首先，表明一个问题，Pillow和PIL不是一个东西，Pillow 是一个对 PIL 友好的分支，两者的作者是不同的，由于PIL的更新计划太慢了，作者计划一年更新两次，有一些问题无法及时解决，导致Pillow的诞生，Pillow在2.0.0版本之后增加了对python3的支持，同时也修复了很多bug。
今天碰到一个奇葩的问题，asp页面表单提交后，有一个文本框<input type="text" name="phone" id="phone" />在后台获取不了，
canvas是一个很实用的工具，难可以难到头发掉光，简单可以简单到几行代码就能给人眼前一亮的效果。这里是作者在开发canvas的道路上遇过的坑，以及如何用简易地使用canvas做一些日常任务，比如分享图片的自定义，又比如大家喜欢的X炸天的粒子特效（不知道算不算，反正很COOL就是了）。
http://www.tensorinfinity.com/paper_156.html
在计算机视觉中，视频识别和检测是一个重要的方向。历年来CVPR和ICCV等顶会文章中这类论文是最多的。视频识别和检测也是最有落地场景前景的，像人脸识别、动作检测、异常检测、行人重识别、行人计数等都是很有落地前景的应用方向。本文介绍百度PaddlePaddle推出PP-Human行为识别模块，覆盖视频分类、检测、关键点识别等重要领域，既有demo又有代码，是初学者很好的入门学习资料。
目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，同时目标检测也是泛身份识别领域的一个基础性的算法，对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。本文主要介绍基于深度学习的两种目标检测算法思路与具体实现细节，分别为One-Stage目标检测算法和Two-Stage目标检测算法。
当客户在使用我们的产品过程中，遇到问题需要向我们反馈时，如果用纯文字的形式描述，我们很难懂客户的意思，要是能配上问题截图，这样我们就能很清楚的知道客户的问题了。
前言 上周六有个群友@我说Gitee的反馈模块新增了截图功能，我就去体验了下，发现他们用的就是我的插件😁，本文就跟大家分享下这个插件，欢迎各位感兴趣的开发者阅读本文。 插件地址与实现原理 本插件采用原生js实现，可以集成在任意一个web项目中，插件npm地址与GitHub地址请移步： js-screen-shot（npm）[1] js-screen-shot（GitHub）[2] 插件的实现原理请移步： 实现Web端自定义截屏[3] 实现Web端自定义截屏(JS版)[4] 在线体验本插件，可移步我的开源项目
最近项目中入手了一个非常实用的插件，这里和大家一起分享下：通过canvas实现图片裁剪的工具--cropper.js
在刚刚过去的一个学期里，基本水逆了一整个学期，这学期基本没干什么活，就跟RCNN杠上了。首先是看论文，然后是网上找tensorflow写好的源码。但是，可惜的是网上给出的源码基本上是RCNN的主要作者Ross Girshick大神的代码，不同数据集换了下。因此为了理解源码，RCNN的处理过程，费劲去装了个ubuntu和win10的双系统并在Ubuntu上安装caffe，这就花费了近2周的时间。快速研究完RCNN的caffe源码之后，才转过来手写Fast RCNN的tensorflow版本的代码，这也花费了大量的时间，从踩坑到填坑再到踩坑。RCNN不是很好实现，SVM至今还没怎么看懂。接下来将会陆续更新RCNN->Fast RCNN->Faster RCNN系列的文章。在这篇文章中，主要讲解RCNN与Fast RCNN中获取图片中物体真实目标检测框的算法——选择性搜索算法。
机器之心专栏 本专栏由机器之心SOTA！模型资源站出品，每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务，并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA！模型资源站（sota.jiqizhixin.com）即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。 本文将分 3 期进行连载，共介绍 16 个在目标检测任务上曾取得 SOTA 的经典模型。 第 1 期：R-CNN、SPP-Net、Fast R-CNN、Faster R-C
在平时的开发过程中，我们经常会使用 UImage 加载jpg、png等格式的图片，但其最终都是将这些图片数据解压为位图(Bitmap)。图片解压就是一个将jpg、png等图片解压为位图的过程。本文我们一起探索一下。
检测资源合集http://objectdetection.cn/2018/05/14/awesome-object-detection/
某次测试中遇到了汉字点选的验证码，看着很简单，尝试了一下发现有两种简单的识别方法，终于有空给重新整理一下，分享出来。
在训练的时候需要计算每个样本的损失，那么CNN做分类的时候使用softmax函数计算结果，损失为交叉熵损失
Faster-RCNN是Fast-RCNN的后续版本，主要针对Fast-RCNN速度过慢进行优化。在Fast-RCNN中，速度的瓶颈主要是用于生成候选区域的Selective Search过程。在Faster-RCNN中，候选区域的生成使用RPN网络，且共享的使用了卷积产生的特性，由此将候选区域的生成方式纳入神经网络的范畴下。该系统有以下部分构成：
获取PDF文件中文字或图片的坐标可以实现精确定位，这对于快速提取指定区域的元素，以及在PDF中添加注释、标记或自动盖章等操作非常有用。本文将详解如何使用PDF库通过C# 提取PDF中指定文本或图片的坐标位置（X, Y轴）。
行人检测有两种方向，传统算法和基于深度学习算法。传统算法的典型代表有Haar特征+Adaboost算法，Hog特征+Svm算法，DPM算法。而基于深度学习的行人检测典型代表有RCNN系列，YOLO系列和SSD系列。其中RCNN系列算法是现在使用的最广泛的基于深度学习的行人检测算法。
一张图片就是一个标签，浏览器是否发起请求图片是根据的src属性，所以实现懒加载的关键就是，在图片没有进入可视区域时，先不给的src赋值，这样浏览器就不会发送请求了，等到图片进入可视区域再给src赋值。
对计算机而言，能够“看到”的是图像被编码之后的数字，它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置，如 图1 所示。
引入 R-CNN 基本结构和原理 R-CNN 的不足与改进 SPP 和 ROI Fast R-CNN Faster R-CNN YOLO V1 主要贡献和优势 基本原理 Anchor box 的设计
如果仅仅是普通的合成，例如一个底图和一个PNG水印图片合成，直接使用canvas的drawImage()方法即可，语法如下：
图片分类任务我们已经熟悉了，就是算法对其中的对象进行分类。而今天我们要了解构建神经网络的另一个问题，即目标检测问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车， 还要在图片中标记出它的位置， 用边框或红色方框把汽车圈起来， 这就是目标检测问题。 其中“定位”的意思是判断汽车在图片中的具体位置。
除了将该图像标记为猫外，还需要定位图中的猫，典型方法是在该猫周围画一个边界框，这个方框可以看做定义该方框的一系列坐标，(x,y) 可以是方框的中心w 和 h 分别表示方框的宽和高。 要计算这些值 我们可以使用典型分类 CNN，用到的很多相同结构。
目录： 1. 序言 2.正文 2.1 关于ROI 2.2 关于RPN 2.3 关于anchor 3. 关于数据集合制作 4
目标检测算法主要包括：【两阶段】目标检测算法、【多阶段】目标检测算法、【单阶段】目标检测算法
目标检测任务关注的是图片中特定目标物体的位置。一个检测任务包含两个子任务，其一是输出这一目标的类别信息，属于分类任务。其二是输出目标的具体位置信息，属于定位任务。
DOM中并没有直接获取光标位置的方法，那么我们只能间接来获取光标位置。DOM支持获取光标选中的范围，我们可以以此为切入点，来获取或定位光标的位置，当选取范围起始点和结束点一样时，就是光标插入的位置。
基础操作： ctrl+0=显示全图； ctrl+=放大； ctrl-=缩小； ctrl+j：复制当前图层到一个新层 ； ctrl+1 =实际像素显示。
抠图是图像处理中最常做的操作之一，也是中最为常用的技术之一。抠图其实并不难，只要你有足够的耐心和细心，只须掌握PS中一些基础知识就能完美的抠出图片。本文详细介绍PS种常用的5种抠图技术，分别是利用魔术棒工具、快速选择工具、磁性套索工具、多边形套索工具 、内容识别填充进行抠图，助你快速抠出你想要的区域。
比起图像识别，现在图片生成技术要更加具有吸引力，但是要步入AIGC技术领域，首先不推荐一上来就接触那些已经成熟闭源的包装好了再提供给你的接口网站，会使用别人的模型生成一些图片就能叫自己会AIGC了吗？那样真正成为了搬运工了，而且是最廉价的。 生成图片技术更多是根据一些基础的图像处理技术来演变而来，从最基础的图像处理技术学习，你就能明白图片生成是怎么一回事。最近看了很多关于目标检测的文章和博客，也在学习AIGC技术，从基础手工设计特征到如今的深度学习模型，二者技术发展历史其实可以说是有比较共同性的。
语义分割任务目标是输入一个图像，然后对每个像素都进行分类，如下图左，将一些像素分类为填空，一些分类为树等等。需要注意的是，语义分割单纯地对每个像素分类，因此不会区分同类目标，比如下图右边有两头牛，但是分类的结果中不会将两头牛区分开来，而是一视同仁，这也是语义分割的一个缺点。
感觉很有趣，就上网查了查怎么做，大部分的说法就是用美图秀秀的拼图功能来做， 在微信小程序中也有专门做心形拼图的小程序，我都试了试之后，感觉还可以更加简单一些，于是我就自己做了个小程序。
图片分类任务我们已经熟悉了，就是算法对其中的对象进行分类。而今天我们要了解构建神经网络的另一个问题，即目标检测问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车， 还要在图片中标记出它的位置， 用边框或红色方框把汽车圈起来， 这就是目标检测问题。其中“定位”的意思是判断汽车在图片中的具体位置。
Faster R-CNN是在R-CNN和Fast R-CNN的基础上提出的一种两阶段目标检测算法，其主要包括：
论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
绘制发散式光芒我们用矩形工具画一个长条，填充一个颜色，按住 alt 复制，按住 shift 选中前面的两个再复制，如此重复，保证内部有 16 个这样的色块就行了，将所有图层选中，Ctrl+t 变形将它压扁，然后隔一个删一个。然后将所有剩下的四款全部选中，合并在一个图层上。
前言：将Excel与Word合理地整合交互，往往能够获得很好的效果，极大地提高办公自动化效率。例如，将数据存放在Excel工作表中，Word文档按需自动化提取其中的特定数据；或者使用Excel来分析数据，然后以Word文档来呈现分析结果，等等。本专题先讲解了Word对象模型中常用的对象，让大家先熟悉VBA是如何操控Word文档的，有了一定的Word VBA基础知识后，再通过详细的示例演示Excel与Word交互的技术。
VBA是一种通用编程语言，适用于任何内置有VBA的应用程序，因此Word VBA与Excel VBA的语法一样，只是处理的对象模型不同。下面，我们通过一些示例语句及其作用描述来熟悉Word VBA。（注：这些语句来源于作者早期发表的VBA语句集，长期关注作者的朋友可能会有印象）
Photoshop 简称 PS，是由 Adobe Systems 公司开发和发行的图像处理软件。Photoshop 主要处理以像素所构成的数字图像。使用其众多的编修与绘图工具，可以有效地进行图片编辑和创造工作。Photoshop 有很多功能，在图像、图形、文字、视频、出版等各方面都有涉及。
有时候，我们需要某些颜色对应的十六进制代码，可能是需要设计网站，也可能是需要开发Web应用。
1.输入一张图片，进行数据预处理（尺寸，归一化等等） 2.将处理好的图片传入预训练的神经网络中(ResNet等，优秀的主干特征提取网络)获得相应的feature map。3.通过feature map中的每一点设定ROI，获得多个ROI候选框 4.对这些多个ROI候选框送到RPN中进行二值分类（前景或后景）和BB回归(Bounding-box regression),过滤掉一部分候选的ROI。5.对剩下的ROI进行ROI Align操作（即先将原图和feature map的pixel对应起来，然后将feature map和固定的feature对应起来） 6.对这些ROI进行分类（N类别分类），BB回归和Mask生成（在每一个ROI里面进行FCN操作）。
想要知道要应用的样式，最好的方法是使用录制宏，其录制的代码将告诉你所选取的样式名称。
本系列为 斯坦福CS231n 《深度学习与计算机视觉(Deep Learning for Computer Vision)》的全套学习笔记，对应的课程视频可以在 这里 查看。更多资料获取方式见文末。
本课程是百度官方开设的零基础入门深度学习课程，主要面向没有深度学习技术基础或者基础薄弱的同学，帮助大家在深度学习领域实现从0到1+的跨越。从本课程中，你将学习到：
瓦片是互联网地图webGIS组织地图数据的一种方式，最近的一个项目需要获取一定区域内的百度地图瓦片；ArcGIS的一个插件ArcBruTile支持很多地图源（如OSM、Bing）的瓦片获取，但是没有百度地图的，Github上的一些项目（如pyMap）也不支持百度瓦片的下载，
在很久以前，有写过一个使用 js 实现单张图片持续滚动图片的 代码，但那一版实现会持续操作DOM，向DOM中插入元素，性能较差，最近发现 requestAnimationFrame 通过 动画的方式实现图片滚动更加方便，遂重新实现了一版，效果更赞，性能更好。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
