- 博客(52)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 SLAM学习——开启cmake的第一个项目
老样子，同样的，还是为了记录自己的学习过程，鄙人以前做深度学习的，主要使用Python，最近由于工作需要使用C++各种库，所以记录一下自己使用Cmake编译代码的过程。1.2 文件路径解释cmake编译的文件结构一般相对固定，大家可以模仿，创建自己的文件结构，简单解释一下：2.2 命令介绍：最低版本需要，根据自己安装的版本来，必须有的。：使用的C++标准，可以不用设置。：项目名称。：文件执行输出。:设置库文件输出到代码源路径下的lib文件夹中。：找Pangolin的库，REQUIRED表示必须用到
2022-09-04 19:10:46
866
1
原创 ORB_SLAM3复现——上篇
最近由于工作需要，鄙人被迫转入SLAM领域，实属无奈，为了讨口饭吃，被迫放弃最初的梦想，哭哭哭哭哭，最近发现SLAM也蛮好玩的哈，哎，真香！话不多说，还是那句话，为了督促自己认真学习，记录以下复现的第一个SLAM相关的项目吧。今天博客就写到这里，由于，博客内容太多，页面总是卡顿，所以剩下的部分，我另外再接着写，后面我会多所有数据都测试一遍，并且做结果评价。httpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttps。............
2022-07-23 20:59:49
2896
原创 超分重建网络——DASR
为了督促自己认真学习，碧波自己把最近学的东西，写成博客/(ㄒoㄒ)/~~想深刻学习这个网络的提出思路，推荐大家看下面这个博主的连接，他比我讲的好，所以我就不过多解释了。论文解读：https://blog.csdn.net/weixin_43972154/article/details/119327182至于学习代码的话，根据作者的操作步骤一步步来就ok了，学习新网络，最重要的是复现代码。代码连接：https://github.com/The-Learning-And-Vision-Atelier-L
2022-06-18 14:12:42
3712
15
原创 视频图像增强——FastDVDNet
下面分享一个博主对FastDVDNet的论文解读论文解读代码连接论文作者提供的代码：https://github.com/m-tassano/fastdvdnet根据需要准备环境就好了，要下载vimeo_septuplet数据集可以直接使用我的代码训练训练过程图3. 测试...
2022-06-13 19:45:08
1023
原创 好玩的人脸识别小软件
在毕业的小空闲里面，利用pyqt写了一个简单实现人脸检测的小软件，非常好玩，推荐给大家玩一下。主要是利用Retinaface和Facenet实现人脸识别的。这两个网络我这里就不做介绍了，不太了解的朋友可以搜一下，我就默认你们都知道哈。链接：https://pan.baidu.com/s/15cNBdXaJVjeLYGo4a05E7w提取码：fasf我们来看一下效果吧做这个初始的想法是，安装在门口，对于一些独居的人很有用。先把这个放出来给大家玩一下，感兴趣的同学可以下载代码玩一玩。......
2022-06-08 14:31:57
373
3
原创 图像增强小程序——Img+
最近闲来无事，用PyQt5写了一个图像增强查看器，可以实时查看图像增强结果，集成了常用的图像增强方式。包括等，想具体了解增强方式可以查看https://blog.csdn.net/CharmsLUO/article/details/123788365。下面介绍一下这个工具吧。大家可以根据需要选择自己想增强的方式，亲测非常好用，尤其是写毕业论文，没得图片的时候，用上他，可以丰富你的图片，非常丝滑。软件代码，太多了，我就不放在这里了，下面是网盘连接：链接：https://pan.baidu.com/s/1k
2022-06-04 14:46:48
1100
13
原创 计算机视觉方向面试宝典总结
学习目标：马上快答辩了，实在是无心学习，闲来无事，就整理一下，去年找工作以来总结的一些我认为面试常考的东西吧，希望能对今年找工作的你，有所帮助。首先说一下我的研究方向是计算机视觉，我的目标是算法工程师，这里面就很多了，大家根据自己的意愿来吧。学习内容：我直接放这里哈if __name__ == "__main__": """ 机器学习类别不平衡问题处理方法： 行欺诈问题，客户流失问题，电力盗窃以及罕见疾病识别，预测结果往往倾向于类别较多的观测数据 1.采样
2022-05-10 15:23:04
1500
原创 yolov5使用教程训练our数据——手把手教你训练预测(以阿里天池比赛为例)
玩转yolov5前言1、yolov5项目克隆和安装1.1 代码下载1.2 安装环境1.3 下载预训练权重1.4 安装测试2、数据准备2.1 数据形式2.2 数据转换2.3 转换结果3、相关配置3.1 数据配置文件2.读入数据总结前言以阿里天池比赛为例，手把手教你玩转yolov5，妈妈再也不用担心用yolov5训练自己的数据集啦。1、yolov5项目克隆和安装1.1 代码下载下面提供两种下载代码的方式：通过官网提供的代码下载提示：1. 如果是win系统的话，建议安装一个git，可以直
2022-04-21 20:31:53
3256
8
原创 阿里天池比赛——街景字符编码识别
文章目录前言一、街景字符编码识别1. 目标2. 数据集3. 指标总结前言之前参加阿里天池比赛，好久了，一直没有时间整理，现在临近毕业，趁论文外审期间，赶紧把东西整理了，5月底学校就要让我们滚蛋了，哭哭哭！！！大运会的牺牲品！！！一、街景字符编码识别先说一下比赛的基本情况吧，没有认真比赛，所以，你懂的，下面提供一下比赛连接和我的代码连接，感兴趣的小伙伴可以下载玩一玩哈。比赛连接：https://tianchi.aliyun.com/competition/entrance/531795/intr
2022-04-21 10:39:38
2548
6
原创 open-mmlab / mmpose安装、使用教程
mmpose安装、使用教程mmpose安装教程1. 安装mmcv-full2. 安装MMPose2. 安装mmdet使用教程1. 预测图片2. 预测视频mmposemmpose是商汤旗下有又一款好用的工具箱，主要是针对姿态识别任务开发的，包括人体姿态识别和动物姿态识别。里面继承很多现成的网络可以供大家使用，并且提供了训练好的权重。用户可以更具自己的需求训练自己的数据，或者直接应用他们的结果，反正就是很全面啦！！！！github连接：https://github.com/open-mmlab/mmpos
2022-04-16 20:32:45
10458
15
原创 高分辨率图像剪切——目标检测
高分辨率图像剪切前言代码前言最近做目标检测遇到一个问题，图像很大，几千几千的像素，直接输入网络训练效果不好，通常目标检测输入的图像都是固定大小的，例如：yolo系列，图片输入网路前会resize到416416。很大的图片直接做resize会丢失很多信息，因此训练出来的效果好，因此我们重叠剪切，对图像和标签同时做重叠剪切，然后输入网络训练。代码代码包含同时对标签和图像处理，标签格式是xmlimport sysimport osimport cv2import numpy as npimp
2022-04-11 21:10:31
3607
4
原创 数据增强(Data Augmentation)
目录前言1. Data Augmentation1.1 数据增强的作用2. 数据增强的手段3. 数据增强的代码3.1 代码3.2 结果前言最近写论文需要插入很多图片，为了蒙混过关，找了很多很多数据增强的手段，增强论文的丰富性，大家不要学我哈，反正我把技巧放这儿了！！！哈哈哈哈哈哈哈哈哈1. Data Augmentation1.1 数据增强的作用大家都知道在深度学习网络训练中，模型的样本越充足训练出来的网络模型泛化性越强，鲁棒性越高。最好的例子就是SSD对大目标效果很好，对小目标效果很差，但当
2022-03-28 11:17:33
16380
9
原创 yolov5——训练策略
yolov5——训练策略前言前言yolov5的训练策略big big丰富，这也是yolov5涨分厉害的reason，目前yolov5的使用量也是非常大的，官网的star已经23.5k了，无论是在迁移学习还是实际场景的应用都是非常广泛的。之前参加比赛，发现好几页的选手都在使用yolov5，确实有必要梳理一下，yolov5的训练策略。感觉这些策略对以后自己实验帮助会很大，所以要细嚼慢咽，好了，不说了，走起开吃！！！！！！！！！...
2022-03-20 18:40:13
22205
30
原创 yolov5——train.py代码【注释、详解、使用教程】
yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】前言1. parse_opt函数2. main函数2.1 main函数——打印关键词/安装环境2.2 main函数——是否进行断点训练2.3 main函数——是否分布式训练2.4 main函数——是否进化训练/遗传算法调参3. train函数3.1 train函数——基本配置信息3.2 train函数——模型加载/断点训练3.3
2022-03-17 18:00:40
31701
15
原创 yolov5——detect.py代码【注释、详解、使用教程】
yolov5——detect.py代码【注释、详解、使用教程】根据目前的最新版本的yolov5代码做出注释和详解以及使用教程，对了目前已经是v6,不知道你看博客的时候是什么版本呢，总的来说越来越先进越来越完善，越来越适合无脑啊哈哈哈，没你说哈IIIIdetect.py代码注释详解1. 函数parse_opt（）def parse_opt(): """ weights: 训练的权重路径,可以使用自己训练的权重,也可以使用官网提供的权重 默认官网的权重yolov5s.pt(yo
2022-03-12 17:50:48
88000
35
原创 yolov5——断点训练/继续训练【解决方法、使用教程】
断点训练在训练过程中由于突发情况训练中断，从头训练耗时解决办法步骤一再train.py文件中找到函数parse_opt，修改参数–resume的默认参数为Ture步骤二再runs/train/exp*/weights/路径下找到上次训练的最后的保存的权重，加载断点之前最后保留的模型即可，例如笔者的步骤三命令行输入命令：全部流程...
2022-03-10 20:23:41
24405
19
原创 opencv二值图像分割——python
二值化图像图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。全局阈值cv2.threshold(src, thresholdValue, maxVal, thresholdingTechnique)src:输入灰度图像数组。thresholdValue:提及用于对像素值进行分类的值。maxVal:如果像素值大于（有时小于）阈值，则给出的值。thresholdingTechnique:要应用的阈值类型
2022-03-10 14:24:58
6278
原创 激光条纹中心提取——Zhang-Suen法python
Zhang-Suen法Zhang-Suen法python代码Zhang-Suen法细化法（又称形态学骨架法）是通过对光条纹不断地进行腐蚀操作，剥离光条纹边界，得到单像素宽度的光条纹连通线（又称骨架）的形态学处理方法。该方法是通过细化技术，将光条纹区域的细化曲线作为光条纹中心线。 由于细化法是基于形态学的方法，只是对光条纹骨架进行提取，没有考虑到光条纹的横截面灰度分布特点。因此，细化法提取的光条纹中心线精度有限。另一方面，由于该方法需要大量时间来进行反复的细化操作，提取算法的运算速度被大大降低。细化的
2022-03-04 13:29:09
5147
原创 阿里天池比赛——地表建筑物识别
阿里天池比赛——地表建筑物识别记录一下之前参加的阿里天池比赛，方便以后查看。策略：1.多模型训练2.多模型测试3.数据增强4.预训练/冻结训练5.迁移学习6.TTA7.后处理8.finetue阿里天池比赛我的代码连接链接：https://pan.baidu.com/s/1Bwvjflov0O1O6RBD898-5g提取码：fasf部分代码如下，想玩这个项目的可以看我的代码，里面包含所有代码、数据、技巧。#!/usr/bin/env python# coding: utf-
2022-03-03 23:31:01
2117
12
原创 阿里天池比赛——食物声音识别
阿里天池比赛——食物声音识别最近写毕业论文无聊之余，再次参加阿里天池比赛，之前一直做CV,第一次尝试做语音识别，记录一下过程。策略：1.梅尔频谱和梅尔倒谱以及混合2.多模型测试想玩这个项目的同学可以查看连接：阿里天赐比赛我的代码连接链接：https://pan.baidu.com/s/1pX21kMX901O7QKcb-m-B6g提取码：fasf–来自百度网盘超级会员V5的分享# 基本库from audioop import mulfrom functools import lr
2022-03-03 23:15:01
1051
7
原创 激光条纹中心提取——Steger法python
激光条纹中心提取——Steger法pythonStegerpython代码StegerSteger算法是目前使用最广泛的线结构光条纹中心提取算法之一，是由Steger在二十世纪末提出。Steger算法是基于Hessian矩阵（见式1-18）得到图像中光条纹的法线方向。图像中点的法线方向由该点的Hessian矩阵最大特征值的绝对值对应的特征向量给出，通过在法线方向上求极值点得到光条纹中心的亚像素位置。g(x,y)是二维高斯卷积核，用于突出光条的灰度分布特征。z(x,y)是以图像上的点(x,y)为中心，
2022-03-03 21:10:51
5363
10
原创 激光条纹中心提取——模板匹配法python
激光条纹中心提取——模板匹配法python模板匹配法python 代码模板匹配法方向模板法是由胡斌等提出的一种利用可变方向模板检测结构光条纹中心的方法，是基于灰度重心法的改进算法[5]。当线结构光投射到粗糙的物体材料表面时，光条纹会产生偏移与形变等现象，在精度要求不是很高的情况下，可近似地构建光条纹发生偏移的四个方向模板，即水平、垂直、左倾45°、右倾45°四个偏移方向。对应上述光条纹发生偏移的四种偏移模式，构建四个方向的模板（四种方向模板见式1-8、1-9、1-10、1-11、1-2），对光条纹截面各
2022-03-03 21:07:11
2045
3
原创 激光条纹中心提取——极值法python
激光条纹中心提取——极值法python极值法python代码极值法极值法首先需要获取光条纹横截面的灰度分布函数，并对其进行梯度运算。梯度值等于零处的像素点就是光条纹中横截面灰度极大值点，并将该点作为光条纹中心点。极值法要求激光条纹截面的灰度分布近似成理想高斯分布，由于受到环境噪声的影响，列车轮对表面的激光条纹灰度分布并不是理想的高斯分布，如果在这种情况下使用极值法提取光条纹中心线，得到的光条纹中心点有可能是局部的极值点，造成提取结果出现较大的误差。如图1-5左图所示，当光条的灰度分布成理想的高斯分布式，
2022-03-03 21:03:44
1779
1
原创 激光条纹中心提取——灰度中心法python
激光条纹中心提取——灰度中心法python灰度中心法python代码灰度中心法灰度重心法是根据每行光条纹横截面内的灰度分布特征逐行进行处理，通过在行坐标的方向上，逐行计算提取光条纹区域的灰度重心点，并将该点用来代表该截面的光条纹中心点位置，最后将所有中心点拟合形成光条纹中心线。具体操作步骤是，先对图像进行滤波除去噪声，然后再用阈值分割，保留大于阈值的部分，如图1-6左图是分割前的图像，图1-6右图是分割后的图像，其中区间(m, n)由阈值T决定。灰度重心法计算光条纹中心点的公式见式（1-7），光条纹第v
2022-03-03 21:00:06
6211
4
原创 传统激光条纹中心提取算法研究现状
传统激光条纹中心提取算法研究现状前言一、边缘法二、中心法三、阈值法四、 细化法五、极值法六、灰度重心法七、方向模板八、曲线拟合法九、Steger前言光条中心提取是将宽度大于1的激光曲线用一根像素宽度为1的中心线表示出来，用这个中心线能比较容易地分析图像，提取图像相关特征。激光条纹中心提取的精度和速度直接影响三维测量的结果。对于理想的列车轮对踏面采集图像来说，沿图像亮带垂直方向作切面，在切面上的亮带能量分布应该满足高斯分布（由激光器特性决定）。取最亮点的连线作为亮带的中心线，即可得到列车轮对踏面的像。然而
2022-03-03 20:48:29
7951
2
原创 常见的激活函数
激活函数：激活层的原理是在其他层的输出之后添加非线性激活函数，增加网络的非线性能力，提高神经网络拟合复杂函数的能力。激活函数的选择对神经网络的训练至关重要，常用的激活函数包括Sigmoid函数、Tanh函数、ReLU函数和LeakyReLU等。激活层模拟了生物神经系统的刺激过程，将非线性函数引入进来，从而更加有效地进行特征的表征。在卷积神经网络中的卷积层和全连接层，每一层的输出值在本质上都是输入神经元经过计算加权平均值的结果得到的。由于加权平均是线性运算，经过多个卷积层或全连接层的组合叠加，得到的函数依旧
2022-02-25 16:14:49
3176
原创 平均池化和最大池化分别适用于什么场景呢？
平均池化和最大池化适用场景平均池化和最大池化分别适用于什么场景呢？在卷积神经网络中，池化操作主要有两种。其中一个是，最大池化（MaxPooling）；另外一个是平均池化（MeanPooling）。如图2-4所示，池化过程是将输入图像平均划分成若干个矩形区域，最大的池化则是将池化区域的像素点取最大值，这种方式得到的特征图对纹理特征信息更加敏感；平均池化则是对池化区域内的图像取平均值，这种方式得到的特征信息对背景信息更加敏感，例如可以帮助分类。这种机制能够有效的原因在于，在发现一个特征之后，它的精确位置远不
2022-02-04 14:36:24
21015
原创 cv2.eigen(hessian)
cv2.eigen(hessian)ret,eigenVal,eigenVec= cv2.eigen(hessian)返回值ret表示矩阵是否存在特征值，,eigenVal表示特征值， eigenVec表示特征向量例子import cv2import osimg = cv2.imread("./1.png")gray_origin = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray_origin, (5, 5
2022-01-21 10:45:38
4336
原创 多模型融合预测
多模型融合预测：多模型融合预测可以理解为1+1>2， 例如：模型1预测结果：1111 1100 11 --> acc: 80%模型2预测结果：1100 1111 00 --> acc: 60%模型3预测结果：1111 0010 11 --> acc: 70%3模型合在一起： 1111 1110 11 --> acc: 90%代码muti_test.pyimport numpy as npimport pandas as pdimport pathlib,
2022-01-15 15:07:34
2662
4
原创 激光条纹中心提取——ZhangSuen法python
ZhangSuen法：论文连接：A fast parallel algorithm for thinning digital patterns代码连接：https://github.com/bsdnoobz/zhang-suen-thinning上代码：代码1from scipy import weaveimport numpy as npimport cv2import sysdef _thinningIteration(im, iter): I, M = im, np.zeros(
2022-01-14 19:24:46
896
原创 曙光服务器免费蹭一个月
免费蹭一个月云服务器云服务器——曙光服务器注册1. 注册使用注册网址：https://ac.sugon.com/ac/home/index.html2.注册好后，选择控制台3.运算界面运行项目教大家两种最常用的方式。第一种利用他们自带的环境运行我们的项目，由于他们自带的环境包很少。环境比较老，运行很不稳定，这种方法不推荐。自带的运行环境1.上传代码这是我上传的演示代码，需要的可以通过百度网盘下载：链接：https://pan.baidu.com/s/1fiOowgQR6Yy
2022-01-13 16:02:12
1683
1
原创 关键词搜图、截图小助手——有了它妈妈再也不用担心我数据集啦
项目连接：https://github.com/vijishmadhavan/Crop-CLIP在线工具： https://github.com/vijishmadhavan/Crop-CLIP改项目将 YOLOv5 和 CLIP 结合起来，在使用关键词检索图片内容的同时，直接精确裁剪出包含检索主题的那一部分。作者提供了Colab可以直接运行，一共有两个项目，一个关键词截图，一个关键词视频搜图，感兴趣的小伙伴可以在线玩一下在线工具...
2022-01-06 17:26:21
753
原创 激光条纹中心提取——骨架提取法
粗暴的骨架法将形态学算法引入光条纹中心提取 单纯提取骨架导致精度不高；反复细化操作导致运算速度降低上代码#include <opencv2/opencv.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <stdio.h>using namespace std;using namespace cv;//-----
2022-01-05 22:50:55
1022
1
原创 激光条纹中心提取——方向模板法
老实的方向模板法方向模板匹配的精度往往受限模板的方向，并且由于大量的匹配运算消耗当量的时间，纹理复杂的物面会使条纹向更多方向发生偏移，优点就是能够克服白噪声干扰，具有在一定程度上修补断线的能力，通常方向模板和灰度重心法相结合较为常见。上代码clear;clcI = imread('6.png');img = imread('6.png');if ndims(I) == 3 I = rgb2gray(I);endthresh =20;[r,c] = size(I);for i
2022-01-05 19:00:05
2944
原创 激光条纹中心提取——zhang细化+灰度重心法
优秀的zhang-suen细化+灰度重心法先用zhang-suen细化对激光光条做细化，然后在使用灰度重心法可以达到亚像素提取，精度还是可以的，但是对我的数据集不是很友好，代码是看其他博主的，代码可以参考代码连接----------论文连接上代码#include<opencv2/core/core.hpp>#include<opencv2/calib3d/calib3d.hpp>#include<opencv2/highgui/highgui.hpp>#in
2022-01-05 16:43:54
3862
4
原创 激光条纹中心提取——方法总结
激光条纹中心提取——方法总结算法优势缺点边缘法处理速度快；适用于精度要求低的大型物体测量存在很大误差；要求图像质量较好且结构光特性较高中心法适用于条纹质量好且形状规则的物体测量；精度高于边缘法存在图像噪点影响，边缘线的提取会出现误差导致中心法的效果不佳计算速度快；算法简单计算速度快；算法简单适用于中心线位置的粗略估计易受噪声影响；提取精度较差细化法将形态学算法引入光条纹中心提取单纯提取骨架导致精度不高；反复细化操作导致运算速度降低极值法灰度.
2022-01-05 16:19:44
2925
原创 激光条纹中心提取——极值法
垃圾极值法极值法应该说是最垃圾的光条中心提取方法了，工业上基本看不到他，她不但对噪声敏感，而且对光条的灰度值分布有很高的要求，他呢原理简单没有技术含量，就是简单粗暴的认为光条灰度值最大的地方就是中心。上代码代码也好理解#include <opencv2\opencv.hpp>#include <iostream>#include <opencv2\imgproc\types_c.h>using namespace cv;using namespace st
2022-01-05 15:55:35
1409
原创 激光条纹中心提取——灰度重心法
菜鸡的灰度重心法灰度重心法的概念就不用我多哔哔了，做激光中心提取的同学都知道，灰度重心法应该说是最早的一种光条中心提取算法了，顾名思义就是根据灰度值的分布求出中心，所以往往要求灰度分布成高斯分布，但是实际情况是相反的，所以这种方法就只歇着，不过有很多灰度中心法结合或者改进比较常看到。上代码#include <opencv2/opencv.hpp>#include <iostream>#include <opencv2\imgproc\types_c.h>#i
2022-01-05 14:43:26
5895
原创 激光条纹中心提取——Steger
激光条纹中心提取-Steger好久没有记录了，记录一下今天学习的内容，据说Steger在激光条纹中心提取上神一般的存在。文章和代码都分享给大家了哈，其中有四个文件，3个C++,一个python，python一个抠图文件，3个c++包含背景图+原图， 单张图提取， 多张图提取。分享代码#include <opencv2\core.hpp>#include <opencv2\highgui.hpp>#include <opencv2\imgproc.hpp>#i
2022-01-04 22:05:15
4332
10
原创 【Subpixel Dense Refinement Network for Skeletonization】CVPR2020论文解读
Subpixel Dense Refinement Network for Skeletonization摘要前言数据集网络结构实验结果摘要骨架化是将形状图像缩小到其近似中轴表示的过程，同时保持图像的拓扑和几何形状。骨架化是拓扑和几何形状分析的重要步骤。作者提出了一种新的骨架提取结构——亚像素密集细化网络，它是在像素骨架挑战数据集上进行训练和评估的。所提出的架构是一个三级编码器-解码器网络，在每一级的解码器网络之间具有密集的互连。该结构用子像素卷积代替了一般的上采样层和转置卷积层，以最小化编码特征的上采
2021-01-02 12:26:21
335
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人