图像处理 CV
文章平均质量分 72
图像分类、图像分割、目标检测 等
friedrichor
研一学生
研究方向:Large Multimodal Models, Multimodal Dialogue.
Github: https://github.com/friedrichor
知乎: https://www.zhihu.com/people/friedrichor
知乎持续更新,欢迎关注
展开
-
mhd、raw文件调节窗位与窗宽
mhd、raw文件调节窗位与窗宽原创 2022-06-15 19:00:00 · 268 阅读 · 3 评论 -
读取mhd、raw图像并切片、归一化、保存
读取mhd和raw文件,并将3D图片切片,同时归一化到0-255并保存为新的图片原创 2022-06-07 20:45:23 · 3209 阅读 · 10 评论 -
cv2 裁剪图片、删除过多冗余的背景
cv2 裁剪图片、删除过多冗余的背景原创 2022-05-28 10:36:00 · 972 阅读 · 2 评论 -
使用 roboflow 将自己的数据集转化为 YOLOv5 所需的格式
roboflowYOLOv5原创 2022-05-04 17:52:28 · 6099 阅读 · 10 评论 -
【论文&模型讲解】Vision Transformer
文章目录0. 前言1. 背景2. 现状分析3. 任务&结论(简介)4. 整体框架5. 流程6. 模型Embedding层Transformer Encoder层MLP Head7. 部分实验数据集模型变体Position Embedding消融实验相关文献及下载地址0. 前言论文名称:An Image Is Worth 16x16 Words: Transformers For Image Recognition At Scale论文网址:https://arxiv.org/abs/2010.原创 2022-04-15 15:31:45 · 3712 阅读 · 0 评论 -
【目标检测】Faster R-CNN
Faster R-CNN原论文地址:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal NetworksFaster R-CNN合集:【目标检测】R-CNN【目标检测】Fast R-CNN【目标检测】Faster R-CNN由于SS算法的时间花销大,因此Faster R-CNN就是在Fast R-CNN的基础上改进得到候选框的方法,即使用RPN算法替代SS算法。算法流程将图像输入网络得到相应的特征图原创 2022-04-04 00:07:09 · 2421 阅读 · 0 评论 -
【目标检测】Fast R-CNN
Fast R-CNN原论文地址:Fast R-CNNFaster R-CNN合集:【目标检测】R-CNN【目标检测】Fast R-CNN算法流程一张图像生成1K~2K个候选区域(使用Selective Search方法)将图像输入网络得到相应的特征图,将SS(Selective Search)算法生成的候选框投影到特征图上获得相应的特征矩阵将每个特征矩阵通过ROI pooling层缩放到7x7大小的特征图,接着将特征图展平通过一系列全连接层得到预测结果(ROI:Region of I原创 2022-04-03 18:24:21 · 1899 阅读 · 0 评论 -
【目标检测】R-CNN
R-CNN算法流程:一张图像生成 1k~2k 个候选区域(使用Selective Search方法)对每一个候选区域,使用深度网络提取特征特征送入每一类的SVM分类器,判别是否属于该类使用回归器精细修正候选框位置...原创 2022-04-03 14:51:11 · 3124 阅读 · 0 评论 -
plt.imshow显示cv2读取的图像颜色不对的解决方案
plt.imshow显示cv2读取的图像颜色不对的解决方案(plt.imshow与cv2.imshow显示同一图像颜色不一致)原理Opencv:cv2.imread( ) 所读取的图像格式:每个像素为[B,G,R]的形式cv2.imshow( ) 显示图像:按图像中每个像素为[B,G,R]的规则将图像显示出来matplotlib:mpimg.imread( ) 所读取的图像格式:每个像素为[R,G,B]的形式plt.imshow( ) 显示图像:按图像中每个像素为[R,G,B]的规则原创 2021-12-09 23:03:10 · 14266 阅读 · 6 评论 -
Plant Seedlings Classification(机器学习实现)预备知识&函数
目录一、数据预处理(一)读取(二)图像预处理提取叶子(绿色)部分图像锐化其他处理一套比较系统的图像处理博客二、PCV库安装三、Sift提取关键点(一)Sift 找到并绘制关键点,生成sift向量:(二)Sift 算法纯理论详解:四、BOW(bag of words) + K-means五、HOG + SVM六、LBP(Local Binary Pattern局部二值模式)七、Haar-like 特征八、其他特征九、训练模型效果评价十、特征降维十一、集成学习十二、其它函数一、数据预处理(一)读取深度学原创 2021-12-06 23:37:15 · 2815 阅读 · 4 评论 -
python scikit-image库 HOG提取特征(参数解释)
python scikit-image库 HOG提取特征函数定义:hog(image, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(3, 3), block_norm='L2-Hys', visualize=False, transform_sqrt=False, feature_vector=True, multichannel=None, *, channel_axis=None)参数解释原创 2021-12-08 19:53:11 · 8673 阅读 · 4 评论 -
python skimage库LBP提取特征local_binary_pattern参数解释
LBP算法skimage.feature.local_binary_pattern参数解释函数local_binary_pattern(image, P, R, method='default')参数:image:(N,M)阵列Graylevel图像。P:int圆对称邻居设置点的数量(角度空间的量化)。R:float圆的半径(操作员的空间分辨率)。method:{‘default’,‘ror’,‘uniform’,‘var’}确定模式的方法。 default':原始的局部二值模式,它是灰原创 2021-12-08 23:37:43 · 5248 阅读 · 0 评论 -
Kaggle图像识别竞赛 Plant Seedlings Classification(植物幼苗分类)具体实现
Kaggle竞赛Plant Seedlings Classification一、数据预处理(一)均衡化(二)提取图片中叶子(绿色)的部分二、提取特征(一)SIFT提取关键点(二)BOW(Bag of Words) + K-means(三)提取HOG特征(四)提取LBP(Local Binary Pattern局部二值模式)特征三、特征处理(一)填充缺失值(二)标准化(三)降维四、特征矩阵拼接五、分层划分数据集六、训练模型原创 2021-12-31 02:02:44 · 7517 阅读 · 8 评论 -
C++读写bmp图并显示图像
C++读写bmp图并显示图像预备知识位图文件头位图信息头fopenfseekfreadSetPixel代码运行截图思路&解释注意预备知识位图文件头typedef struct tagBITMAPFILEHEADER { WORD bfType; //文件类型,必须为BM(1-2字节) DWORD bfSize; //文件大小,以字节为单位(3-6字节,低位在前) WORD bfReserved1; //保原创 2021-09-22 18:13:28 · 6628 阅读 · 14 评论