计算机视觉
入坑计算机视觉。
费马定理
这个作者很懒,什么都没留下…
展开
-
关键点为什么要生成高斯图
作者:张良怀链接:https://www.zhihu.com/question/293815527/answer/650136212来源:知乎对于关键点检测任务,有两种方式去监督:(1)直接用目标点的坐标进行监督,这样网络是一个回归网络(最后是全连接层),网络输出应该是目标点的坐标(x,y),即2个输出神经元。k个点同时检测,那就是2k个输出神经元。(2)用heatmap去监督,即网络的输出是一个和输入大小相同尺寸的特征图,在检测点的位置为1,其他位置为0。多个点的检测就输出多个通道的特征图。网络转载 2020-07-26 16:18:35 · 1798 阅读 · 2 评论 -
RPN的理解
转载自:https://www.cnblogs.com/jiangnanyanyuchen/p/9433791.html 本来想看看bolg大致了解一下,可是bolg说的都不是很清楚,索性花点时间读读论文。如果把RPN看作一个黑盒子的话,我们最关心的问题是,输入和输出。RPN输入的是一张图片(更准确来说是feature map),输出输出一系列的矩形object proposals。训练步骤:1.将图片输入到VGG或ZF的可共享的卷积层中,得到最后可共享的卷积层的feature map。 &转载 2020-07-12 15:17:42 · 1438 阅读 · 1 评论 -
Detectron2安装测试
转载自:https://blog.csdn.net/XX_123_1_RJ/article/details/103779787 最近也学习了下detectron2检测框架,总的来讲该框架由Facebook开源,质量还是非常不错的,值得学习。今天就转载 2020-06-15 16:14:54 · 1864 阅读 · 0 评论 -
车牌识别数据集CCPD介绍
转载自:https://blog.csdn.net/yang_daxia/article/details/88234138 这是一个用于车牌识别的大型国内的数据集,由中科大的科研人员构建出来的。发表在ECCV2018论文Towards End-to-End License Plate Detection an...转载 2020-04-28 09:21:41 · 9574 阅读 · 0 评论 -
Selective Search
该文翻译整理自:selective search for object detection(c++ / python)一、目标检测 VS 目标识别目标识别(objec recognition)是指明一幅输入图像中包含那类目标。其输入为一幅图像,输出是该图像中的目标属于哪个类别(class probability)。而目标检测(object detection)除了要告诉输入图像中包含了哪类...转载 2020-03-15 17:19:38 · 129 阅读 · 0 评论 -
Parzen window
转载自:http://blog.sina.com.cn/s/blog_679e13290101cpr1.html 主要参考资料:http://www.personal.rdg.ac.uk/~sis01xh/teaching/CY2D2/Pattern2.pdf在数学上一个连续概率密度函数p(x)的需满足以下的条件:1、x在a和b之间的概率为:2、对所有的x,p(x)非负3、...转载 2019-08-05 19:34:14 · 1035 阅读 · 0 评论 -
深入浅出看懂AlphaGo Zero
转载自:https://blog.csdn.net/sinat_31428707/article/details/82218575 转自:深入浅出看懂AlphaGo Zero - PaperWeekly 第51期作者丨刘遥行学校丨圣何塞州立大学研究生研究方向丨AI与现实生活的工业结合AlphaGo Z...转载 2019-08-02 21:54:54 · 554 阅读 · 0 评论 -
《Mastering the game of Go with deep neural networks and tree search》解读
转载请声明 http://blog.csdn.net/u013390476/article/details/50925347前言:...转载 2019-08-02 21:52:51 · 684 阅读 · 0 评论 -
grabcut图像分割的原理简单介绍
转载自:https://blog.csdn.net/wh1319501722/article/details/80272167 grabcut采用graph cut图分割和最大流技术的一种交互式图像分割技术,不吹牛逼了,接触opencv 10来天,就这点墨水了,直接言归正传,在学习了https://blog....转载 2019-08-02 21:20:57 · 1296 阅读 · 0 评论 -
自编码器
转载自:https://blog.csdn.net/qq_26591517/article/details/80038823 1.初识...转载 2019-10-17 10:06:47 · 126 阅读 · 0 评论 -
三维RGB图像卷积
转载自:https://blog.csdn.net/qq_30979017/article/details/79424746 1.三维立体图像(RGB三通道)的卷积运算6*6*3分别代表RGB图像的 高、宽、通道数;3*3*3分别代表滤波器矩阵 高、宽、通道数。图像和滤波器通道数必须相等(匹配)将3*3*3滤...转载 2019-07-29 09:46:19 · 795 阅读 · 0 评论 -
SENet学习笔记
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。 ...转载 2019-08-14 15:03:20 · 938 阅读 · 0 评论 -
召回率(Recall),精确率(Precision),平均正确率(Average_precision(AP) ),交除并(Intersection-over-Union(IoU))
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。 ...转载 2019-08-14 16:10:33 · 532 阅读 · 0 评论 -
CNN中的局部连接和权值共享
转载自:https://www.cnblogs.com/bonelee/p/8242061.html 局部连接与权值共享下图是一个很经典的图示,左边是全连接,右边是局部连接。对于一个1000 × 1000的输入图像而言,如果下一个隐藏层的神经元数目为10^6个,采用全连接则有1000 × 1000 × 10^6 = 10^12个权值参数,如此数目巨大的参数几乎难以训练;而采用...转载 2019-08-15 11:04:12 · 1136 阅读 · 0 评论 -
计算机视觉四大基本任务(分类、定位、检测、分割)
转载自:https://zhuanlan.zhihu.com/p/31727402引言深度学习目前已成为发展最快、最令人兴奋的机器学习领域之一,许多卓有建树的论文已经发表,而且已有很多高质量的开源深度学习框架可供使用。然而,论文通常非常简明扼要并假设读者已对深度学习有相当的理解,这使得初学者经常卡在一些概念的理解上,读论文似懂非懂,十分吃力。另一方面,即使有了简单易用的深度学习框架,如果对深度学...转载 2019-08-15 15:19:15 · 858 阅读 · 0 评论 -
目标检测中precision、recall、AP、mAP的含义
转载自:https://blog.csdn.net/yangzzguang/article/details/80540375 在阅读目标检测相关的论文中遇到评估模型性能时使用mAP这一概念,为此查阅相关资料来进行理...转载 2019-08-12 11:33:21 · 770 阅读 · 0 评论 -
Deep Hough Voting for 3D Object Detection in Point Clouds论文翻译
转载自:https://blog.csdn.net/u011507206/article/details/89531571 3D目标检测框架VoteNetCharles R. Qi,Or Litany,何恺明,Leonidas J. Guibas等当前主流的3D目标检测方法,很大层度上受2D检测器的影响。...转载 2019-08-12 14:55:44 · 741 阅读 · 0 评论 -
DeepVoting
转载自:https://blog.csdn.net/u010122780/article/details/88367821 论文题目:《深度投票:一种用于在部分遮挡情况下稳定且可解释的部分语义检测的深度网络》摘要:在这篇论文中,我们研究了检测一个物体的语义部分的任务,比如一个被遮挡了一部分的汽车轮胎。我们认...转载 2019-08-12 20:09:53 · 334 阅读 · 0 评论 -
CV中常遇到的线性双插值
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。 ...转载 2019-08-21 17:34:03 · 2116 阅读 · 0 评论 -
训练集、验证集、测试集以及交验验证的理解
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。 ...转载 2019-08-22 15:26:13 · 497 阅读 · 0 评论 -
目标跟踪之粒子滤波
转载自:https://blog.csdn.net/u014568921/article/details/46574017 基本思想所谓粒子滤波就是指:通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数,用样本均值代替积分运算,进而获得系统状态的最小方差估计的过程,这些样本被形象的称为“粒子...转载 2019-09-23 16:28:53 · 1507 阅读 · 0 评论 -
pointnet++源代码在服务器上anaconda的虚拟环境中提示notfounderror
转载自:https://blog.csdn.net/qq_16457843/article/details/86546208 poin...转载 2019-08-13 16:24:18 · 493 阅读 · 1 评论 -
感受野
感受野(receptive field)被称作是CNN中最重要的概念之一。为什么要研究感受野呐?主要是因为在学习SSD,Faster RCNN框架时,其中prior box和Anchor box的设计,一直搞不明白。当我理解了感受野才有点恍然大悟...转载 2019-07-27 19:24:00 · 156 阅读 · 0 评论 -
MDNet部分代码讲解
转载自:https://blog.csdn.net/sgfmby1994/article/details/79863772 demo_tracking1、调用mdnet_init执行初始化net以及各种参数的操作。2、bbox回归训练总括:采用了 bounding box regression techniq...转载 2019-07-29 20:52:58 · 1837 阅读 · 0 评论 -
运动目标检测--背景减法
转载自:https://blog.csdn.net/tiemaxiaosu/article/details/51583682一、原理 对于一个稳定的监控场景而言,在没有运动目标,光照没有变化的情况下,视频图像中各个像素点的灰度值是符合随机概率分布的。由于摄像机在采集图像的过程中,会不可避免地引入噪声,这些灰度值以某一个均...转载 2019-07-24 20:55:53 · 1095 阅读 · 0 评论 -
CV中的back projection
转载自:https://blog.csdn.net/viewcode/article/details/82090671. 什么是backproject?2. backproject 有什么用?3. 例证1. 什么是backproject?反向投影:opencv docs给出的概念是“一种记录给定图像中的像素点如何适应直方图模型像素分布的方式。简单的讲, 所谓反向投影就是首先计算某一...转载 2019-07-24 20:27:33 · 206 阅读 · 0 评论 -
空间金字塔池化(Spatial Pyramid Pooling, SPP)原理和代码实现(Pytorch)
转载自:https://www.cnblogs.com/marsggbo/p/8572846.html一、为什么需要SPP首先需要知道为什么会需要SPP。我们都知道卷积神经网络(CNN)由卷积层和全连接层组成,其中卷积层对于输入数据的大小并没有要求,唯一对数据大小有要求的则是第一个全连接层,因此基本上所有的CNN都要求输入数据固定大小,例如著名的VGG模型则要求输入数据大小是 (224*22...转载 2019-07-19 16:50:15 · 1725 阅读 · 0 评论 -
边框回归问题
转载自:https://blog.csdn.net/zijin0802034/article/details/77685438 Bou...转载 2019-07-29 10:44:24 · 202 阅读 · 0 评论 -
pytorch中transform函数详解
装载自:https://blog.csdn.net/hmh2_yy/article/details/85099523 transfor...转载 2019-07-18 14:53:45 · 1890 阅读 · 0 评论 -
卷积神经网络系列之softmax,softmax loss和cross entropy的讲解
转载自:https://blog.csdn.net/u014380165/article/details/77284921 我们知道卷积神经网络(CNN)在图像领域的应用已经非常广泛了,一般一个CNN网络主要包含卷积层,池化层(pooling),全连接层,损失层等。...转载 2019-06-24 15:39:57 · 116 阅读 · 0 评论 -
神经网络初始化方法之——Xavier初始化方法
装载自:https://blog.csdn.net/shuzfan/article/details/51338178 “Xavier”初始化方法是一种很有效的神经网络初始化方法,方法来源于2010年的一篇论文《Understanding the difficulty...转载 2019-06-26 18:42:16 · 1470 阅读 · 1 评论 -
matlab的imshow()函数
转载自:https://blog.csdn.net/weixin_40534443/article/details/79524275 今天用matlab的imshow函数显示经过hough变换后的图像时遇到一个问题,直接用imshow(I)来显示,出来的只有黑白图像,查了很多资料之后发现要在imshow里面添加一个空矩阵[],才能显示正常的灰度图像。原因如下:matlab...转载 2019-06-17 10:46:03 · 1024 阅读 · 0 评论 -
边缘梯度
转载自:https://blog.csdn.net/qq_30460949/article/details/90481314 边缘定义及类型 定义:边缘是不同区域的分界线,是周围(局部)像素有显著变化的像素的集合,有幅值与方向两个属性。边缘上的灰度变化...转载 2019-07-25 09:28:00 · 1043 阅读 · 0 评论 -
视觉跟踪简述
转载自:https://www.cnblogs.com/jjwu/p/8512730.html 视觉目标跟踪是计算机视觉中的一个重要研究方向,有着广泛的应用,如:视频监控,人机交互, 无人驾驶等。过去二三十年视觉目标跟踪技术取得了长足的进步,特别是最近两年利用深度学习的目标跟踪方法取得了令...转载 2019-07-27 21:46:25 · 8291 阅读 · 0 评论 -
卷积神经网络的局部连接和权值共享
转载自:https://blog.csdn.net/dulingwen/article/details/83112097 ...转载 2019-07-27 10:53:12 · 4992 阅读 · 0 评论 -
非极大值抑制NMS
转载自:https://www.cnblogs.com/makefile/p/nms.html 非极大值抑制(Non-Maximum Suppression,NMS) 概述非极大值抑制(Non-Maximum Suppression,NMS),顾名思义就是抑制不是极大值的元素,可以理解为局部最大搜索。这个局部代表的是一个邻域,邻域有两个参数可变,一是邻域的...转载 2019-07-26 10:19:39 · 194 阅读 · 0 评论 -
IoU
转载自:https://blog.csdn.net/u014061630/article/details/82818112 IoU 作...转载 2019-07-26 10:07:36 · 187 阅读 · 0 评论 -
自助法(Bootstraping)
转载自:https://www.cnblogs.com/HuZihu/p/11145518.html 自助法(Bootstraping) 自助法(Bootstraping)是另一种模型验证(评估)的方法(之前已经介绍过单次验证和交叉验证:验证和交叉验证(Validation & Cross Validation))。其以自助采样法(Bootstrap ...转载 2019-07-25 21:05:55 · 4252 阅读 · 0 评论 -
基于霍夫森林的目标检测
转载自:https://blog.csdn.net/marvin521/article/details/9091555基于霍夫森林的目标检测 上节说了霍夫变换(HT)和广义霍夫变换(GHT),今天就接着广义霍夫变换说下去,在广义霍夫变换中,每个投票元素(比如边缘像素中的点)在霍夫空间中累加投票的权重是相等的,每个元素投票的权重互不影响,...转载 2019-07-25 17:07:19 · 206 阅读 · 0 评论 -
CV | Max Flow / Min Cut 最大流最小割算法学习
转载自:https://blog.csdn.net/ilovejohnny/article/details/52016742题外话:时隔这么久,就当我放暑假了吧!哈哈哈 题外话ending。。。最大流/最小割(Max-Flow/Min-Cut)算法,因其可以对能量方程最小化进行求解,在计算机视觉(CV)中有很广泛的应用。之前介绍过的Seam Carving算法(用于图像智能缩放),或是图像...转载 2019-08-02 21:14:10 · 456 阅读 · 0 评论