长春企业建站平台海报设计论文

链接：https://pan.baidu.com/s/1l-bw8zR9psv1HycmMqQBqQ?pwd=2ibp

提取码：2ibp

--来自百度网盘超级会员V2的分享

1、毛笔字检测运行流程

如果解压文件发现乱码，可以下载Bandizip

解压文件 数据集在百度网盘里面

将文件名字改成images

conda create -n 环境名称 python=3.8
conda activate 环境名称

然后配置环境

pip install requirements.txt

先运行cat_hog.ipynb观看猫咪图片的hog图片

第一次运行的话需要安装jupyter，过一段时间安装成功，会弹出如下图片（如果没有弹出再点击一次运行）点击python环境，选择你的虚拟环境

 

点击运行程序

之后打开hog+svm.ipynb

之后他就会安装一些依赖包，然后就可以运行每一个步骤了。运行需要依次点击图片的左边运行按钮，不能第3段程序比2段程序先运行，需要一步一步来，你就能看到每一步的结果了。

如果有些错误就需要下载相关的模块

运行到这里需要花一点时间

2、毛笔字检测程序分析

hog算法一般用来检测行人、车辆等边缘信息丰富的目标

1. 为正常读取照片

2. 读取数据的尺寸大小，并且用hog提取毛笔字的边缘特征

hog(image, orientations=4, pixels_per_cell=(16, 16),

cells_per_block=(1, 1), visualize=True)

是用定义hog的参数

hog(

image, # 输入图像（需为灰度图）

orientations=4, # 方向梯度分成的角度区间数（默认4）

pixels_per_cell=(16, 16), # 每个单元格的像素大小（宽, 高）

cells_per_block=(1, 1), # 每个块包含的单元格数（宽, 高）

visualize=True # 是否返回HOG特征的可视化图像

)

• 返回值

当 visualize=True 时，返回两个结果：

• HOG特征向量：一维数组，包含所有块的归一化梯度直方图信息。

• 可视化图像：二维数组，直观显示图像中每个单元格的梯度方向。

具体理论可以看这个论文： https://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf

1. 训练级和测试集的定义，批量处理图片

2. 输出zhunquelv

3. 保存模型

4. 调用保存的模型测试数据集

5. 生成验证表格