人工智能算法与工程实践

图像矩通常用于分析、描述分割后的形状。

含文本区域检测+文字识别。

RoIAlign其实就是“精确版”的RoI Pooling。用于将任意尺寸的特征图，都转换为具有固定尺寸的小特征图。

Microsoft COCO Captions、SBU Captions、Conceptual Captions (CC) dataset、TextCaps、VizWiz-Captions、Localized Narratives、Nocaps等

透视变换通常被用于从特定角度观察三维平面的计算方法（非垂直观测），在三维视觉领域具有广泛的应用。

图像相关的研究方向具体有哪些类别？哪些研究方向现在比较火？比较有前景？不知道用什么关键词能查到想找的文献？图像相关技术在哪些领域应用比较多？如果你想了解这些问题，可以看看这几篇综述文章，或许能有所启发。

分类任务中的样本不平衡问题，主要是不同类别之间样本数量的不平衡，导致分类器倾向于样本较多的类别，在样本较少的类别上性能较差。样本不均衡问题常常出现在呈长尾分布的数据中（long tailed data），如下图所示[^longtail]。现实生活中很多数据都类似长尾分布，头部数据类别数据量多，尾部类别数据量少。由于尾部类别（tail classes）数据量少，模型学习到的表征信息不够丰富，导致模型并不能很好的表达尾部类。

2.1 视觉火灾预警的背景参考文献：夏雪, 袁非牛, 章琳, et al. 从传统到深度:视觉烟雾识别、检测与分割[J]. 中国图象图形学报, 2019(10).基于传感器组的传统监控系统比较适用于较小空间， 随着视觉技术的发展， 视觉火灾预警系统能够有效地对森林区域进行远距离监控［5］ 。2018 年国家森防已将“进一步提高森林防火工作现代化水平， 适应新时代发展要求”作为火灾启示的总结之一［6］。基于此， 本文主要关注基于人工智能视觉技术的森林火灾监控。森林火灾初期通常会产生大量烟雾， 这一现

文章目录mmcv简介视频常用代码片段加载视频读取视频帧视频转图像序列1. `mmcv`版本2. `opencv`版本（大部分工程里使用）图像序列转视频`mmcv`版本剪辑视频片段拼接视频修改视频尺寸/分辨率mmcv简介mmcv是商汤科技用于计算机视觉研究的基础python库，API比opencv更简洁，很适合深度学习项目的图像、视频预处理。安装mmcv依赖库：pip install mmcv与opencv相比，mmcv.VideoReader提供通过序列访问视频帧的API，VideoReader

动作、行为、事件 在计算机视觉的相关研究中，人体的动作、行为识别是一个基础研究问题。但目前识别、检测人类的动作/行为仍然是一个巨大的挑战。这里整理下当前相关的细分任务、数据集和开源代码（持续更新中）。