- 博客(8)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 Opencv4图像分割和识别第六课(实战5）动手绘制极坐标系上的曲线来深刻理解hough直线变换原理
前言本课的重点和难点就是理解hough直线变换原理。视频课程中会通过数个实例分析来深刻体会两句话：极坐标上的一个点对应到直角坐标系上是一条直线；直角坐标系上的一个点对应到极坐标系是一条正弦曲线。上面两句话听起来有些绕，我们主要从计算机工程应用角度来解释它。如果单纯从数学角度去理解的话，容易走向死胡同。比如说按下面直角坐标转极坐标公式，直角坐标系上的一个点对应到极坐标也是一个点，对吧。...
2019-06-28 10:21:15
1096
原创 海思AI芯片(Hi3519A/3559A)方案学习（十七）开发板上运行yolo3模型的代码分析
前言前面的博客系列 已经介绍了如何将caffemodel转换成wk文件，如何将jpg文件转成bgr格式数据以及如何在PC上仿真模型推理等，基于这些基础，本文来结合代码分析如何在板子上推理yolov3模型。代码SDK提供的nnie AI推理相关的样例代码路径在这里：sample_nnie_main.c很简单，主要是提供入口函数main， 其所带的参数0/1/2。。。 。。。决定了...
2019-06-27 17:58:55
16060
90
原创 Opencv4图像分割和识别第五课(实战4）基于visual studio2017+opencv4.0.1来定位和识别二维码
前言本课的一个内容安排是先从原理着手，把轮廓分析讲透，然后通过一行行代码来对条形码和二维码进行定位，并最终调用zbar来进行识别。不过本博客从另外一个角度来展开，即基于opencv4.0（可以直接调用其API，其识别部分基于开源库quirc ，感兴趣的可以自行进一步研究）来对图片中二维码进行定位和识别。这也是本课的课后作业。代码经过opencv API的封装，二维码的定位和识别代码...
2019-06-20 06:56:45
1917
原创 Opencv4图像分割和识别第四课(实战3）基于vs2017+tesseract4.0识别字符
前言如何使用tesseract开源库进行字符识别是实战3的重点和难点。 要在自己的开发环境中使用合适的tesseract包，必须先下载源代码来根据自己的开发平台进行编译，这不是件容易的事情，坑蛮多啊！ 不过课程里面会对此进行详细讲解。本文（也是实战3的课后作业）讲述如何在visual studio2017+win10环境中配置tesseract库，并使用其基本APIs来进行测试图片中字符识...
2019-06-16 15:41:36
1682
2
原创 Yolov3模型框架darknet研究（十二）学会看懂darknet训练log
前言darknet训练时会打印出很多log，很多人不知道这里面log到底是什么含意，比如说为什么有nan值？本文结合代码解释一下这些log有哪些部分组成，分别代表了什么意思。分析一先看这部分log，如下图所示这些log在forward_yolo_layer(const layer l, network net) 函数末尾打印出。 yolo3一共3个yolo层，分别在第82，94...
2019-06-14 17:57:39
5596
5
原创 Opencv4图像分割和识别第三课(实战2）滤镜特效
前言本文提供Opencv4图像分割和识别课程（https://edu.csdn.net/course/detail/24864）第三课（实战2）的两个课后作业代码。直方图均衡化一种间接（使直方图均匀分布）增强图像对比度的方法。原理在课程里面有详细说明，这里不在赘述。其python版实现代码如下，源图片在课件里提供。5. import numpy as npimport cv2...
2019-06-10 09:26:30
716
原创 Opencv4图像分割和识别第二课(实战1）将目标从图像中分割出来
前言本文提供Opencv4图像分割和识别课程（https://edu.csdn.net/course/detail/24864）第二课（实战一）的两个实例代码和一个课后作业。实例一将图像上的马（背景是草原）分割出来，并和原图像上下合并成一幅新图像。代码及其运行结果如下：int horse_segment(const char *file_name, Mat &result...
2019-06-07 16:25:43
2713
原创 Yolov3模型框架darknet研究（十一）彻底弄明白darknet训练时数据增强的参数
前言yolov3训练时在cfg和代码里面会有一些数据增强参数，但其中，真正发生作用的只有部分参数。本文结合代码来梳理哪些参数在真正参与数据增强及其运行原理。cfg里面常用的数据增强参数如下所示：分析训练时加载数据的入口函数如下：其中真正参与数据增强的参数如红框所示。眼尖的读者可能会发现 jitter并没有出现在上面所示的cfg示意图中，的确如此，不过它是来自cfg中另外...
2019-06-06 14:53:53
8251
8
cityscapes公开数据集
2020-09-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人