maweifei的博客

(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~) 通标志检测在自动驾驶、汽车主动安全中应用非常重要，通用的目标检测算法可以通过微调网络的方式直接用于交通标志检测。如何在不同的硬件平台和应用环境中选择算法？今天介绍的刚刚被《Neurocomputing 》接收的论文《Evaluation of deep neural networks for traffic sign det...

原英文地址： https://timebutt.github.io/static/understanding-yolov2-training-output/原中文翻译地址:https://blog.csdn.net/dcrmg/article/details/78565440最近有人问起在YOLOv2训练过程中输出在终端的不同的参数分别代表什么含义，如何去理解这些参数？本篇文章中我将尝试着...

------【2017.11.2更新】------------SSD传送门----------http://blog.csdn.net/renhanchi/article/details/78411095http://blog.csdn.net/renhanchi/article/details/78423343-------【2017.10.30更新】------------一些要说...

说明这篇文章是训练YOLO v2过程中的经验总结，我使用YOLO v2训练一组自己的数据，训练后的model，在阈值为.25的情况下，Recall值是95.54%，Precision 是97.27%。 需要注意的是，这一训练过程可能只对我自己的训练集有效，因为我是根据我这一训练集的特征来对YOLO代码进行修改，可能对你的数据集并不适用，所以仅供参考。我的数据集1，用于训练的数据集一共...

目标检测一直是计算机视觉的基础问题，在 2010 年左右就开始停滞不前了。自 2013 年一篇论文的发表，目标检测从原始的传统手工提取特征方法变成了基于卷积神经网络的特征提取，从此一发不可收拾。本文将跟着历史的潮流，简要地探讨「目标检测」算法的两种思想和这些思想引申出的算法，主要涉及那些主流算法。    概述 Overview在深度学习正式介入之前，传统的「目标检测」方法都是 区域选择、提取特征、...

由于项目需求，最近花了约三周的时间，尝试在我们自己的教学场景数据集上，完成SSD目标检测模型的测试，检测目标只有一个类别：举手(Handraising)。实际上，项目中已经存在可以完成举手目标检测的方案R-FCN，所以目的是为了验证SSD是否会有检测效果和检测速度的提升，这里简要记录一下整个流程，尽管之后在测试数据集上，SSD的检全率和准确率并不比R-FCN更好。一、背景介绍：  ...

首先制作自己的数据集—VOC2007数据集制作，接下来就可以开始搞事情了....一：YOLOv3相关官网：YOLO: Real-Time Object Detection进化之路：YOLO v1,YOLO v2,YOLO9000算法总结与源码解析                 系统学习深度学习（三十二）--YOLO v1,v2,v3原理部分：目标检测网络之 YOLOv3             ...

网上有pytorch、tensorflow等框架实现的很多，但是使用caffe复现的几乎没有；或许是因为caffe框架逐渐没落了么？没办法，只要自己动手丰衣足食了！过程有点麻烦。。。。。。。。。。。。。。。。。补充说明一下复现平台：Jetson-TX2、Ubuntu16.04 LTS1 模型转换（模型已经上传百度云，在github上有链接，嫌麻烦的话，可以跳过该部分）     可以借助一个模型转换...

摘要： 在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重要。为了让大家先达到一个感性认识。这节主要是看懂和运行opencv中给的sample并稍加修改。在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重

这次将介绍基于MeanShift的目标跟踪算法，首先谈谈简介，然后给出算法实现流程，最后实现了一个单目标跟踪的MeanShift算法【matlab/c两个版本】      csdn贴公式比较烦，原谅我直接截图了… 一、简介     首先扯扯无参密度估计理论，无参密度估计也叫做非参数估计，属于数理统计的一个分支，和参数密度估计共同构成了概率密度估计方法。参数密度估计方

作者：YaqiLYU链接：https://www.zhihu.com/question/26493945/answer/156025576来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。相信很多来这里的人和我第一次到这里一样，都是想找一种比较好的目标跟踪算法，或者想对目标跟踪这个领域有比较深入的了解，虽然这个问题是经典目标跟踪算

基于OpenCV实现手写体数字训练与识别原创 2017-09-11 gloomyfish OpenCV学堂OpenCV实现手写体数字训练与识别机器学习(ML)是OpenCV模块之一，对于常见的数字识别与英文字母识别都可以做到很高的识别率，完成这类应用的主要思想与方法是首选对训练图像数据完成预处理与特征提取，根据特征数据组成符合OpenCV要求的训练数据集与标记集，然后通

OpenCV3.3深度学习模块(DNN)应用-图像分类原创 2017-09-17 gloomyfish OpenCV学堂DNN模块介绍在OpenCV3.3版本发布中把DNN模块从扩展模块移到了OpenCV正式发布模块中，当前DNN模块最早来自Tiny-dnn，可以加载预先训练好的Caffe模型数据，OpenCV做了近一步扩展支持所有主流的深度学习框架训练生成与导出模型数

Link:https://www.jianshu.com/p/9a84cc434e051.SSD简介SSD全称Single Shot MultiBox Detector，是一个用于目标检测的深度学习框架。By Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexan...

这是一个18年毕业本科生的一个毕设题目，项目还没有完成，在这里会记录下在caffe上实现YOLO的过程。欢迎大家和我交流！20171123-前期准备：首先当然是YOLO作者的自留地：darknet一位在caffe添加了自己写的层YOLO算法的Caffe实现caffe 添加YOLO新层Leaky Layer在微软caffe上实现yolov1的训练和预测（windows cpu） github上关于c...

Summary: YOLOv3—Windows配置Author: AmusiDate: 2018-04-05YOLOv3翻译yolo官网 目录硬件环境安装教程下载darknet修改darknet.vcxproj修改darknet.sln打开darknet.sln准备测试YOLOv3图像目标检测YOLOv3视频目标检测YOLOv2视...

转自Ronald的知乎专栏：https://zhuanlan.zhihu.com/p/33277354，可以说是很全面了目前目标检测领域的深度学习方法主要分为两类：two stage的目标检测算法；one stage的目标检测算法。前者是先由算法生成一系列作为样本的候选框，再通过卷积神经网络进行样本分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。正是由于两种方法的差异，在性...

上图链接 https://zhuanlan.zhihu.com/p/33277354?utm_source=wechat_session&utm_medium=social一：Two Stage1.RCNN论文链接：http://fcv2011.ulsan.ac.kr/files/announcement/513/r-cnn-cvpr.pdf 代码链接：https://github.com...

windows版本：请参考：https://github.com/AlexeyAB/darknetlinux 版本：请参考本文与https://pjreddie.com/darknet/yolo第一部分：论文与代码第二部分：如何训练自己的数据第三部分：疑惑解释第四部分：测试相关第一部分：论文与代码论 文：https://pjreddie.com/medi...

Darknet 源码学习https://pjreddie.com/darknet/用于人脸表情端到端系统的重训练    附录1：darknet深度学习框架源码分析：详细中文注释，涵盖框架原理与实现语法分析https://github.com/hgpvision/darknetdarknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点...

安装完OpenCV，迫不及待的想要测试一下YOLO。 1.克隆项目git clone https://github.com/pjreddie/darknet.git2.进入项目目录，根据自己有无GPU和OpenCV来修改Makefile（默认使用CPU，无OpenCV）cd darknet3.在终端输入“sudo make”，结果就报错了，错误如下：/usr/bi...

本文将opencv的contrib库中的dnn模块下的SSD检测方法的demo运行过程作以记录。运行环境：win7 64位旗舰版，opencv3.1以及contrib库。opencv dnn模块到写本文的时间，opencv已经出到3.2版本了，由于之前装了3.1故版本没有更新，不过一般建议使用最新版本，新版本在兼容性和速度上都会有提升。我们这里只使用contrib库的dnn模块，并且读取以及训练好...

https://github.com/gklz1982/caffe-yolov2

https://blog.csdn.net/xjz18298268521/article/details/61922405/概述 　　最近一直在研究基于深度学习的目标检测这一块，之前用过faster_rcnn和R-FCN，相对来说检测的准确率应该是可以的，但是实际的检测速度还是很不理想的，考虑实际工程的需求，所以后来想着用yolo来做目标检测，经过测试发现yolo确实是在检测速度上有很大的提高，但...

作者配置时的环境visual studio 2013 显卡 GTX 960M CUDA 7.5 Opencv 2.4.9 pthreadpthread 下载地址YOLO官网http://pjreddie.com/darknet/yolo步骤1、 新建vs工程 2、 将工程设置为Release x64 模式 3、然后再工程添加这三个文件夹，命名为c，h，cu。然后分别添加.cu .c .h 文件， ...

配置环境visual studio 2013 显卡 GTX 960M CUDA 7.5 OpenCV 2.4.9 pthread 下载地址YOLO官网[http://pjreddie.com/darknet/yolo/]步骤CUDA 版本安装教程：参考地址CPU版本安装步骤：第一步：建立vs2013 x86（x64）位项目程序第二步：按照Makefile文件，将YOLO官网中下载的以下 * .c ...

OpenCV3.3 深度学习模块-对象检测演示一：概述OpenCV3.3 DNN模块功能十分强大，可以基于已经训练好的模型数据，实现对图像的分类与图像中的对象检测在图像与实时视频中，上次发的一篇文章介绍了DNN模块实现图像分类，这篇文章介绍DNN模块实现对图像中对象检测与标记。当前比较流行基于卷积神经网络/深度学习的对象检测方法主要有以下三种：Faster R-CN

介绍什么的请参考:利用Hog特征和SVM分类器进行行人检测我只说一下Opencv3.0里面，需要注意的地方。 本人接触OpenCV很短的时间，新手。OpenCV3.0相比2.X，接口更加清晰，还是有很大的改动的。 主要有几个需要注意的地方： 1. sampleLabelMat的数据类型必须为有符号整数型。 2. 加载已经训练好的分类器，需要注意： svm = SVM::

《Co-Fusion: Real-time Segmentation, Tracking and Fusion of Multiple Objects》M Rünz, L Agapito [UCL] (2017)论文:http://visual.cs.ucl.ac.uk/pubs/cofusion/index.html GitHub:https://github.com/martinr

转载自:http://blog.csdn.net/luoshixian099/article/details/47905681首先看features2d.hpp中SURF类的声明：[cpp] view plain copy print?/*!     SURF implementation.  The class implem

文章转载自：http://blog.csdn.net/luoshixian099/article/details/49174869PCA-SIFT是对传统SIFT算法的改进，由Yan Ke等人在《PCA-SIFT: A More Distinctive Representation for Local Image Descriptors》中提出，论文中采用PCA(Principal C

文章转载自:http://blog.csdn.NET/luoshixian099/article/details/48294967     在实时的视频流处理中，需要对每一帧特征提取，对算法处理速度上有很高的要求，传统的SIFT,Harris等特征点提取很难满足。由此提出Fast（Features from Accelerated Segment Test），由于不涉及尺度，梯度，等复

文章转载自： http://blog.csdn.NET/luoshixian099/article/details/48338273    传统的特征点描述子如SIFT,SURF描述子，每个特征点采用128维(SIFT)或者64维(SURF)向量去描述，每个维度上占用4字节，SIFT需要128×4=512字节内存，SURF则需要256字节。如果对于内存资源有限的情况下，这种描述子方法显然不

文章转载自:http://blog.csdn.net/luoshixian099/article/details/48523267      为了满足实时性的要求，前面文章中介绍过快速提取特征点算法Fast,以及特征描述子Brief。本篇文章介绍的ORB算法结合了Fast和Brief的速度优势，并做了改进，且ORB是免费。     Ethan Rublee等人2011年在《ORB：

本文转载自：http://blog.csdn.net/luoshixian099/article/details/48244255本文采用的是opencv2.4.3中的源码。Harris角点检测   人眼对角点的识别通常是通过一个局部的小窗口内完成的，如果在各个方向上移动这个小窗口，窗口内的灰度发生了较大的变化，那么说明窗口内存在角点。  如果在各个方向移动，灰度几

IntroductionThe vehicle detection and tracking project of the Udacity Self-Driving Car Nanodegree is a challenge to apply traditional computer vision techniques, such as Histogram of Oriented Grad

//由于博主目前正在做车辆跟踪方面的研究，看了一下这篇论文里面的文章，感觉还不错，就转了过来！//不过这篇论文里面的用HOG+SVM和YOLO的方法作比较，我感觉有些不妥，因为基于特征点+SVM的车辆跟踪方法速度确实有点慢，但是基于其它方法的车辆跟踪方法，跟踪的帧率还是不错的，当然鲁棒性也不错，比如博主现在研究的基于粒子滤波后验概率的车辆跟踪方法作者：Kaspar Sakmann

本文转载自：http://livezingy.com/category/opencv/ 在开源的车牌识别系统EasyPR中，用SVM（支持向量机）模型甄选出候选车牌中真正的车牌。目前EasyPR1.4的SVM模型输入的是LBP特征，作者提及后续会考虑增加HOG和SIFT特征。据此思路，我用HOG特征作为SVM模型的输入进行了初步验证，在此记录训练方法和数据。      本文验证

本文转载自：http://livezingy.com/sift-in-opencv3-1/ SIFT算法的实现过程大致如下：对源图像进行高斯模糊处理，根据源图尺寸和相关设定参数生成图像的高斯金字塔和高斯差分金字塔(DOG尺度空间)，在DOG尺度空间中搜索特征点，计算尺度，构建特征描述子。本文以SIFT的参数为主线来尝试说明SIFT算法的原理。      SIFT算法图像匹配的效

HOG特征的源码中给出的检测窗口大小的默认值为128*64，网上很多范例都会将原图resize为该尺寸。那么HOG特征检测时，检测窗口尺寸一定要处理为128*64吗？No，我们只要遵守必要的规则，检测窗口可以设置为任意尺寸。本文记录此问题点的验证方法和使用HOG特征点提取时的注意事项。      1. HOGDescriptor参数详解      HOGDescriptor是H