图片分割之_训练模型和预测
图片分割之 _ 训练模型和预测
1. 说明
本篇使用 Mask R-CNN
算法，以及十几张从网络上下载的香蕉图片，训练一个模型。用于识别图像中的香蕉，不同于苹果，桔子，香蕉从不同的角度看差异很大，尤其是三五根香蕉放连在一起，或者整把香蕉的形态和单根香蕉差异很大。可以算是一种识别起来相对困难的水平。
下图是用训练好的模型识别出的香蕉图片，可以看到，基本识别正确。
操作步骤可分为：安装工具，标注图片，修改源码，模型训练和模型预测。我的工作环境是
Ubuntu，硬件有 GPU 支持，操作过程中使用了 python，图片标注工具，以及
shell 脚本。
2. 安装工具
(1) 下载程序源码
1$ git clone https://github.com/matterport/Mask_RCNN.git # (大概200多M)
(2) 下载相关软件
12345$ sudo pip install opencv-python$ sudo pip install tensorflow$ sudo pip install scikit-image$ sudo pip install ...
Python常用的色板
1. 说明
有时候需要从图像中判断某种颜色，或者获取某个颜色区域，此时常用 HSV
色板判断。因为在 HSV 的色彩空间中，只需要判断颜色通道即可。本篇介绍 HSV
色板，及其在 python 中的转换和使用方法。
2. 色板
(1) RGB
三个通道，红色 Red, 绿色 Green, 蓝色
Blue，值越大颜色越大，当三个值都大时为白色，三个值都为 0 时为黑色。
(1) HSV
三个通道，HSV(Hue, Saturation, Value)
是根据颜色的直观特性创建的一种颜色空间, 也称六角锥体模型 (Hexcone
Model)。这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。
[](https://upload-
images.jianshu.io/upload_images/5357893-5e3dce368c7a1cfb.png?imageMogr2/auto-
orient/strip%7CimageView2/2/w/217)
(1) GRAY
灰度图，只有一个通道。
3. 图示代码
12345678910111213141516171819202 ...
图像处理之_ARToolKit自定义Marker
图像处理之 _ARToolKit
自定义 Marker
#图形图像
1. 制作 marker
ARToolKit 支持两种标记，一种是黑白图，另一种是普通图。黑白图使用工具
mk_patt
制作，它有一些硬性的规定，比如必须是黑白图，正方形，且有边框等等。
普通图更灵活，它可以是我们生活中的图像，比如公交卡，身份证等等，但相对黑白图，不那么容易识别，其原理主要是根据图片上的边缘，识别其中的一些点，把这些点之间的关系保存下来，并在摄像机图片中寻找对应的关系，以实现图片识别和跟踪，本文主要介绍操作普通图。
ARToolKit 入门文档请见：图像处理之_增强现实工具ARToolKit
2. 用普通图片制作 marker
(1) 拍一张工交卡的相片，只留前景
(2) 计算特征点
1$ bin/genTexData /tmp/card.jpg
置换时需要输入几个参数，我设置的参数如上图所示，尽量多取特征点，并把 DPI
范围设大，以达到更好的识别效果。
(3) 查看特征点
1$ bin/dispFeatureSet /tmp/card.jpg
可以看到边缘大多被识别到了，对 ...
修改上传文件按钮的风格
修改上传文件按钮的风格
一段 HTML 代码，目标是显示 bootstrap
风络的上传按钮（不带路径显示），且点击后无需再点 submit 按钮，直接发
post 请求。
[](https://img-blog.csdnimg.cn/20190119165910888.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpZXlhbjA4MTE=,size_16,color_FFFFFF,t_70)
<!DOCTYPE html>
<html>
<head>
<link href="bootstrap.css" rel="stylesheet" media="screen">
<style>
.fileinput-button {
...
显示远程机器上的图形界面
显示远程机器上的图形界面
#操作系统/Linux
在使用 SSH 或 Telnet 从一台 Linux 机器 A 连接到另一台 Linux 机器 B
时，通常会遇到 B 机上的图形界面无法显示的问题，报错为：
cannot open display:
此时只需要在你的 A 机上打开配置文件:
$ sudo vi /etc/ssh/ssh_config
写入
ForwardX11 yes
之后重启 sshd 服务
$ service sshd restart
最后重新连接 SSH 或 Telnet 即可.
Bootstrap、Python、Flask做简单的前端
Bootstrap、Python、Flask
做简单的前端
1. 说明
无论做什么类型的程序，都难免需要给别人展示一下。Web
展示是个很好的方案，做起来省事，效果好，可交互，无需安装，跨平台，等等等等，算是个必备技能，与做
PPT 比肩。前一阵用 pyecharts
做网页统计图，发现自己做的界面实在太丑，同时又想引用一些现成的风格和控件，于是学习了一下
Web 前端框架，顺带熟悉一下 JS。菜鸟入门，记录如下，仅供参考。
2. 前端流行框架
先看看几种流行的前端框架：BootStrap, React, Vue。
BootStrap 容易上手，学习成本低，它提供了一些常用的 css 和
js，拿来就能用。
React 是数据单向响应的，数据发生变化时，前端 UI 即可随之变化。React
可管理 Dom 树的变化，使页面呈现更快。
Vue 站在了 React 的肩膀上,
许多方面更出色，如数据的双向绑定，速度更快，组件化，方便打包和发布等等，但相对来说上手的难度较大。
长远考虑, 建议使用 Vue+node.js. 短期简单使用, BootStrap
是个不错的选择 ...
Git_常用命令
#版本管理
1 介绍
Git
是一个开源的分布式版本控制系统，现在管理代码一般都用它，一方面是管理各种软件版本，同时也提供对多人并行开发支持。有的在公司内部搭建
Git 服务器，更多情况下是使用 GitHub，GitHub
是一个软件项目托管平台，可以在其上建立公开项目或者私有项目。
在对 Git
工具不太熟悉的情况下，进行复杂操作时，常怕误操作，不敢多做尝试，本篇我们将从零开始，在
GitHub
上建立一个自己的项目，并介绍一些最常用的命令和场景，比如合并代码。
2 在 github 上建立自己的仓库
https://github.com/, 登录，点 new repository 构建新项目
点击 create repository 后项目就新建成功了，这时点 clone or Download
按钮，可看到下载地址。
3 把远程代码的下载到本地
123$ git clone 地址形如：$ git clone https://github.com/xieyan0811/xxx.git
可以用 -b 指定分支名
4 分支操作
4.1 列出当前分支：本地/远程
1$ git bra ...
Linux下使用SQLServer
Linux 下使用 SQLServer
#数据存储/SQLServer #操作系统/Linux
1. 说明
SQL Server 是由 Microsoft 开发和推广的关系数据库管理系统。本文介绍在
Ubuntu 系统下，SQL Server 服务端及客户端的安装，基本命令及如何使用
python 访问数据。
2. 安装
由于 SQLServer 不在默认安装的软件源之中，在 Ubuntu 16.04
上，需要先加入其软件源，安装后再进行一些配置
(1) SQLServer 服务器端
123456789$ wget -qO- https://packages.microsoft.com/keys/microsoft.asc | sudo apt-key add - #导入公钥$ sudo add-apt-repository "$(wget -qO- https://packages.microsoft.com/config/ubuntu/16.04/mssql-server-2017.list)"$ sudo apt-get update$ sudo apt ...
做图工具pyecharts
做图工具 pyecharts
1. 说明
上次分享了 Flask+Dash 做图，WXXCX 师兄给我留言说：感觉 dash 不如
pyecharts 好用，于是我学习了一下 pyecharts。
ECharts，缩写来自 Enterprise Charts，商业级数据图表，一个纯
Javascript 的图表库，可以流畅的运行在 PC
和移动设备上，兼容当前绝大部分浏览器（IE6/7/8/9/10/11，chrome，firefox，Safari
等）。Pyecharts 是 python 版本的 echarts，与 Dash
相比，我个人更喜欢它的图片配色；在使用上它相似于 matplotlib，不需要像
Dash 一样再去熟悉新的 API 和 callback 的逻辑；最喜欢的地方在于 notebook
可以调，flask
也可以调，调试时和显示在网页上的图完全一样；它还支持地图显示，以及雷达图等等（Dash
是否支持我没试过）。果然更加好用，整理如下。
2. 准备数据
12345import pyechartsattr = ["Jan", " ...
从正态分布到T检验
从正态分布到 T 检验
1．说明
接上次的 《几种常见的数学分布》。这次说说
T 分布和 T 检验，用词不够严谨，大家就领会精神为主吧~
2．什么是抽样
如果整体样本可以一个一个判断叫普查，如果整体样本太多，没法一个一个判断，只能取一部分代表整体，叫抽样。
比如说，一个班有 20
个人，我们可以把所有人的身高加一起，除以人数，计算均值，如果有 2000000
人，就无法把所有人身高都统计一遍再除以总数，一般情况下，就是取其中一部分，计算其均值，认为他们能代表全部。
3．正态分布
先复习一下正态分布，比如说女人的身高一般在 160 左右，150, 170
的比较少，140,180
的更少，把身高当做横轴，人数作为纵轴画图，就可看到一个中间高两边低的钟形曲线，也就是正态分布。
那什么不是正态分布呢？比如人的空腹血糖一般在 4-6 之间，而血糖高的
7,8,9 的很多，而低到 3,2,1
的就很少，不样一边多一边少的，就不是正态分布。
4．正态分布和 T 分布
如果只有 20 个人画一下算一下，就是正态分布；如果有 2000000
人，从中随机取出 20 个，画一图也就 ...