【停更公告】 因为感觉CSDN的交流学习生态不是特别好，所以博客基本不怎么用了，平时的话知乎会看的多一点，后续有精力会写一些文章。个人目前在商汤实习，浙大计院硕士在读，方向是OCR（主要是场景文字识别）和 NAS，后续有希望交流或者需要内推的可以在知乎 （https://www.zhihu.com/people/francisliu-48）私信我。...
Copy-Paste Commands -ihttps://pypi.tuna.tsinghua.edu.cn/simple :set shiftwidth=4 # 设置缩进宽度为 4:set expandtab # 设置 Tab 转为空格10>> # 下面 10 行向右缩进10<< # 下面 10 行向左缩进 sync; echo 3 > /...
CNN backbone 总结笔记 算是一篇梳理backbone的总结笔记，前面部分不少内容都是照搬 reference 2 的，稍微总结了一下里面的内容，后面增加了其中遗漏的以及今年新出的网络（FPN，Hourglass，ResNeXt，DCN，DPN，SENet，MobileNet v3），用了很多网图，联系侵删；Reference:1.https://arxiv.org/pdf/1908.03673.pdf，19年...
基于STN的场景文字识别框架整理 当前场景文字识别较为主流的方法分为 attention mechanism（代表：Show, Attend and Read; Transformer-based attention; 各种各样的 2D Attention） 和 STN + CRNN /DenseNet + CTC，二者的主要区别是一个是在解码前给文字区域赋予较高的权重，聚焦于文本信息，弱化无关背景信息，另一个是在一开始修正曲形...
MaskRCNN-BenchMark pytorch源码阅读笔记 长文警告...源码地址：https://github.com/facebookresearch/maskrcnn-benchmarkmodeling 部分解析来自：模型定义(modeling)之骨架网络(backbone)，博主将resnet，fpn等实现细节讲述的非常详细，根据最新发布的maskrcnn-benchmark版本略微做了修改。按照从外往里的顺序阅读一下maskrcnn的...
OCR-文本图像合成工具 1. Text Recognition Data GeneratorGithub地址：https://github.com/Belval/TextRecognitionDataGenerator官方文档：https://textrecognitiondatagenerator.readthedocs.io/en/latest/index.html安装：# pip 安装，中文不建...
OpenCV Python 常见图像预处理与图像数据增强总结 索引：图像预处理 1. 滤波 2. 二值化 3.通道合并与分离 4. 图形绘制&添加文字 5. 图形变换 6. 形态学 7. 视频&摄像头 8. 边缘检测 9. 闭包矩形 10.直方图均衡化 11. 霍夫直线检测 12. 存储路径含中文 13.图像加权合成 14. 图像压缩 图像增强（写成 Augment class）图像预处理1. 滤...
Attention Mechanism 序列学习任务中的注意力机制 Attention机制：序列学习任务（translation, QA, image captioning, OCR 等）上提升巨大；分类： 空间注意力 Spatial Attention 时间注意力 Temporal Attention Soft Attention (soft 分布) Hard Attention (one-hot 分布) 引入原因： 输入序列很长时，模...
2D Attention Network for Scene Text Recognition paper地址：2D Attentional Irregular Scene Text Recognizer.继 Transformer-based-OCR 后又一篇基于语言、翻译模型架构的不规则文字识别的paper，主要贡献如下：attention部分使用多层双向transformer的block（BERT）替代了单transformer block； label只用于计算loss，不...
日常踩坑总结 self.parser.add_argument('--lr_use', action='store_true', default=False)# 终端运行不加入--lr_use，lr_use的值为default: False, 加上--lr则为True； # 有default值的时候，running时不申明为default； # 申明的话，如果是store_false则默认True，...
Git 命令总结 创建仓库流程：第一次创建要添加Git全局设置git config --global user.name "$username"git config --global user.email "$useremail"从0创建一个新的代码仓库在Github / GitLab 上先创建一个仓库（假设叫repo），再在工作目录下执行：git clone git@github.com:u...
曲形文字识别 - Transformer-based Convolutional-Attention Network for Irregular Text Recognition 和上一篇基于attention机制的不规则文字识别论文是同一批作者，博客链接：Show, Attend and Read由于show attend and read是基于LSTM-encoder-decoder结构的翻译翻译模型（以前翻译的主流框架），隔壁翻译组的同事当时看到就说说不定可以用transformer（现在的主流翻译模型）做ocr，结果。。过了两三个月就真出了基于transfor...
Linux 文件命令总结 基础命令：常用 Linux 命令# 服务器登录ssh lx@10.1.2.3# 服务器配置生效source ~/.bashrc# 删除用户ssh root@10.141.1.10 # root 登录服务器userdel name # 删除name用户# 添加用户useradd -d /search/odin/name name # ...
将彩色RGB分割标注图像数据集转换为COCO格式的json文件 由于很多检测、分割网络对coco格式的数据集都兼容支持，有时候需要将自己的数据集转化为coco格式的json文件，写一篇博客记录一下自己将彩色RGB的分割标注图像转换为coco格式文件的过程。彩色 label：转换为单个物体的黑白mask：生成最终的 json 文件：具体流程：1. 安装pycococreator（先安装pycocotools, cyth...
Python 文件命令总结 读取 Excel：import xlrddata = xlrd.open_workbook('gt.xlsx')table = data.sheet_by_name('Sheet1')for i in range(table.nrows): imgname, gt = table.row_values(i)[0], table.row_values(i)[1]新建、删...
Python / C++ OpenCV 前后两张截图去重 & 图像找不同 概述：场景与任务：判断相邻的两张微信聊天截图是否为同一张（传输压缩、格式转换过程中存在一定像素失真和边缘抖动，不可以直接相减） 要求：使用数字图像处理的方法（仅作为预处理去重，不用深度学习方法）；一组（两张）图片判断的时间要求在20ms以内； 思路： 转换到HSV空间下，先将聊天窗口通过颜色阈值单独分离出来； 轮廓查找判断两张图的闭包矩形框的数目是否相同，不同则为不同截图； 否则...
不规则文字识别方法之 SAR: Show, Attend and Read （2018）论文解析 论文地址：Show, Attend and Read: A Simple and Strong Baseline for Irregular Text Recognition对于不规则（曲形文字、艺术字等）的识别，作者没有采用基于修正（rectification）的策略，而是提出利用基于不规则文字而构造的（tailored）基于二维注意力机制模块（2D attention module）的模型...
计算机视觉方向实习面试总结 （商汤 / 搜狗 / 纽劢 / 普华永道） 目前个人情况：普通211，计算机不是很相关专业大四，已保研，CV方向，所以想找份视觉方向的实习，记录一下面试的一些情况希望对找相关实习或工作的同学有所帮助。项目（面试问题基本从项目里面找的）：植物叶片的实例分割+半自动标注软件（Mask RCNN + Qt5，毕设） 一篇数据分析与可视化、LSTM预测拟合时序数据的论文（SCI一作，非CV方向，对面试基本没有帮助） OpenCV相关的两...
卷积计算、1x1 卷积、BN、梯度爆炸与消失、ResNet残差、RoI Pooling 和 RoI Align 卷积输出计算以及卷积核参数计算 计算量 =，，即输入通道数、输出通道数、卷积核长、宽、输出特征图的长、宽的乘积； 参数数量 =1 x 1 卷积的作用 参考：1 x 1 卷积的作用 当1*1卷积出现时，在大多数情况下它作用是升/降特征的维度，这里的维度指的是通道数（厚度），而不改变图片的宽和高。 e.g. W*H*6的特征...
图像数据预处理 -- 数据增强、写入tfrecords Augmentor 是图像数据增强一个很好用的python库，支持多种图像变形变换。下面这段代码展示的是基于图像分割的数据集，同时生成增强的图像及其对应的label：import Augmentor# 图像所在目录AUGMENT_SOURCE_DIR = 'E:/datasets/leafs/imgs'AUGMENT_LABEL_DIR = 'E:/datasets/leafs/...
关注
