图像处理
AUTO1993
这个作者很懒,什么都没留下…
展开
-
基于深度图像的头部姿态估计
1.头部姿态 头部姿态估计通常是指利用计算机视觉和模式识别的方法在数字图像中判断人头部朝向问题[2]。更严格的说,头部姿态估计是在一个空间坐标系内识别头部的姿态参数,即头部位置参数()和方向度参数。描述头部方向度参数的有三个:水平转动的偏航角(Yaw)、垂直转动仰俯角(Pitch)以及左右转动的旋转角(Roll)。如下图所示,一般而言,一个正常的成年人的头部四周运动的范围为:左右偏角原创 2016-11-15 09:06:27 · 9068 阅读 · 6 评论 -
3D CNN框架结构各层计算
3D CNN框架结构各层详细计算过程这篇博客主要详细介绍3D CNN框架结构的计算过程,我们都知道3D CNN 在视频分类,动作识别等领域发挥着巨大的优势,前两个星期看了这篇文章:3D Convolutional Neural Networks for Human Action Recognition,打算用这个框架应用于动态表情识别,当时对这篇文章的3 D CNN各层maps的计算不怎么原创 2017-04-29 13:47:20 · 40644 阅读 · 12 评论 -
C3D:视频动作分类demo实现
C3D:视频动作分类demo实现C3D这个网络是来自于learning Spatiotemporal feature with 3DConvolutional Networks这篇文章,我也对这篇文章仔细的研读过,总的来说这篇文章提出的网络的卷积神经网络(CNN)近年被广泛应用于计算机视觉中,包括分类、检测、分割等任务。这些任务一般都是针对图像进行的,使用的是二维卷积(即卷积核的维度为二维原创 2017-05-01 19:24:42 · 16576 阅读 · 25 评论 -
神经网络的直观解释
什么是卷积神经网络?为什么它们很重要?卷积神经网络(ConvNets 或者 CNNs)属于神经网络的范畴,已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号,从而为机器人和自动驾驶汽车提供视力。在上图中,卷积神经网络可以识别场景,也可以提供相关的标签,比如“桥梁”、“火车”和“网球”;而下图展示了卷积神经网络可以用来识别日常物体、转载 2017-05-12 21:00:36 · 1909 阅读 · 0 评论