1.对深度学习相关神经网络理解深入，如 DNN、CNN、RNN、GAN 等； 2.有深厚的理论研究背景和数据基础，熟悉 EM、MCMC、LR、LDA、PCA、时间序列等数学方法； 4.熟悉一种以上的深度学习的开源框架，如 Caffe、TensorFlow、ARMAILibrary、SNPE、OpenGLES 等。

https://segmentfault.com/a/1190000044071469

cv2.imread(path, flag)

• flag：

1
2

[return]    type: numpy.ndarray
            size: (H, W, C), C -> (BGR)

ImageToTensor

1
2
3
4
5

image = cv2.imread(path)
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

image = torch.from_numpy(image_rgb).transpose(1, 2).transpose(0, 1)
image = image.float().div(255)

cv2.imwrite(path, image)

TensorToImage

1
2
3

image = image.mul(255).byte()
image = image.transpose(0, 1).transpose(1, 2)
image = image.cpu().numpy()

通道处理

1
2

b, g, r = cv2.split(image)
image = cv2.merge((b, g, r))

图像处理与计算机视觉基础

二值化

• cv2.threshold()

边缘检测

• cv2.Canny()

图像滤波

• cv2.filter2D()
• cv2.blur()
• cv2.GaussianBlur()

图像形态学操作

• cv2.erode() 腐蚀
• cv2.dilate() 膨胀
• cv2.morphologyEx() 开闭运算、形态学梯度、顶帽、黑帽等