计算机视觉CV优秀文章链接

最新推荐文章于 2024-10-18 14:33:01 发布
最新推荐文章于 2024-10-18 14:33:01 发布
阅读量153 收藏
点赞数
文章标签： 计算机视觉 人工智能
原文链接：https://www.cnblogs.com/ronny/default.html?page=2
版权

计算机视觉CV优秀文章链接

☆Ronny丶 - 博客园 (cnblogs.com)

MXNet的新接口Gluon

2018-03-16 17:41 by ☆Ronny丶, 阅读(2479) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：为什么要开发Gluon的接口 在MXNet中我们可以通过 模块来定义神经网络，并组通过 模块提供的一些上层API来简化整个训练过程。那MXNet为什么还要重新开发一套Python的API呢，是否是重复造轮子呢？答案是否定的，Gluon主要是学习了Keras、Pytorch等框架的优点，支持动态图（I 阅读全文

将数据加载到网络

2018-03-15 17:48 by ☆Ronny丶, 阅读(1585) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：训练一个机器学习深度学习模型一般可以简单概括为以下三个步骤： 准备数据 定义网络结构 训练 我们可以把整个过程用下面的一个Pipeline图例来表示。 其中的 就主要负责把数据按一定的格式 到深度学习网络的输入层上。不同的深度学习框架对为放进网络中的数据格式要求不一样。在MXNet中对于Module 阅读全文

利用Module模块把构建的神经网络跑起来

2018-03-15 09:51 by ☆Ronny丶, 阅读(6187) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：训练一个神经网络往往只需要简单的几步： 1. 准备训练数据 2. 初始化模型的参数 3. 模型向往计算与向后计算 4. 更新模型参数 5. 设置相关的checkpoint 如果上述的每个步骤都需要我们写Python的代码去一步步实现，未免显的繁琐，好在MXNet提供了Module模块来解决这个问题， 阅读全文

使用Sybmol模块来构建神经网络

2018-03-09 11:57 by ☆Ronny丶, 阅读(1737) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：符号编程 在 "之前的文章" ，我们介绍了NDArray模块，它是MXNet中处理数据的核心模块，我们可以使用NDArray完成非常丰富的数学运算。实际上，我们完全可以使用NDArray来定义神经网络，这种方式我们称它为 命令式的编程风格 ，它的优点是编写简单直接，方便调试。像下面我们就定义了一个两 阅读全文

使用MXNet的NDArray来处理数据

2018-03-06 14:29 by ☆Ronny丶, 阅读(13983) 阅读, 推荐(2) 推荐, 收藏, 编辑

摘要："NDArray.ipynb" NDArray介绍 机器学习处理的对象是数据，数据一般是由外部传感器（sensors）采集，经过数字化后存储在计算机中，可能是文本、声音，图片、视频等不同形式。 这些数字化的数据最终会加载到内存进行各种清洗，运算操作。 几乎所有的机器学习算法都涉及到对数据的各种数学运 阅读全文

在Docker容器中搭建MXNet/Gluon开发环境

2018-03-02 16:38 by ☆Ronny丶, 阅读(3384) 阅读, 推荐(1) 推荐, 收藏, 编辑

摘要：在这篇文章中没有直接使用MXNet官方提供的docker image，而是从一个干净的nvidia/cuda镜像开始，一步一步部署mxnet需要的相关软件环境，这样做是为了更加细致的了解mxnet的运行环境，方便后续我们更加灵活的去修改相关的配置。 1. 通过docker创建干净的系统环境 这里镜像 阅读全文

剖析Linux系统调用的执行路径

2017-11-05 22:07 by ☆Ronny丶, 阅读(7229) 阅读, 推荐(21) 推荐, 收藏, 编辑

摘要：本文主要描述了操作系统是如何通过系统调用这个接口为上层提供服务的。文章通过printf函数调用过程为例，详细剖析了系统调用是如何一层层由用户态深入到内核态的过程，同时涉及到Linux处理中断的一般流程。 阅读全文

计算机加电后操作系统启动过程

2017-11-05 13:41 by ☆Ronny丶, 阅读(9893) 阅读, 推荐(4) 推荐, 收藏, 编辑

摘要：本文主要介绍了计算机从加电开始到整个操作系统运行起来所经历的几个步骤，包括了BIOS启动模块、BootSect模块、Setup模块和System模块，详细了说明了每个模块的执行顺序和主要完成的任务。通过整个过程的梳理，可以对操作系统是如何在计算机作为第一个软件运行起来的有较清晰的认识。 阅读全文

什么是操作系统以及如何学习操作系统

2017-11-05 12:19 by ☆Ronny丶, 阅读(3647) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：主要介绍了操作系统的一些核心概念与功能，从硬件管理代理的角度都看操作系统提供的功能，简述了操作系统的发展历史，并从三个层次说明了操作系统的不同层次要求，最后同时给出了一些操作系统知识资源。 阅读全文

图像局部特征点检测算法综述

2015-01-30 15:04 by ☆Ronny丶, 阅读(46443) 阅读, 推荐(17) 推荐, 收藏, 编辑

摘要：研究图像特征检测已经有一段时间了，图像特征检测的方法很多，又加上各种算法的变形，所以难以在短时间内全面的了解，只是对主流的特征检测算法的原理进行了学习。总体来说，图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好的稳定性，不容易受外界环境的干扰，本篇文章也是对这方面知... 阅读全文

ORB特征点检测

2014-11-08 17:40 by ☆Ronny丶, 阅读(64295) 阅读, 推荐(5) 推荐, 收藏, 编辑

摘要：Oriented FAST and Rotated BRIEF www.cnblogs.com/ronny 这篇文章我们将介绍一种新的具有局部不变性的特征 —— ORB特征，从它的名字中可以看出它是对FAST特征点与BREIF特征描述子的一种结合与改进，这个算法是由Ethan Rublee,Vincent Rabaud,Kurt Konolige以及Gary R.Bradski在2011... 阅读全文

BRIEF 特征描述子

2014-11-07 15:45 by ☆Ronny丶, 阅读(31360) 阅读, 推荐(3) 推荐, 收藏, 编辑

摘要：Binary Robust Independent Elementary Features www.cnblogs.com/ronny 1. BRIEF的基本原理 我们已经知道SIFT特征采用了128维的特征描述子，由于描述子用的浮点数，所以它将会占用512 bytes的空间。类似地，对于SURF特征，常见的是64维的描述子，它也将占用256bytes的空间。如果一幅图像中有1000个特征点... 阅读全文

ML 07、机器学习中的距离度量

2014-11-07 12:56 by ☆Ronny丶, 阅读(3903) 阅读, 推荐(1) 推荐, 收藏, 编辑

摘要：机器学习算法 原理、实现与实践 —— 距离的度量声明：本篇文章内容大部分转载于July于CSDN的文章：从K近邻算法、距离度量谈到KD树、SIFT+BBF算法，对内容格式与公式进行了重新整理。同时，文章中会有一些对知识点的个人理解和归纳补充，不代表原文章作者的意图。1. 欧氏距离欧氏距离是最常见的两... 阅读全文

FAST特征点检测

2014-11-06 15:35 by ☆Ronny丶, 阅读(34010) 阅读, 推荐(7) 推荐, 收藏, 编辑

摘要：Features From Accelerated Segment Test 1. FAST算法原理 博客中已经介绍了很多图像特征检测算子，我们可以用LoG或者DoG检测图像中的Blobs（斑点检测），可以根据图像局部的自相关函数来求得Harris角点（Harris角点），后面又提到了两种十分优秀的 阅读全文

ML 06、感知机

2014-11-03 12:36 by ☆Ronny丶, 阅读(1406) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：机器学习算法 原理、实现与实践 —— 感知机感知机（perceptron）是二分类的线性分类模型，输入为特征向量，输出为实例的类别，取值+1和-1。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，引入了基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。1. 感知机... 阅读全文

ML 05、分类、标注与回归

2014-10-31 12:51 by ☆Ronny丶, 阅读(2553) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：机器学习算法 原理、实现与实践 —— 分类、标注与回归1. 分类问题分类问题是监督学习的一个核心问题。在监督学习中，当输出变量YY取有限个离散值时，预测问题便成为分类问题。监督学习从数据中学习一个分类决策函数或分类模型，称为分类器（classifier）。分类器对新的输入进行输出的预测，这个过程称... 阅读全文

ML 04、模型评估与模型选择

2014-10-31 09:59 by ☆Ronny丶, 阅读(2888) 阅读, 推荐(3) 推荐, 收藏, 编辑

摘要：机器学习算法 原理、实现与实践——模型评估与模型选择1. 训练误差与测试误差机器学习的目的是使学习到的模型不仅对已知数据而且对未知数据都能有很好的预测能力。假设学习到的模型是Y=f^(X)Y=f^(X)，训练误差是模型Y=f^(X)Y=f^(X)关于训练数据集的平均损失：$$R_{emp}(... 阅读全文

ML 03、机器学习的三要素

2014-10-31 09:29 by ☆Ronny丶, 阅读(6594) 阅读, 推荐(0) 推荐, 收藏, 编辑

摘要：机器学习算法原理、实现与实践——机器学习的三要素1 模型在监督学习中，模型就是所要学习的条件概率分布或决策函数。模型的假设空间包含所有可能的条件概率分布或决策函数。例如，假设决策函数是输入变量的线性函数，那么模型的假设空间就是这些线性函数构成的函数的集合。假设空间用FF表示。假... 阅读全文

ML 02、监督学习

2014-10-31 09:28 by ☆Ronny丶, 阅读(1601) 阅读, 推荐(1) 推荐, 收藏, 编辑

摘要：机器学习算法原理、实现与实践——监督学习机器学习包括监督学习、非监督学习、半监督学习及强化学习，这里先讨论监督学习。 监督学习的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。1 基本概念1.1 输入空间、特征空间与输出空间输入与输出所有可能取值的集合分别称为输入空间... 阅读全文

ML 01、机器学习概论

2014-10-31 09:27 by ☆Ronny丶, 阅读(1738) 阅读, 推荐(1) 推荐, 收藏, 编辑

摘要：机器学习原理、实现与实践——机器学习概论如果一个系统能够通过执行某个过程改进它的性能，这就是学习。 ——— Herbert A. Simon1. 机器学习是什么计算机基于数据来构建概率统计模型并运用模型对数据进行预测与分析的一门学科。从上面的机器学习的定义中，我们可以了解到以下的信息：机器学习以计算... 阅读全文

jgw2008
关注
计算机视觉竞赛技巧总结（一）：目标检测篇
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-16 1万+
本系列主要面向计算机视觉目标检测、图像分割及OCR等领域，每章将分别从最新方法、开源框架、数据、模型、常用Tricks等方面展开介绍，主要面向深度学习CV方向同学学习，希望大家能够多多交流，欢迎订阅本专栏，如有错误请大家在评论区指正，如有侵权联系删除。
计算机视觉论文总结系列（二）：图像分割篇
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-29 6982
本系列主要面向计算机视觉目标检测、图像分割及OCR等领域论文总结，每章将分别从最新方法、开源框架、模型、等方面展开介绍，主要面向深度学习CV方向同学学习，希望大家能够多多交流，欢迎订阅本专栏，如有错误请大家在评论区指正，如有侵权联系删除。
Android OpenCV学习
jgw2008的专栏
03-19 588
Android OpenCV学习 一：简介 　　OpenCV（Open Source Computer Vision Library：http://OpenCV.org）是一个开源的基于BSD许可的库，它包括数百种计算机视觉算法。 　　OpenCV具有模块化结构，这就意味着开发包里面包含多个共享库或者静态库。下面是可使用的模块： 核心功能（Core functionality）- ...
计算机视觉学术汇总一览（数百篇论文+优秀视觉团队链接）
gzq0723的博客
12-16 632
今天，小编为大家整理了一份计算机视觉论文干货集：不仅有数百篇经典论文汇总、常用的图像数据集、计算机领域核心期刊官网、还有国内外优秀的计算机视觉团队汇总、计算机视觉常用工具介绍。百篇经典论...
计算机视觉领域的优秀资源
joker_sxj的博客
03-13 910
转载自：blog.csdn.net/carson2005 以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的_石建波 计算机视觉。计算机视觉领域的一些牛人博客，超有实力的研究机构web主页（转）_石建波 计算机视觉-CSDN博客。
【粉丝福利社】OpenCV 4.0+Python机器学习与计算机视觉实战（文末送书-完结）
热门推荐
时光隧道
02-22 8万+
OpenCV是一个开源计算机视觉库，提供了许多用于图像处理和计算机视觉任务的函数和工具。OpenCV 4.0是最新版本，它提供了许多新的功能和改进。Python是一种流行的编程语言，具有简单易学的语法和丰富的库支持。使用OpenCV 4.0和Python，您可以进行许多机器学习和计算机视觉相关的任务，例如图像分类、目标检测、人脸识别、视频分析等。对于使用Python进行机器学习，您可以使用OpenCV的图像处理函数来准备数据，例如图像预处理、特征提取和数据增强。
计算机视觉论文总结系列（三）：OCR篇
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-14 1万+
本篇主要介绍OCR论文总结，主要从OCR论文、模型方法、论文链接进行全面总结介绍，重点论文已标注✨，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！
小白计算机视觉学习报告
m0_49865255的博客
12-05 1957
标题 小白计算机视觉学习报告 视觉学习报告 第一次写CSDN博客，没想到是自己五周来的视觉学习报告。 和大家分享一下，供大家参考。 总述： 在这篇学习报告中，我将从三个方面来阐述我这段时间以来所学的东西。首先，我将先从知识层面去阐述；然后，再从思想方法方面去阐述这些知识；最后，我想从一些感性的角度去思考这段时间的收获（可能在文中就有所穿插）。 先对所学的视觉知识框架进行描述： 第一点：图像的基础知识 对计算机来说，图像是什么？ 像素/通道/坐标系/ 第二点：图像预处理/处理（预处理和处理，在这里我觉
计算机视觉之目标检测
小嵌同学的博客
02-25 3531
  在之前的文章中，我们已经实现了局域网视频流传输功能，朱老师的海思9季课程也结束了，一开始说的剩下的两季内容朱老师不做了，准备放到后边其他系列课程，所以暂时我也无法学习。不过我准备自己完成一些功能，接下来的工作就是：如何充分利用视频流中的图像实现更多的功能，我个人的打算是使用视频流中的图像进行垃圾分类检测。
【极市平台】计算机视觉顶会资源合集
03-19
- **CVPR（Conference on Computer Vision and Pattern Recognition）**：计算机视觉与模式识别会议，每年举办一次，是计算机视觉领域极具影响力的会议之一。 - **ECCV（European Conference on Computer Vision）**...
计算机视觉最全专栏教程总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-31 1万+
为方便更多CV方向学习者学习，本次新星计划活动学习内容不仅包括为本人博客专栏，还会涉及部分知识星球:CV技术指南内容 ，星球文章内容成专栏体系 ，会分享最新论文+ 部署实战+ 资源教程共享，方向很多，包括不限于2D/3D、缺陷检测、分割、Diffusion Model、AIGC、Transformer、点云、遥感图像、量化剪枝蒸馏、REID、医学图像、目标跟踪、车道线、行为、图神经网络、GAN等。
长沙EI会议 | 高录用 - 计算机视觉与深度学习国际会议
Shiyuan7的博客
09-15 1032
计算机视觉与深度学习国际会议将于2023年12月9日-11日在中国长沙召开，诚邀高校、科研院所、企业等有关方面的专家学者投稿、参会交流。
【AI前沿】计算机视觉的10个突破性进展:实际应用、挑战与方向
阿旭的博客
10-15 1375
【AI前沿】计算机视觉的10个突破性进展:实际应用、挑战与方向
如何提高 YoloDotNet 图像目标检测的准确率？
仰望星空的博客
10-15 124
【代码】如何提高 YoloDotNet 图像目标检测的准确率？
计算机视觉的奇妙世界
weixin_44626085的博客
10-14 1137
计算机视觉是一门弥合机器与人类视觉之间鸿沟的学科。简单来说，它试图模仿和增强我们所具备的视觉能力。想象一下，如果你正在浏览一本图画书，书中的每张图片都在讲述一个故事，而计算机视觉的任务就是让机器拥有理解这些故事的能力。来源:Worktile社区。
YOLOv11改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野，降低参数量计算量，独家创新助力涨点
最新发布
qq_42591591的博客
10-18 172
本文记录的是利用模块优化的目标检测网络模型。WTConv的目的是在不出现过参数化的情况下有效地增加卷积的感受野，从而解决了在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中，有效降低模型参数量和计算量，并二次创新C3k2，使模块更好地捕捉低频特征，增强网络性能。Wavelet Convolutions for Large Receptive Fields小波卷积及其改进的实现代码如下： 四、创新模块 4.1 改进点1⭐ 模块改进方法：加入（第五节讲解添加步骤）。添加后如下：基于的深度可分离模块。
如何解决目标检测中密集遮挡问题？
SQingL的博客
10-12 217
Repulsion Loss核心思想是通过设置损失函数，使得预测框与所负责的真实目标框的距离缩小，同时使得其与周围非负责目标框(包括真实目标框和预测框)的距离加大。具体来说，如果预测框与周围目标的距离越大，损失值会越小，从而鼓励模型将预测框放在距离其他目标较远的位置，减少遮挡的影响。另一种是crowded，即由需要检测的目标物体自身造成的遮挡这两种遮挡都会对目标检测的准确性产生影响,因此需要采取不同的方法来解决。在这种情况下，最好的办法是使用更多的数据和更强的特征来提高算法对遮挡的应对能力。
论文速读：多源域自适应目标检测中的目标相关知识保存(CVPR2022)
m0_63294504的博客
10-15 793
领域自适应目标检测（DAOD）是一种很有前途的方法，可以缓解检测器在新场景下的性能下降。尽管在单源域适应方面做出了巨大努力，但由于组合过程中的知识退化，具有多个源域的更通用的任务仍未得到很好的探索。为了解决这个问题，作者提出了一种新的无监督多源DAOD方法，即目标相关知识保存（target relevant knowledge preservation，TRKP）。在各种广泛使用的基准上进行了广泛的实验，取得了sota效果，突出了有效性。
《OpenCV计算机视觉》——人脸检测__Haar特征、级联分类器
weixin_73504499的博客
10-12 578
Haar特征、级联分类器
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值