图片预处理就是其中之一。
这篇文章是训练YOLO v2过程中的经验总结,我使用YOLO v2训练一组自己的数据,训练后的model,在阈值为.25的情况下,Recall值是95.54%,Precision 是97.27%。
树形结构在软件中随处可见,例如操作系统中的目录结构、应用软件中的菜单、办公系统中的公司组织结构等。如何运用面向对象的方式来处理这种树形结构是组合模式需要解决的问题。组合模式通过一种巧妙的设计方案使得用户可以一致性的处理整个树形结构或者树形结构的一部分,也可以一致性的处理树形结构中的叶子节点(不包含子节点的节点)和容器节点(包含子节点的节点)。
大家好,我是猫头虎。今天这篇文章将带领大家深入了解并完美解决libpng warning: iCCP: known incorrect sRGB profile问题。这是很多开发者在处理PNG图像时常见的警告信息,我们将详细解析问题原因、提供解决方案,并附上实际操作的代码示例和命令。无论你是开发新手还是资深大佬,都能从这篇文章中受益匪浅。
前几天在Python最强王者交流群【东哥】问了一个Python自动化办公的问题。问题如下所示:大佬们,请教一个Python自动化办公问题,我有7个这样的民主评议表格,现在想通过Python批量的计算每个人最后的平均总分,应该怎么处理呢?
前言:在我们做图像识别的问题时,碰到的数据集可能有多种多样的形式,常见的文件如jpg、png等还好,它可以和tensorflow框架无缝对接,但是如果图像文件是tif等tensorflow不支持解码的文件格式,这就给程序的编写带来一定麻烦。
【ArcGIS Python系列】系列笔记为学习ArcGIS Pro和ArcPy过程中的总结,记下来方便回看,最新版本会优先发布在我的博客和GITHUB。 洪水发生之后,有时候需要快速分析卫星影像,及时确定被洪水淹没的区域。在本文中,利用了Python自动化识别卫星影像中的洪水区域。首先,会在 ArcGIS Pro 中使用notebook,一步步实现洪水检测的目的。然后,会将代码转换为脚本工具,给其他没有编程基础的人使用。
领取专属 10元无门槛券
手把手带您无忧上云