图像处理
数字图像处理(Digital Image Processing)是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
Channon_
我是Channon,我喂自己袋盐...
展开
-
数据增广---Cutout的Python实现(简易版)
Cutout:仅对 CNN 第一层的输入使用剪切方块Mask。import torchimport numpy as npclass Cutout(object): """Randomly mask out one or more patches from an image. Args: n_holes (int): Number of patches to cut out of each image. length (int): The le.原创 2021-01-20 10:16:24 · 1877 阅读 · 3 评论 -
目标检测与目标跟踪:区别与联系
目标检测和跟踪的区别在于对于运动中变化目标的跟踪能力。设想这样一个场景:孙悟空在飞行过程中完成了一次变化(这里假设他变成了一只鸟),但这个变化并不是像西游记拍摄中有烟雾特效完成的,而就是通过身体结构发生渐变来完成的,这种情况下,检测器应该会在后续的检测任务中失败,因为设计好的检测器只是为了检测目标孙悟空的存在,孙悟空变身之后已经不存在这个目标,检测器是不会有火眼金睛继续检测到变化后的孙悟空的。但是,对于跟踪器就不一样了,跟踪目标,哪怕目标在跟踪过程中发生了巨大变化,这些都是跟踪器的本质能力。理想...原创 2020-09-24 15:24:39 · 12216 阅读 · 0 评论 -
无人机视觉挑战赛| VisDrone - 过去、现在和未来
在无人机捕获的视觉数据中,有一组物体被严重遮挡(见自行车的橙色边框)。如果我们使用非最大抑制(NMS)来抑制检测器中的重复检测,将不可避免地删除大多数真正的正对象。在一些实际应用中,对人群中的单个目标进行定位是不必要且不切实际的。因此,使用一个带计数的较大边界框来表示同一类别的一组物体更为合理(见自行车的白色边界框)。同时,如果我们使用新的标注补救,我们需要重新设计度量来评价检测算法,即在评价时既要考虑定位精度又要考虑计数精度。当前的对象检测方法使用包围盒来表示对象实例...原创 2020-09-24 15:11:15 · 1024 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 6
未来趋势A. ConclusionsB. Trends1)一方面,两级探测器需要密集的尾迹处理才能获得尽可能多的参考箱,这既费时又低效。为了解决这个问题,研究人员需要在保持高精确度的同时消除这么多冗余。另一方面,单级检测器处理速度快,已在实时应用中得到成功应用。虽然速度快,但较低的精度仍然是高精度要求的瓶颈。如何将单级和两级探测器的优点结合起来仍然是一个很大的挑战。Review研究重点是描述和分析基于深度学习的图像目标检测。现有的.原创 2020-08-28 11:52:44 · 195 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 5
应用和分支介绍A. Typical application areasB. Object detection branches原创 2020-08-28 11:27:30 · 160 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 4
图像目标检测中常用方法分析基于深度神经网络的目标检测管道一般分为图像预处理、特征提取、分类与回归、后处理四个步骤。首先,数据集中的原始图像不能直接输入网络。因此,我们需要将它们调整到任何特殊的大小,并使它们更清晰,例如增强亮度、颜色、对比度等。数据增强也可用于一些要求,如翻转,旋转,缩放,裁剪,平移,添加高斯噪声。此外,GANs(生成对抗网络)可以生成新的图像,因为您希望丰富输入的多样性。有关数据增强的详细信息,请参阅[60]。其次,特征提取是进一步检测的关键步骤。特征质量直接决定了包含分类和回原创 2020-08-28 11:18:03 · 321 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 3
数据集和基准检测目标必须声明目标属于指定的类并在图像中对其进行本地化。目标的定位通常由一个包围框表示。使用具有挑战性的数据集作为基准在许多研究领域都具有重要意义,因为它们能够在不同算法之间进行标准比较,并为解决方案设定目标。早期的算法侧重于使用各种特殊数据集的人脸检测。后来,更现实和更具挑战性的人脸检测数据集被创建。另一个流行的挑战是检测已经为其创建了多个数据集的行人。Caltech行人数据集包含35万个带边框的带标记实例。PASCAL VOC、MS COCO、ImageNet-loc等原创 2020-08-28 11:06:13 · 161 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 2
Two-stage & One-stage Detectors.1 IntroductionAnchor-freeAutoML 自动机器学习两大重要研究方向。后面将介绍,自动机器学习(AutoML)是将机器学习应用于现实问题的端到端流程自动化的过程。机器学习的应用需要大量的人工干预,这些人工干预表现在:特征提取、模型选择、参数调节等机器学习的各个方面。AutoML视图将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习,使得机器学习模型无需人工干预即可被..原创 2020-08-28 10:50:22 · 201 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 1
这篇文章是关于物体识别领域的一篇综述类文章,首先由于目标检测是在计算机视觉和数字图像处理的热门方向,在诸多领域得到广泛应用。特别地阅读总结下这篇文章;二来,之所以选择这篇文章,是由于它的时间较近较新并且是由IEEE Fellow发表的文章,可见其权威性。除此之外,还有三篇综述论文是和此篇一起找到的发表日期相近,其中有些内容也穿插在里面。文章结构框架,主要内容目标检测是计算机视觉和数字图像处理的一个热门方向,目标检测也就成为了近年来理论和应用的研究热点,直观的从数据上看.下图是作者在谷原创 2020-08-28 09:49:23 · 449 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 16 图像压缩(2)
typora-copy-images-to: image数字图像处理与应用 Class 16. 20200622Lecture 16 Compression--Lossless Image Compression #Variable length coding(Eliminate coding redundancies) Huffman coding Arithmetic coding #LZW coding (Reduce interpixel redundancies) #Hybr...原创 2020-08-03 22:49:05 · 537 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 15 图像压缩
数字图像处理与应用 Class 15. 20200617Lecture 15 Compression–Fundamentals–Data Redundancies–Image Compression Models–Lossless Image Compression许多联机信息是图形或图象的,存储和通信的要求是巨大的。当今成像传感器的空间分辨率和广播电视的标准都有很大的发展。1991年,柯达,MC-200, 0.4万像素,170万日元(约9500元人民币)。2020原创 2020-08-03 22:17:32 · 894 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 14 应用
数字图像处理与应用 Class 14. 20200610Lecture 14 ApplicationAn Application: BiometricsHave、Know、Are/DoTraditional Methods随身携带的:知识:Biometrics: What you are/do!虹膜、步态、...特定场景有效。Biometrics• Universality: Every person should posse...原创 2020-07-31 11:40:11 · 482 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 13 图像表示&描述
数字图像处理与应用 Class 13. 20200608Lecture 13 Representation & DescriptionBoundary Descriptors Region descriptor Some simple descriptor Topological descriptor Texture Moments of two-dimensional function Relational descriptorBoundary DescriptorsFourier原创 2020-07-29 11:50:57 · 439 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 12 图像描述(子)
数字图像处理与应用 Class 12. 20200603Lecture 12 RepresentationOverview Representation 重构/描述Boundary descriptor 边界描述子OverviewAfter an image has been segmented into regions. Representation and description should be considered. 在图像被分割成区域之后。应该考虑表示和描述。 Repres原创 2020-07-29 11:32:16 · 577 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 11 彩色图像处理(2)
数字图像处理与应用 Class 11. 20200601数字图像处理与应用 Class 11. 20200601Lecture 11 Color Image Processing (2)Full Color Image ProcessingColor TransformationRemark:Color ComplementsColor SlicingTone and Color Corrections 色调和色彩校正一个栗子Saturation EnhancementHistogram Process原创 2020-07-27 11:39:54 · 561 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 10 彩色图像处理(1)
数字图像处理与应用 Class 10. 20200527Lecture 10 Color Image Processing (1)<!--彩色图像处理-->Color fundamentals 颜色基本原理 Color models 颜色模型 Pseudo color 伪颜色 -----Intensity slicing 强度切片 -----Gray level to color transform 灰度到颜色变换 -----Multispectral color models 多光原创 2020-07-27 10:42:09 · 754 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 9 图像分割(2)
数字图像处理与应用 Class 9. 20200525Lecture 9 Image Segmentation (2)Edge linking and boundary detection <边缘链接和边界检测> Thresholding Region based segmentationEdge Link and Boundary DetectionEdge detection algorithm are followed by linking procedures to a原创 2020-07-23 11:42:37 · 597 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 8 图像分割(1)
数字图像处理与应用 Class 8. 20200520Lecture 8 Image Segmentation (1)<!--图像分割-->The segmentation problem Points detection 点检测 Lines detection 线检测 Edges detection 边缘检测SegmentationThe purpose of image segmentation is to partition an image into meaning原创 2020-07-23 10:53:55 · 541 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 7 图像形态学处理(2)
数字图像处理与应用 Class 7. 20200518Lecture 7 Morphological Image Processing (2)<!--形态学图像处理-->Morphological AlgorithmsBoundary extraction 边界提取 Region filling 区域填充 Extraction of connected components 连通分量提取 Thinning/thickening SkeletonsBoundary Extrac原创 2020-07-21 11:23:24 · 819 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 6 图像形态学处理(1)
数字图像处理与应用 Class 6. 20200513Lecture 6 Morphological Image Processing (1)<!--形态学图像处理-->What is morphology? Basic Concepts of Set Theory Dilation and Erosion 扩张和侵蚀 Opening and Closing Hit or Miss TransformWhat is morphology?形态图像处理(或形态学)描述了一系列处原创 2020-07-21 10:40:13 · 929 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 5 图像去噪
数字图像处理与应用 Class 5.数字图像处理与应用 Class 5. 20200511Lecture 5 Image RestorationWhat is image restoration? Noise and images Noise models Noise removal using frequency domain filtering Estimating the degradation function Inverse filtering Weiner FilteringW.原创 2020-07-21 10:13:29 · 1562 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 4 图像增强(频域滤波)
数字图像处理与应用 Class 4. 20200506Lecture 4 Image Enhancement: Filtering in the Frequency DomainLecture 4 Image Enhancement: Filtering in the Frequency DomainThe Fourier series & the Fourier transform DFT Properties Steps of Filtering in the Frequency D原创 2020-07-17 20:55:23 · 1062 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 3 图像增强(空间滤波)
数字图像处理与应用 Class 3.数字图像处理与应用 Class 3. 20200504Lecture 3 Image Enhancement(Spatial Filtering)Basic Spatial Linear filtersSpatial smoothing filtering 空间平滑滤波Smoothing linear filters Order-statistics filters 统计排序滤波器 Adaptive Median Filt...原创 2020-07-17 20:28:10 · 1083 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 2 图像增强(点处理)
数字图像处理与应用 Class 2.Lecture 2 Image Enhancement(Point Processing)数字图像处理与应用 Class 2. 20200429Lecture 2 Image Enhancement(Point Processing)是什么?Spatial & Frequency DomainsBasic Spatial Domain Image EnhancementThresholdingLogarithmic Transfo.原创 2020-07-17 20:05:59 · 742 阅读 · 0 评论 -
【数字图像处理与应用】Lecture 1 简介 & 基础
数字图像处理与应用 Class 1.Lecture 1 Introduction & Fundamentals“One picture is worth more than ten thousand words” ---AnonymousSeeing is believing. ---Chinese IdiomsComputer visionGraphics 图形学Content-based image retrieval 基于内容的图像检索Biometric 生物.原创 2020-07-16 09:57:17 · 340 阅读 · 0 评论