进击的Explorer

在MATLAB中直接有个维纳滤波函数wiener2可以调用，觉得很有用，但是在python并没有直接可以调用维纳滤波的函数，看见网上很多的教程都是自己根据原理自己编写的函数，这样也很有用，不过有个直接调用的函数我觉得很方便，最后我发现SciPy库有wiener滤波函数的调用。我不写维纳滤波的原理，其原理在网上有很多博主写的都很详细、易懂，我在此主要讲一下如何实现SciPy库中wiener的实现。语法：scipy.signal.wiener( im, mysize=None, noise

1、介绍模板匹配是一个当被搜索图像中对象的姿态 (X,Y,θ)(X,Y,\theta)(X,Y,θ) 未知时，使用模板图像去匹配对象的图像处理方法。在这里实现的是利用目标的边缘信息来识别搜索图像中的目标。2、背景模板匹配由于它的速度和可靠性问题，在本质上是一个棘手的问题。当物体是部分可见或者混合其他对象时，解决方法应该对亮度变化具有鲁棒性，更重要的是，算法应该具有计算效率。解决这一问题的方法主要有基于灰度值的匹配（或基于区域匹配）和基于特征的匹配（非基于区域的匹配）。OpenCV中自带的模...

YOLO v3模型结构YOLO v3在2018年推出，基础框架为Darknet-53 YOLO v3总的详细结构图,由于图片太大，不便于直接放在博客里。YOLO v3有三个不同特征尺度的输出，分别为13×13×255,26×26×255,52×52×255。YOLO v3一般使用416∗416416*416416∗416大小的图片作为输入，最后得到的特征图为13∗1313*1313∗13，再大一些的特征图为26∗2626*2626∗26，再大一些的特征图为52∗525

针对YOLO准确率不高，容易漏检，对长款比不常见物体效果差等问题，结合SSD的特点，2016年提出了YOLO-v2。YOLO v2速度的优化为了精度和速度并重，作者在速度上也作了一些改进措施。大多数检测网络依赖于VGG-16作为特征提取网络，VGG-16是一个强大而准确的分类网络，但是却过于复杂。224*224的图片进行一次前向传播，其卷积层就需要多达306.9亿次浮点数计算。YOLO使用...

YOLO v1结构它的核心思想就是利用整张图作为网络的输入，将目标检测作为回归问题解决，直接在输出层回归预选框的位置及所属的类别。输入图像大小为448∗448448*448448∗448，将其分割成了7×7=497×7=497×7=49个网络，每个网格要预测两个bounding boxbounding\ boxbounding box（候选框）的坐标 (x,y,w,h)(x,...