计算机视觉
文章平均质量分 85
爱弹ukulele的程序猿
这个作者很懒,什么都没留下…
展开
-
YOLO系列(一)——YOLO,YOLOv2,YOLO9000
1 YOLO1.1 Grid CellYOLO将输入图像分成S×S网格。 每个网格单元仅预测一个对象。 例如,下面的黄色网格单元试图预测其中心(蓝点)落在网格单元内的“人”对象。每个网格单元预测固定数量的边界框。 在此示例中,黄色网格单元格进行两个边界框预测(蓝色框)以定位人员的位置。但是,单对象规则限制了检测到的对象的接近程度。 为此,YOLO确实对物体的接近程度有一些限制。 对于下...原创 2020-02-20 16:49:10 · 443 阅读 · 0 评论 -
One-stage
回归网络区域回归(置信度、位置、类别)Anchor机制(SSD)RPN原创 2020-02-20 16:44:15 · 99 阅读 · 0 评论 -
YOLO
YOLOYOLOv2YOLO 9000YOLOv3Darknet-19主要使用3∗33*33∗3卷积pooling之后channel数增加global average pooling1∗11*11∗1的卷积压缩特征表示batch normalizationImageNet TOP 1:72.9%WordTree...原创 2020-02-20 16:43:33 · 103 阅读 · 0 评论 -
小型高效的神经网络
现阶段,在建立小型高效的神经网络工作中,通常可分为两类工作:压缩预训练模型。获得小型网络的一个办法是减小、分解或压缩预训练网络,例如量化压缩(product quantization)、哈希(hashing )、剪枝(pruning)、矢量编码( vector quantization)和霍夫曼编码(Huffman coding)等;此外还有各种分解因子(various factorizat...原创 2020-02-20 16:49:58 · 256 阅读 · 0 评论 -
论文精读(一)——Defect Inspection of Medicine Vials Using LBP Features and SVM Classifier
摘要图像预处理处理过程:我们用了阈值分割算法来获取感兴趣的区域 (roi)首先在 roi 中提取 lbp 描述符, 然后通过 k 均值聚类的应用生成可视词典。最终采用支持向量机 (svm) 分类器来检查小瓶是否有缺陷。INTRODUCTION研究对象:RELATED WORKS文献[1]:应用基于统计方法的质量阈值检测算法进行凹版印刷质量检测。文献[2]:采用 canny ...原创 2020-02-20 16:49:31 · 218 阅读 · 0 评论 -
铝型材表面瑕疵识别——都都都都都都方案
文章目录BaselineTraining DetailsInnovationsDilated convolutionproblems1 Dual Path Aggregation for Object Detections2 Multi-levels Roi-Align Pooling(MLRP)SWAHFE曲线结果De-backgroundConclusionBaselineB...原创 2020-02-20 16:47:00 · 2815 阅读 · 0 评论 -
深度学习在工业缺陷检测的应用
DenseNetmean-teacher原创 2020-02-20 16:47:49 · 454 阅读 · 0 评论 -
铝型材表面瑕疵识别-风不动队-解决方案
问题描述数据分析(难点)Baseline关于整体框架的选择,有单阶段和两阶段的框架供选择,但由于瑕疵的长宽比和形态都差异很大,所以我们选择了faster rcnn系列,同时为了适应更多的尺度和提升精度,我们采用了FPN的结构。主要是加入形变卷积和ROIAlign到FPN中更好的解决不规则和微小目标的问题,关于如何有效解决这些不规则瑕疵的问题上,我们想法是通过不规则的卷积核能够更好的...原创 2020-02-20 16:43:50 · 286 阅读 · 0 评论 -
基于机器视觉的乳液泵缺陷检测方法研究
样本分布数据增强队伍方案Faster-RCNN+FPN+Multi-stage traing method+Scale Normalization for training+cascade RCNNFaster-RCNN+FPN+DCN+ROI Align+anchor(5:1)+OHEM(batch级别)+Soft-NMS+投票平均Faster-RCNN+FPN+kmeans+ROI...原创 2020-02-20 16:47:27 · 198 阅读 · 0 评论 -
清华源加速下载
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ opencv-python原创 2019-03-09 18:19:42 · 784 阅读 · 0 评论 -
MobileNet
1 MobileNet V11.1 综述结构特点:小且高效,应用场景(如移动设备、嵌入式设备)building small and efficient neural networks.如何解决:通过depthwise separable convolutions替代传统卷积网络,减少计算量。在网络中设置两个参数(width multiplier, resolution mult...原创 2020-02-20 16:48:48 · 231 阅读 · 0 评论 -
LBP(Local Binary Pattern)
1 LBP(Local Binary Pattern)LBP(Local Binary Pattern),局部二值模式一般的使用方法是,先将图像转换为灰度图,接着计算LBP特征图,最后计算其直方图作为特征向量。1.1 Original LBP经典的LBP特征:对于某像素的8-邻域,大于该像素值的置1,小于该像素值的置0,最后组成八位二进制码。LBP的操作可以被定义为:s(x)如下所示...原创 2018-11-13 08:29:50 · 648 阅读 · 0 评论 -
图像语义分割(一)
Atrous Convolution能够保证这样的池化后的感受野不变,从而可以fine tune,同时也能保证输出的结果更加精细。 FCN-1原创 2018-09-08 11:51:44 · 11892 阅读 · 0 评论 -
目标检测(二)—— R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN
R-CNN 区域卷积神经网络(Regions with CNN features,简称 R-CNN)使用深度模型来解决物体识别。具体步骤:Sective Search 。对每张输入图像使用选择性搜索来选取多个高质量的提议区域。Resize。对每个提议区域,将其变形成卷积神经网络需要的输入尺寸。特征抽取。选取一个预先训练好的卷积神经网络,去掉最后的输出层来作为特征抽取模块。...原创 2018-09-06 16:09:34 · 2764 阅读 · 0 评论 -
目标检测(一)—— SSD(single shot multibox detection)
单发多框检测(single shot multibox detection,简称 SSD) 不是精度最高的,但因为其简单快速而被大量使用。SSD模型利用卷积层块进行特征提取在特征层输出上以每个像素为中心构建多个锚框对每个锚框预测其包含的物体类别(Softmax)对每个锚框用卷积预测其到真实边框的距离卷积层输出的同时输入至高宽减半模块缩小图像尺寸重复上述过程多次以保证在...原创 2018-09-06 16:11:05 · 5191 阅读 · 0 评论 -
七月在线-笔试题
调整超参数来最小化代价函数(cost function),方法有:穷举搜索、随机搜索、贝叶斯优化隐藏层降维与主成分分析法的差异:PCA提取的是数据分布方差较大的方向隐藏层可以提取有预测能力的特征...原创 2020-02-20 16:51:39 · 158 阅读 · 0 评论 -
计算机视觉面试
1 直方图均衡化图像灰度的分布特性:如果大部分像素集中于低灰度区域,直方图呈暗特性;如果大部分像素值集中于亮灰度区域直方图呈亮特性。 直方图均衡化就是将随机分布的灰度直方图修改成为均匀分布的灰度直方图,基本思想是对原始像素做某种映射变换,使变换后的图像的灰度概率密度成均匀分布。 2...原创 2018-09-17 10:13:57 · 1234 阅读 · 0 评论 -
计算机视觉 ——SIFT算子
SIFT 四个主要步骤尺度空间的极值检测 搜索所有尺度空间上的图像,通过高斯微分函数来识别潜在的对尺度和选择不变的兴趣点。特征点定位 在每个候选的位置上,通过一个拟合精细模型来确定位置尺度,关键点的选取依据他们的稳定程度。特征方向赋值 基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向,后续的所有操作都是对于关键点的方向、尺度和位置进行变换,从而提供这些特征的不变性。...原创 2018-09-17 12:42:20 · 407 阅读 · 0 评论