![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
立体匹配
文章平均质量分 85
lemianli
专注
展开
-
双边滤波器
1.双边滤波双边滤波很有名,使用广泛,简单的说就是一种同时考虑了像素空间差异与强度差异的滤波器,因此具有保持图像边缘的特性。先看看我们熟悉的高斯滤波器其中W是权重,i和j是像素索引,K是归一化常量。公式中可以看出,权重只和像素之间的空间距离有关系,无论图像的内容是什么,都有相同的滤波效果。再来看看双边滤波器,它只是在原有高斯函数的基础上加了一项,如下转载 2016-07-13 16:52:09 · 968 阅读 · 1 评论 -
用反卷积(Deconvnet)可视化理解卷积神经网络
可视化理解卷积神经网络原文地址:http://blog.csdn.net/hjimce/article/details/50544370作者:hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献:《Visualizing and Understanding Convolutional Networks》,可以说是CNN领域可视化理解转载 2016-11-15 15:42:37 · 43454 阅读 · 5 评论 -
Stereo Matching文献笔记:《Cross-Scale Cost Aggregation for Stereo Matching》
最近,在做立体匹配方向相关的研究,先去网上找最新鲜的论文,看到了这篇文献(简称CSCA),来源于CVPR2014,令我惊奇的是,作者竟然提供了详细的源代码,配置运行了一下,效果还真不错,速度也还可以,具有一定的实用价值,所以拿来和大家分享一下。(转载请注明:http://blog.csdn.NET/wsj998689aa/article/details/44411215, 作者:迷雾for转载 2016-11-14 20:52:11 · 2368 阅读 · 0 评论 -
CNN+Depth estimation
1 - AlexNet 和 VGG-NetCVPR 2015 基本是 “the year of deep learning”,有大概70%的文章是关于deep learning的。大会请来了2位 keynote speakers: 计算机学家 Yann LuCun (NYU, Facebook) 和 心理学家、神经学家 Jack Gallan (Berkeley)。 Yann是公认的 Co原创 2016-11-16 14:23:13 · 3552 阅读 · 0 评论 -
立体匹配研究背景及意义
计算机视觉是一门研究使用计算机来模拟人的视觉系统的学科。“一图胜千言”,人类对于图像中的信息感知效率远超文字等其他媒介,人类获取的信息总量中更是有高达80%依靠视觉系统[1]。相对于人类高效的图像信息提取能力,计算机在图像信息的理解上仍然效率低下。 计算机视觉作为一门交叉学科,综合了生物学,心理学,数学,计算机科学等学科,从20世纪60年代至今其在科学研究领域中的大量成果已经应用于工程领域,并转载 2016-10-28 15:33:16 · 10089 阅读 · 0 评论 -
computer vision(计算机视觉)方面的期刊会议,学术必备
http://blog.csdn.net/huangynn/article/details/7910649一.机器视觉方面的顶尖三大国际会议:ICCV, CVPR和ECCV 1.ICCV 全称是International Comference on Computer Vision,每两年举行一次,与ECCV正好错开,是计算机视觉领域最高级别的会议,会议的论文集代转载 2016-09-26 11:44:24 · 3834 阅读 · 0 评论 -
块坐标下降法(Block Coodinate Descent)
问题的描述:给定一个可微的凸函数,如果在某一点x,使得f(x)在每一个坐标轴上都是最小值,那么f(x)是不是一个全局的最小值。形式化的描述为:是不是对于所有的d,i都有这里的代表第i个标准基向量。答案为成立。这是因为:但是问题来了,如果对于凸函数f,若不可微该会怎样呢?答案为不成立,上面的图片就给出了一个反例。转载 2016-09-21 16:27:02 · 33394 阅读 · 2 评论 -
Stereo Matching文献笔记之(三):经典算法Semi-Global Matching(SGM)之碉堡的动态规划
上一篇博客中提到了SGM的第一部分,基于分层互信息(HMI)的代价计算,本文继续说说自己对SGM代价聚合部分的理解。(转载:http://blog.csdn.net/wsj998689aa/article/details/50488249, 作者:迷雾forest)SGM的代价聚合,其实仔细看看,这并不是严格意义上的代价聚合,因为SGM是为了优化一个能量函数,这和一转载 2016-09-14 11:33:40 · 2610 阅读 · 1 评论 -
Stereo Matching文献笔记之(二):经典算法Semi-Global Matching(SGM)之神奇的HMI代价计算~
SGM算法源于《Stereo Processing by Semi-Global Matching and Mutual Information》一文,我认为这篇文章是立体匹配算法中最给力的,放眼KITTI,可以发现目前排名前五十的算法几乎一半都是对SGM的改进,具有最强的实用价值。SGM中文名称“半全局匹配”,顾名思义,其介于局部算法和全局算法之间,所谓半全局指的是算法既没有只考虑像素的局部区域转载 2016-09-14 11:25:08 · 2903 阅读 · 1 评论 -
Stereo Matching文献笔记之(一):《On Building an Accurate Stereo Matching System on Graphics Hardware》读后感
目录(?)[-]算法详解适合并行特征融合自适应区域后续总结1.分享。2.备忘。3.锻炼表达能力。不知道有没有童鞋和我有一样的结论,今天写写今年四月份精读过的一篇文章《On Building an Accurate Stereo Matching System on Graphics Hardware》,文章名咋看起来有点像硬件相关文献,为什么叫做一个系统,我转载 2016-09-14 11:23:47 · 1705 阅读 · 1 评论 -
Ubuntu下OPENCV3.1.0+opencv_contrib-master问题总结
因为opencv3.1.0默认安装中没有加入SIFT、SURF等点特征检测,这玩意还弄了个其他的库,还只能在GitHub上才能弄到,这两天弄opencv3.1.0的contrib库,遇到了一些问题, 为了让大家更好、更快用上contrib库,根据 谷歌百度的几个问题,现分享给大家完整流程,也欢迎大家与我讨论其他opencv方面的问题。opencv_contrib的版本一定要与opencv的版本原创 2017-06-23 11:27:57 · 6186 阅读 · 1 评论