人工智能
机器视觉001
熟悉Visual C++、HALCON、机器视觉;10 年开发经验!
展开
-
Windows 10 系统编译 yaml-cpp
Windows 10 系统编译 yaml-cpp1. 官网 GitHub - jbeder/yaml-cpp: A YAML parser and emitter in C++ 下载指定版本源码。本例使用yaml-cpp-master.zip。2. 以管理员身份运行CMake后,按下图设置:3. 点击Configure按钮配置,如下图:4. 点击Generate按钮配置,如下图:5. 点击Open Project打开项目编译即可。...原创 2022-05-03 10:53:38 · 1401 阅读 · 0 评论 -
Windows 10 系统安装 OpenVINO (2022.1.0)
Windows 10 系统安装 OpenVINO4.1 安装 Dev Tools1. 进入链接Download Intel® Distribution of OpenVINO™ Toolkit选择合适版本:2. 打开cmd窗口,复制下述指令到cmd窗口后回车,等待安装即可。pip install openvino-dev[pytorch,onnx,tensorflow2]==2022.1.04.2 安装 Runtime1. 进入链接Download Intel..原创 2022-05-01 18:34:24 · 3218 阅读 · 0 评论 -
TensorFlow 2 Object Detection API 教程: model 命名规则
TensorFlow 2 Object Detection API 教程: model 命名规则COCO-trained models {#coco-models}TensorFlow 2 Object Detection API 预训练的model 命名规则如下:目标检测算法_特征提取网络_训练数据集.例如:ssd_mobilenet_v1_fpn_640x640_coco17_tpu-8.tar.gz的意思是:该模型使用了SSD(Single Shot Multibox Detector原创 2021-03-28 14:27:12 · 434 阅读 · 0 评论 -
OpenVINO(Version: 2021.3)系统需求
OpenVINO系统需求【转载】https://software.intel.com/en-us/openvino-toolkit/documentation/system-requirements原创 2019-10-17 13:07:13 · 688 阅读 · 0 评论 -
RBF(径向基)神经网络
RBF(径向基)神经网络只要模型是一层一层的,并使用AD/BP算法,就能称作BP神经网络。RBF神经网络是其中一个特例。本文主要包括以下内容:什么是径向基函数 RBF神经网络 RBF神经网络的学习问题 RBF神经网络与BP神经网络的区别 RBF神经网络与SVM的区别 为什么高斯核函数就是映射到高维区间 前馈网络、递归网络和反馈网络 完全内插法什么是径向基函数1985年,...原创 2019-10-16 22:03:56 · 3392 阅读 · 0 评论 -
ONNX简介
ONNX简介Open Neural Network Exchange(ONNX,开放神经网络交换)格式,是一个用于表示深度学习模型的标准,可使模型在不同框架之间进行转移。ONNX是一种针对机器学习所设计的开放式的文件格式,用于存储训练好的模型。它使得不同的人工智能框架(如Pytorch, MXNet)可以采用相同格式存储模型数据并交互。ONNX的规范及代码主要由微软,亚马逊,Facebook和...原创 2019-10-12 15:52:42 · 13178 阅读 · 0 评论 -
TF-IDF算法
TF-IDF算法TF-IDF(term frequency–inversedocument frequency)是一种用于资讯检索与资讯探勘的常用加权技术。TF:Term Frequency 词频;IDF:Inverse documentfrequency 倒文档频率;问题:用户在谷歌上搜索,谷歌如何能够保证返回的结果是用户想要的呢?即用户输入”XXX”,谷歌如何保证返回的网页与”...原创 2019-01-01 00:37:44 · 655 阅读 · 0 评论 -
RANSAC算法详解
RANSAC算法详解给定两个点p1与p2的坐标,确定这两点所构成的直线,要求对于输入的任意点p3,都可以判断它是否在该直线上。初中解析几何知识告诉我们,判断一个点在直线上,只需其与直线上任意两点点斜率都相同即可。实际操作当中,往往会先根据已知的两点算出直线的表达式(点斜式、截距式等等),然后通过向量计算即可方便地判断p3是否在该直线上。生产实践中的数据往往会有一定的偏差。例如我们知道两个变...原创 2018-12-31 21:59:08 · 1076 阅读 · 0 评论 -
模式识别技术漫谈
模式识别技术漫谈在人工智能技术(Artificial Intelligence)领域中,模式识别(Pattern Recognition)技术也许是最具有挑战性的一门技术了,模式识别有时又被称为分类技术,因为模式识别说到底就是对数据进行分类。说到识别,最为常用的便是模仿人的视觉图像识别(当然还有语音识别)。模式识别具有较长的历史,在20世纪60年代以前,模式识别主要是限于统计学领域中的理论研究...原创 2018-12-31 21:11:34 · 1923 阅读 · 0 评论 -
Halcon基于形状的几何定位函数说明
Halcon基于形状的几何定位函数说明1. create_shape_model(Template: : //reduce_domain后的模板图像NumLevels,//金字塔的层数,可设为“auto”或0—10的整数AngleStart,//模板旋转的起始角度AngleExtent,//模板旋转角度范围,>=0AngleStep,//旋转角度的步长,>=0 and <=...原创 2018-12-30 11:21:52 · 1413 阅读 · 0 评论 -
Halcon阈值分割
Halcon阈值分割1. threshold(Image : Region : MinGray, MaxGray : )全局阈值分割,适用于环境稳定,目标与背景存在明显的灰度差的场合。应用1:利用灰度直方图确定阈值进行图像分割。一般是物体与背景之间存在一个明显的灰度差,直方图会存在两个波峰一个是目标一个是背景,那么阈值就是物体与背景之间的最小值。 read_image ...原创 2018-12-30 10:41:38 · 3229 阅读 · 0 评论 -
Halcon图像预处理之灰度形态学
Halcon图像预处理之灰度形态学灰度形态学处理有腐蚀,膨胀,开运算,闭运算,顶帽操作,低帽操作等。可以对图像进行图像平滑,图像增强,图像分割等。1. 图像平滑gray_opening_shape(Image : ImageOpening : MaskHeight, MaskWidth, MaskShape : )开运算。开操作会抑制比结构元小的亮细节,去除亮点噪声。gray_...原创 2018-12-30 10:33:42 · 3103 阅读 · 0 评论 -
主成份(PCA)与奇异值分解(SVD)的通俗解释
主成份(PCA)与奇异值分解(SVD)的通俗解释1. 问题描述在许多领域的研究与应用中,往往需要对反映事物的多个变量进行大量观测,收集大量数据以便进行分析,寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息,但也在一定程度上增加了数据采集的工作量,更重要的是在大多数情况下,许多变量之间可能存在相关性,从而增加了问题分析的复杂性,同时对分析带来不便。如果分别对每个指标进行分析,分析往往...原创 2018-12-30 09:47:30 · 1075 阅读 · 0 评论 -
FFT求频谱图和功率谱密度图
FFT求频谱图和功率谱密度图频谱图声音频率与能量的关系用频谱表示。在实际使用中,频谱图有三种,即线性振幅谱、对数振幅谱、自功率谱。线性振幅谱的纵坐标有明确的物理量纲,是最常用的。对数振幅谱中各谱线的振幅都作了对数计算,所以其纵坐标的单位是dB(分贝)。这个变换的目的是使那些振幅较低的成分相对高振幅成分得以拉高,以便观察掩盖在低幅噪声中的周期信号。自功率谱是先对测量信号作自相关卷...原创 2019-01-02 00:07:23 · 36476 阅读 · 0 评论 -
什么是窗函数?
什么是窗函数?似乎每次做FFT都需要加窗函数,很少有不加窗函数的时候。那为什么要加窗函数,加窗有什么好处,又有什么坏处呢,凭什么目的来加函数呢?1. 为什么要加窗在《什么是泄漏?》中已经讲到每次FFT变换只能对有限长度的时域数据进行变换,因此,需要对时域信号进行信号截断。即使是周期信号,如果截断的时间长度不是周期的整数倍(周期截断),那么,截取后的信号将会存在泄漏。为了将这个泄漏误差减...原创 2019-01-02 00:07:29 · 4077 阅读 · 0 评论 -
什么是信号泄漏?
什么是信号泄漏?在做信号处理时,经常涉及到“泄漏”。那泄漏是什么,是什么原因造成了泄漏呢?在这将告诉您答案。1. 信号截断一次FFT分析截取1帧长度的时域信号,这1帧的长度总是有限的,因为FFT分析一次只能分析有限长度的时域信号。而实际采集的时域信号总时间很长,因此,需要将采样时间很长的时域信号截断成一帧一帧长度的数据块。这个截取过程叫做信号截断。假设有一段10s的时域信号,取1帧...原创 2019-01-02 00:07:35 · 8790 阅读 · 0 评论 -
何时、何地应用何种窗函数?
何时、何地应用何种窗函数?为了减少泄漏,需要对信号施加窗函数。但施加窗函数的依据是什么呢?各种情况下应该施加什么类型的窗函数呢?在我们讨论窗函数的使用之前,让我们回想一下FFT变换三个基本属性:变换过程中能量必须守恒。也就是说,时域信号中的能量要与频域中的能量相等。 FFT是在时域和频域之间变换信号。时域描述表明何时发生,频域描述表明是怎么发生的。 FFT变换假设信号是重复、连续的...原创 2019-01-02 00:07:40 · 534 阅读 · 0 评论 -
FFT变换的幅值和能量校正
FFT变换的幅值和能量校正对于从时域通过傅立叶变换计算频谱的大多数人来说,幅值和能量校正一直是个困惑点。首先要说的是,数据中包括的信息和幅值与能量修正的频谱是等效的。幅值和能量修正谱的唯一的区别在于计算的比例因子。幅值修正谱单独使用分析仪时,你会发现,幅值修正谱通常是默认的设置。每条谱线是时域信号每个频率分量的有效值。如果你有一个有效值为1V的正弦波(如图1所示),用FFT频谱分析仪进...原创 2019-01-02 00:07:46 · 15269 阅读 · 0 评论 -
FFT分析的加窗和重叠
FFT分析的加窗和重叠这将通过实例说明加窗和重叠对频谱分析的影响。用10Hz的正弦波,以说明重叠窗函数在频谱分析过程中的不同之处。重叠分析,就是连续分析的时域数据块通过指定的时间纪录百分比进行重叠。在这个例子中,时域数据块选择为1S,相应的频率分辨率为1Hz。图1 原始的正弦波分析稳态信号,如图1所示,设置重叠率0%,加汉宁窗,加窗后的时域数据块如图2所示。图2 汉宁窗...原创 2019-01-02 00:07:51 · 14236 阅读 · 0 评论 -
锤击测试使用指数窗会引起什么问题吗?
锤击测试使用指数窗会引起什么问题吗?锤击测试使用指数窗会引起什么问题吗?让我们来讨论它。如果指数窗使用不合理,将会引起一些问题。如果需要使用大指数窗以便最小化泄漏所造成的影响,那么你将冒着丢失密集模态的风险。这儿有几个实例与指数窗的使用有关,明白如果不反复尝试施加不同大小的指数窗,将会产生什么样的结果。首先,必须明确地指出在许多锤击法测试中,指数窗都是必要的。然而,在加任何窗之前,明智的做...原创 2019-01-02 00:07:56 · 468 阅读 · 0 评论 -
基于深度学习的计算机视觉技术在无人驾驶中的应用
基于深度学习的计算机视觉技术在无人驾驶中的应用背景当前,人工智能是下一代信息技术的核心和焦点,而无人配送则是人工智能典型的落地场景,因为完成无人配送需要自动驾驶技术、机器人技术、视觉分析、自然语言理解、机器学习、运筹优化等一系列创新技术的高度集成。目前,美团的日订单数量已经超过 2000 万单,在人力有限的情况下,对无人配送就有着非常迫切的需求。美团无人配送团队已经自主研发两款适应不同业务...原创 2018-12-26 11:13:32 · 5799 阅读 · 0 评论 -
如何基于深度学习实现图像的智能审核
如何基于深度学习实现图像的智能审核背景美团每天有百万级的图片产生量,运营人员负责相关图片的内容审核,对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大,人工审核耗时耗力且审核能力有限。另外对于不同审核人员来讲,审核标准难以统一且实时变化。所以有必要借助机器实现智能审核。图像智能审核一般是指利用图像处理与机器学习相关技术识别图像内容,进而甄别图像是否违规。图像智能审核旨在...原创 2018-12-26 12:10:28 · 6277 阅读 · 0 评论 -
人工智能、机器学习和深度学习的区别?
人工智能、机器学习和深度学习的区别?人工智能浪潮正在席卷全球,诸多词汇时刻萦绕在我们耳边:人工智能(Artificial Intelligence)、机器学习(Machine Learning)、深度学习(Deep Learning)。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。为了帮助大家更好地理解人工智能,这篇文章用最简单的语言解释了这些词汇的含义,理清它们之间的关...原创 2018-12-29 16:26:47 · 2292 阅读 · 0 评论 -
纺织人工智能的下一个独角兽——智能验布机
纺织人工智能的下一个独角兽——智能验布机我国是纺织大国,也是全球最大纺织服装生产加工基地。纺织服装面料产品质量和人们生活息息相关,影响产业发展,攸关企业生命。目前在纺织服装生产企业主要通过专业布匹检验QC站在验布设备前通过肉眼发现布面疵点,再进行疵点标记或者记录。但人工验布有三大痛点:检出率低、速度慢、招工难且人员成本高。平均一个验布工在1小时内最多发现200个疵点,瑕疵检出率约为70%。但人...原创 2018-12-27 12:46:24 · 3528 阅读 · 0 评论 -
人脸识别的最新进展以及工业级大规模人脸识别实践探讨
人脸识别的最新进展以及工业级大规模人脸识别实践探讨人脸识别已经成为成为计算机视觉领域最热门的应用之一,很多刚入门的 AI 新手都或多或少接触过人脸识别的相关知识,但是纸上得来终觉浅,在实际应用中,往往会遇到各种各样的问题,比如如何保证不同环境下人脸识别的准确率,极端环境下如何进行人脸识别等等。为了帮大家解惑,我们特意邀请到了格灵深瞳首席科学家和算法部负责人——张德兵,为大家带来主题为“一亿...原创 2018-12-26 14:06:18 · 712 阅读 · 0 评论 -
机器视觉:深度学习在机器视觉软件中的应用
机器视觉:深度学习在机器视觉软件中的应用原创 2018-06-21 08:34:11 · 3965 阅读 · 0 评论 -
深入MNIST学习
深入MNIST学习原创 2018-06-04 23:51:10 · 271 阅读 · 0 评论 -
MNIST数据下载
MNIST数据下载原创 2018-06-04 23:26:28 · 453 阅读 · 0 评论 -
MNIST机器学习入门
MNIST机器学习入门原创 2018-06-04 22:04:47 · 363 阅读 · 0 评论 -
Softmax回归概论
Softmax回归概论原创 2018-06-04 21:12:58 · 246 阅读 · 0 评论 -
机器学习概论
机器学习概论原创 2018-05-28 17:48:52 · 318 阅读 · 0 评论 -
TensorFlow基本使用方法
TensorFlow基本使用方法使用 TensorFlow,你必须明白TensorFlow用法:1) 使用图 (graph) 来表示计算任务;2) 在被称之为“会话 (Session)”的“上下文 (context)”中执行图;3) 使用 tensor 表示数据;4) 通过“变量 (Variable)”维护状态;5) ...原创 2018-06-03 22:53:46 · 461 阅读 · 0 评论 -
'tensorflow' has no attribute 'sub'
'tensorflow' has no attribute 'sub'在学习tensorflow的时候,照到官方的例子做,发现了一个: # 进入一个交互式 TensorFlow 会话.import tensorflow as tfsess = tf.InteractiveSession()x = tf.Variable([1.0, 2.0])a = tf.constant(...原创 2018-06-03 22:48:48 · 505 阅读 · 0 评论 -
Python API 撰写的 TensorFlow 示例代码
Python API 撰写的 TensorFlow 示例代码import tensorflow as tfimport numpy as np # 使用 NumPy 生成假数据(phony data), 总共 100 个点.x_data =np.float32(np.random.rand(2, 100)) # 随机输入y_data = np.dot([0.100, 0.2...原创 2018-06-03 20:46:31 · 346 阅读 · 0 评论 -
Windows 10下使用Anaconda安装TensorFlow1.8
Windows 10下使用Anaconda安装TensorFlow1.8原创 2018-06-03 19:35:40 · 2372 阅读 · 0 评论 -
TensorFlow:卷积神经网络
卷积神经网络原创 2018-06-13 15:56:30 · 277 阅读 · 0 评论 -
TensorFlow:字词的向量表示
TensorFlow:字词的向量表示原创 2018-06-13 18:49:05 · 566 阅读 · 0 评论 -
十个值得一试的开源深度学习框架
十个值得一试的开源深度学习框架原创 2018-07-06 09:47:33 · 618 阅读 · 0 评论 -
深度学习之于传统计算机视觉
深度学习之于传统计算机视觉原创 2018-06-17 23:07:54 · 1534 阅读 · 0 评论 -
TensorFlow运作方式入门
TensorFlow运作方式入门原创 2018-06-09 12:31:45 · 420 阅读 · 0 评论