CV
fayeeenn
努力转码小白
展开
-
CV - HOG特征描述算⼦/行⼈检测
HOG特征描述算子图像预处理首先用了伽马校正,这边这步步骤是可选的,可有也可以没有,主要是为了减少光照、亮度等对图片的影响,调整图片的对比度。这步中需要注意,灰度图和彩色图都是可以的,只是彩色图是三个通道进行梯度计算,选取了梯度值最大的那个通道计算图像梯度对每个像素点进行梯度计算,要同时进行水平梯度计算和垂直梯度计算。梯度方向将会取绝对值,这样效果更好。计算梯度直方图这一步是最神奇的一步(感觉这个世界总是有那么多的归一化和各种神奇的变化)这边有个疑惑,为什么bin 是20的地方,计算公式原创 2020-07-06 23:36:37 · 184 阅读 · 0 评论 -
CV - Harris特征点检测
import cv2 as cvfrom matplotlib import pyplot as pltimport numpy as np# detector parameterblock_size = 3ksize = 3k = 0.05# input imageimage = cv.imread('./lighttower.jpg')print(image.shape)height = image.shape[0]width = image.shape[1]channel原创 2020-06-24 22:28:28 · 203 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task5的一些笔记
模型的集成学习情况调参指导框架观察数据搭建初始框架调参原则模型的集成通过交叉验证集成多模型测试集的数据增强Snapshot学习情况调参指导框架High Train Error:指的是与人类相比的,比如人识别字符的准确率为99%;High Train-Dev Error:过拟合的问题,可以通过正则化、加入更多的数据、或者尝试新的框架High Test-Dev Error:测试集错误率过大,这次比赛中会出现。可能是测试集和验证集的分布出现了差异。观察数据不同字符数量图片的占比,是否存在偏原创 2020-06-02 22:53:20 · 195 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task4的一些笔记
模型训练与验证学习情况模型验证方法留出法交叉验证法K折交叉验证(K-fold Cross Validation)留一法(leave-one-out cross validation)自助采样法(BootStrap)代码学习情况复习了一下机器学习中的模型验证方法,因为深度学习也是机器学习的分支,这一部分还是差不多的。最近还在看CNN的结构、公式推理过程,发现高数线代又忘了…大学的知识难道真的不能靠刷题吗…模型验证方法留出法这是比较简单粗暴的方法,之前传统机器学习分类的方法是“三七分”,就是训练集7原创 2020-05-30 21:27:39 · 242 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task3的一些笔记
字符识别模型学习情况经典的卷积神经网络AlexNetVGG学习情况重点学习一下AlexNet和VGG的模型,跑完步回来码!经典的卷积神经网络AlexNetVGG原创 2020-05-26 20:33:34 · 174 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task2的一些笔记
Task2 数据读取与数据扩增学习情况数据扩增方法transforms.CenterCroptransforms.RandomCroptransforms.ColorJittertransforms.Padtransforms.FiveCroptransforms.Grayscaletransforms.RandomAffine 随机仿射变化常用的数据扩增库学习情况数据扩增方法常见的有一下几种:transforms.CenterCrop 对图片中心进行剪裁transforms.ColorJitt原创 2020-05-23 21:37:20 · 280 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task1的一些笔记
计算机视觉实践 - 街景字符编码识别 关于Task1的一些笔记Task 1 赛题理解学习情况字符识别论文笔记ResNet18CRNNBaseline自己的理解遇到的问题Reference最近参加了DataWhale的计算机视觉入门比赛,认识了很多大佬。虽然之前有过基于深度学习的一些实操经验,但对其中的原理还是不怎么懂,更别提模型的创新了。希望这次比赛过后,在理论和代码能力方面都能有所提高。Task 1 赛题理解赛题名称:零基础入门CV之街道字符识别赛题目标:通过这道赛题可以引导大家走入计算机视觉的原创 2020-05-20 21:58:40 · 574 阅读 · 0 评论