带有细分细分的细粒度视觉分类

Grancv 具有粒度功能的OpenCV交互式资源管理器脚本，建立在 ， ， 和。 安装 创建新的conda环境： conda create -n cv_env python=3 激活环境 source activate cv_env 安装软件包： conda install -c conda-forge notebook jupyterlab ipywidgets bqplot opencv ipycanvas voila 启用JupyterLab扩展 jupyter labextension install @jupyter-widgets/jupyterlab-manager bqplot ipycanvas 去做 此回购还处于初期阶段，仅提供了一份草案。 代码将保存在代码文件夹中，并为每个不同的组件/操作创建单独的组件。

在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐、智能搜索、产品反馈、业务安全等。本次比赛我们提供了一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。参赛人员需根据标注的细粒度要素的情感倾向建立算法，对用户评论进行情感挖掘，组委将通过计算参赛者提交预测值和场景真实值之间的误差确定预测正确率，评估所提交的预测算法。

数字图像处理：自适应直方图均衡加强图像对比度后，对图像进行开运算，检测粒度，并绘制图线

适用于对粒度数据进行端元分析以明确粒度曲线的具体指示意义和环境变化序列

这个小软件在粒度参数计算方面很方便、易操作，可一次处理大量数据，平均粒径、中值粒径、众数等各种数据都一目了然。

共8400多对中英语句，已预处理，中文用jieba分了词，标点符号没问题，保存于en-zh.csv，分隔符是制表符\t（不是默认逗号）。 句粒度，但有不少长句，裁剪后5w对也够用。 原始数据集也在包中，其中en-zh_News.tmx有一部分句子有问题，（en-zh.csv丢弃了有问题的句子），如果必要建议不要直接使用该文件。 另外附赠我对语料的预处理文件（propressor.py），以及数据集（pytorch的Dataset）等相关的实现（LangData.py)。 如果又可以改善的地方，欢迎留言