aim: 神经网络裁剪和拼接代码，用于测试图片过大，机器发生OOM的情况，图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

Siamese孪生网络-完整代码-基于Tensorflow实现，已跑通

paper汇总 图像处理 深度学习 语义分割 paper汇总 图像处理 深度学习 语义分割 paper汇总 图像处理 深度学习 语义分割

语义分割是一种典型的计算机视觉问题，其涉及将一些原始数据（例如，平面图像）作为输入并将它们转换为具有突出显示的感兴趣区域的掩模。许多人使用术语全像素语义分割（full-pixel semantic segmentation），其中图像中的每个像素根据其所属的感兴趣对象被分配类别ID。

本文总结了多种图像分类任务中的重要技巧，对于目标检测和图像分割等任务，也起到了不错的作用。计算机视觉主要问题有图像分类、目标检测和图像分割等。针对图像分类任务，提升准确率的方法路线有两条，一个是模型的修改，另一个是各种数据处理和训练的技巧(tricks)。图像分类中的各种技巧对于目标检测、图像分割等任务也有很好的作用，因此值得好好总结。本文在精读论文的基础上，总结了图像分类任务的各种tricks如下。

黄龙病(柑橘)数据集，一共5507张RGB图像。

注意力机制+ResNet的分类网络-python，Keras实现

几篇关于深度学习的文章，是图像处理方面的

为了增强畸变校正方法的实时性和适用性,提出了一种基于卷积神经网络(CNN)的图像畸变校正方法。首先,使用具有自校准功能的运动结构重建真实相机拍摄的图像序列,以估计相机参数;然后,根据拟合出的第一、第二阶径向畸变参数之间的函数关系,生成常见径向畸变范围内的图像,解决带有第一、第二阶径向畸变注释的畸变图像较少的问题;最后,利用CNN强大的学习能力学习径向畸变的特征,以估计径向的变形情况,并将输入图像映射为畸变系数,实现图像的畸变校正。实验结果表明,相比传统相机标定法,本方法的校正误差约为1 pixel。

利用pyqt5做的界面，然后打开本地图片，调用已经部署好的模型，进行识别，并将结果展示出来。以提供模型。其中需要安装好各种库，对应的文件位置自行修改下。