2019年8月1日 星期四

在 MNIST 上加入自己的訓練資料 - PNG 轉換, 打包及合併雙 Dataset 進行訓練

手寫辨識已經是 ML 界的 Hello World,但想要拿 MNIST 的 Digits 拿來辨識紙上的數字,顯然有一些不足,這可能是因為不同的國家、語言書寫方式影響數字的寫法及樣式,現有的 MNIST 資料庫雖然龐大,但儘管只有 60,000 多筆資料製作成的 weight model 中,想要把這些圖像上的數字拿來精準的辨識,是不太可能的事,我從資料的角度下手,把辨識完錯誤的圖片提取並且重新製作成 MNIST 的資料回頭訓練,希望可以加強辨識度。

這篇文章在做的事,就是紀錄把這些圖片轉回可訓練的 MNIST (idx3-ubyte, idx-ubyte) 中,得到一個合併的模型。

2019年7月30日 星期二

Mask RCNN - Balloon 進行 splash 時出現 operands could not be broadcast together with shapes 的錯誤問題排解

跨系統或跨裝置本來問題就有點多,在我使用 splash 去辨識氣球圖片的時候產生了 operands could not be broadcast together with shapes (1024,1024,4) (3,) 的錯誤。  以下為解決過程及方案。

2019年7月29日 星期一

有關於 ValueError: Unknown initializer: GlorotUniform 的錯誤排解方案

使用 HDF5 的 keras weight model 時,由於跨電腦設備讀取、不同於訓練的專案導致發生: ValueError: Unknown initializer: GlorotUniform 的錯誤。  以下為解決方案之筆記。

2019年7月22日 星期一

OpenCV(Python) Vertical and Horizontal Binary Histogram Projection Line Chart

將圖像二值化後,將其二維矩陣之個軸 (x, y) 單獨加總,例如求得 x 軸總和即為行加總,y  軸總和即為列加總。

求得之加總 x,y 值則各自會變成一維資料,而此方法則為線性代數之投影量,稱為 Histogram Projection。

2019年3月8日 星期五

Android 使用 Java 手動新增 CardView 及設定漣漪效果

Android 中要手動設定漣漪 (Ripple) 效果,要做成 TypedArray  或  TypeValue 的形式,才能令 CardView.setForeground 去讀取目標要的 Drawable 波紋效果。

© ERIC RILEY , 自由無須告知轉貼
Background Japanese Sayagata by Olga Libby