可视化

learning to see.pdf @lutingting 2016-11-04 16:15 字数 10899 阅读 4087 SIFT特征提取及匹配 数字图像处理 图像特征提取 SIFT特征提取及匹配 1.SIFT（Scale-invariant feature transform）算子的核心思想 2.什么是尺度空间呢？ 2.1 一篇百度文库的文章关于尺度空间的分析 例子1 例子2 现实生活中的例子 2.2 SIFT中的尺度空间的概念 3.SIFT特征提取 3.1 尺度空间极值检测 3.1.1 尺度空间的建立（高斯金字塔的建立） 3.1.2 图像差分高斯金字塔（DoG）的建立 3.1.3 尺度空间中特征点的检测（DoG中极值点的检测） 3.2 关键点位置及尺度确定 3.3 关键点方向确定 3.4 特征向量生成 4.SIFT特征的匹配 5.下面是一些参考程序 5.1 5.2 1.SIFT（Scale-invariant feature transform）算子的核心思想 利用不同尺度的高斯核函数对图像进行平滑，即构造图像的尺度空间 比较不同尺度平滑后的图像差别，在某局部范围内，差别最大或者差别最小的像素点就是特征明显的点 由于SIFT特征的检测方式，使得它具有： 尺度不变性：在尺度空间内进行的特征点检测 2.什么是尺度空间呢？ 2.1 一篇百度文库的文章关于尺度空间的分析

楼主在学习莫烦大神的tensorboard可视化工具时，遇到一个坑，写贴已记录此坑 莫神在命令行输入图文tensorboard --logdir命令时的语句已经不适用后面更新的tensorflowboard版本，下图是莫神的命令行截图 我按照莫神的命令：tensorboard --logdir=‘logs/’ ，如下图，命令行并没有反应 网上搜解决方法，给的方法是前往http://localhost:6006/ ，但我进入后：显示找不到这个event file，如下图 解决办法： 将命令 tensorboard --logdir='logs/'改为tensorboard --logdir=logs ，即去掉了单引号后，再前往http://localhost:6006/ 即可 来源： CSDN 作者： eefresher 链接： https://blog.csdn.net/eefresher/article/details/89155671

Visdom是Facebook在2017年发布的一款针对PyTorch的可视化工具，在本地PC上很好用。当迁移到内网服务器上时，我发现对于某些作图功能无法正常显示，甚至直接连toolbar都消失了。找遍全网，发现四个中文相关的问题， https://www.cnblogs.com/yuanzhoulvpi/p/9244186.html https://blog.csdn.net/qq_22194315/article/details/78827185 https://blog.csdn.net/AnthongDai/article/details/79117472 http://tieba.baidu.com/p/5397000061 均无法解决。遂追至官方github的issue部分，找到了症结所在，一般内网服务器很少配备VPN条件，所以Visdom无法下载某些作图组件，GFW的问题。 总结解法如下： 下载以下两个文件，放至 /home/amax/anaconda3/lib/python3.6/site-packages/visdom/static/js下。 1, plotly.js-master: https://github.com/plotly/plotly.js 2, react-gird-layout-master: https://github.com/STRML

from nltk.tokenize import RegexpTokenizer from stop_words import get_stop_words from nltk.stem.porter import PorterStemmer from gensim import corpora, models import gensim import csv import jieba import codecs from mpl_toolkits.mplot3d import axes3d import matplotlib.pyplot as plt import pyLDAvis.gensim from gensim import corpora from gensim.models import LdaModel def is_number(s): try: float(s) return True except ValueError: pass try: import unicodedata unicodedata.numeric(s) return True except (TypeError, ValueError): pass return False info = [] def data_g(filename): csv_reader = csv.reader

TensorBoard的几种可视化类型 1、Scalars(Events)：展示训练过程中的统计数据（最值，均值等）变化情况 2、Images：展示训练过程中记录的图像 3、Audio：展示训练过程中记录的音频 4、Graphs：构件图，效果图类似流程图一样，我们可以看到数据的流向，使用tf.name_scope()收集构建。 5、Distributions： 6、Histograms：展示训练过程中记录的数据的分布图 7、Embeddings： 8、Text： 下面根据我的需要挑选几个介绍这几种类型。 一、Scalars(Events) 1、 使用代码： import tensorflow as tf #Scalars代码 def test () : sess = tf.Session() x = tf.placeholder(tf.float32, name= 'a_plc' ) b = tf.Variable([ 1.0 ], tf.float32) w = tf.Variable([ 1.0 , 2.0 ], tf.float32) y = w*x + b #1.记录的变量 tf.summary.scalar( 'x' , x) #2. 合并 merged = tf.summary.merge_all() sess.run(tf.global_variables

docker容器可视化 1.docker可视操作 2.使用Dockerfile创建images 主要是记录一下，方便自己日后查看； 1.docker可视操作 首先在主系统运行： sudo apt-get install x11-xserver-utils xhost + #这两句话作用是开放权限，允许所有用户，当然也包括docker,访问x11的显示接口； 在创建docker容器时，添加如下选项： -v //tmp/.X11-unix:/tmp/.X11-unix \ #共享本地unix端口 -e DISPLAY = unix $DISPLAY \ #修改环境变量DISPLAY -e GDK_SCALE \ -e GDK_DPI_SCALE \ 最终创建容器命令类似如下： $ docker run -d \ -v /etc/localtime:/etc/localtime:ro \ -v /tmp/.X11-unix:/tmp/.X11-unix \ -e DISPLAY = unix $DISPLAY \ -e GDK_SCALE \ -e GDK_DPI_SCALE \ --name libreoffice \ jess/libreoffice docker run -t -i ubuntu:15.10 /bin/bash ##ctrl+d或exit退出容器

介绍 将稠密光流场按照孟塞尔颜色体系(Munsell Color System)转化为RBG图，这个其实没什么卵用，只不过是开发光流估计算法或者光流应用时提供一种结果可视化的途径。 实现过程时参照python版本的flownet2提供的代码。 需要注意的是不要用 unsigned char 类型的变量存储数值变量，我用一天的时间才把这个bug修复 flo2img_tmp.hpp #ifndef FLO2IMGTMP_HPP_ #define FLO2IMGTMP_HPP_ #ifdef USE_OPENCV #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> #endif // USE_OPENCV //typedef unsigned short UINT; class Flo2Img { public: Flo2Img(); private: unsigned short colorwheel[55][3]; unsigned short ncols; }; void flo2img(cv::Mat& flo, cv::Mat &img); #endif flo2img_tmp.cpp #ifdef USE

目录 源码下载 文件格式 simpleITK 读取 mhd 文件 显示每个切片 肺部分割 3D 可视化 源码下载 Download: https://download.csdn.net/download/itnerd/11272030 文件格式 先看看文件夹下的数据文件， .mhd 和 .raw 是成对出现的 import os root = os . path . join ( os . getcwd ( ) , 'data\\chestCT_round1_train_part1\\train_part1' ) paths = os . listdir ( root ) print ( paths ) [‘396905.mhd’, ‘396905.raw’, ‘496305.mhd’, ‘496305.raw’, ‘522159.mhd’, ‘522159.raw’, …] simpleITK 读取 mhd 文件 import SimpleITK as sitk import matplotlib . pyplot as plt % matplotlib inline for path in paths : if path . find ( 'mhd' ) >= 0 : data = sitk . ReadImage ( os . path . join ( root ,

StarUML for Mac是专用于uml建模操作的mac版图形可视化绘制工具，它不仅能够用于类图、用例图、序列图、活动图以及通信图等强大的绘制操作，还提供了一个可视化的用户界面，下面我们就来介绍一下关于 StarUML for Mac 使用技巧——快捷键。 StarUML 键盘快捷方式 以上就是关于StarUML for Mac使用技巧。 来源： CSDN 作者： 火绡衣 链接： https://blog.csdn.net/ankychan/article/details/90073900

使用 node 的同学进行项目部署时，基本上都是用 pm2 进行部署。 我使用 keymetrics 进行实时监控 1、进行登录 地址： https://app.keymetrics.io/#/register 2、获取系统分配 public key 和 secret key 3、在安装有pm2的服务器端输入以下命令 pm2 interact your - secret - key your - public - key 这样就好了，其他交给天意了。 来源： CSDN 作者： 曹天骄 链接： https://blog.csdn.net/solocao/article/details/86554207