图像处理与深度学习
文章平均质量分 83
图像处理与深度学习入门的不二之选
优惠券已抵扣
余额抵扣
还需支付
¥9.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
云之舟_
杂七杂八
展开
-
最全综述 | 图像分割算法
原文链接传送图像分割是计算机视觉研究中的一个经典难题,已经成为图像理解领域关注的一个热点,图像分割是图像分析的第一步,是计算机视觉的基础,是图像理解的重要组成部分,同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内表现出一致性或相似性,而在不同区域间表现出明显的不同。简单的说就是在一副图像中,把目标从背景中分离出来。对于灰度图像来说,区域内部的像素一般具有灰度相似性,而在区域的边界上一般具有灰度不连续性。转载 2020-11-08 15:43:22 · 36033 阅读 · 0 评论 -
使用Matlab神经网络训练时,函数trainingOptions的参数解析
版本matlab 2018bfunction opts = trainingOptions(solverName, varargin)solverName:‘sgdm’ - 带动量的随机梯度下降‘adam’ - 自适应力矩估计‘rmsprop’ - 均方根传播’Momentum’仅当求解器为“ sgdm”时,此参数才适用。 动量确定了从上次迭代到当前训练迭代的梯度步长的贡献。 它必须是介于0和1之间的值,其中0将不提供上一步的贡献,而1将提供上一步的最大贡献。 默认值为0原创 2020-10-19 21:26:33 · 8959 阅读 · 2 评论 -
RGB与RGBD的区别与联系
RGB是我们接触最多的颜色空间,但在图像处理时存在局限性原创 2020-09-17 11:50:22 · 1729 阅读 · 0 评论 -
深度学习框架介绍
如何选择框架?深度学习相关的开源框架众多,光是为人熟知的就有caffe,tensorflow,pytorch/caffe2,keras,mxnet,paddldpaddle,theano,cntk,deeplearning4j,matconvnet等。不管怎么说,tensorflow/pytorch你都必须会,这是目前开发者最喜欢,开源项目最丰富的两个框架。如果你要进行移动端算法的开发,那么Caffe是不能不会的。如果你非常熟悉Matlab,matconvnet你不应该错过。如果你追求高效轻量,转载 2020-10-19 18:46:29 · 641 阅读 · 0 评论 -
在Jupyter Notebook中使用Python虚拟环境
Jupyter Notebook本身是默认使用一种Anaconda中root目录下的Python环境的,如果想使用其它的虚拟环境,还需要通过插件来实现,也就是nb_conda插件。conda install nb_conda安装完成后,jupyter notebook中多了Conad选项卡,但此时还不能用,还需要在每一个虚拟环境中安装jupyter我们安装完nb_conda插件后,打开jupyter在自己的Jupyter笔记中点击“Kernel → Change kernel”应该就可以切换虚拟环境原创 2020-10-18 19:22:35 · 481 阅读 · 1 评论 -
Jupyter Notebook安装jupyter_contrib_nbextension扩展功能后不显示Nbextensions标签
原文传送jupyter_contrib_nbextension是Jupyter Notebook的一个扩展插件,里面集成了很多扩展功能,但是按照网上方法安装配置后,打开notebook总是未显示Nbextensions的标签。安装步骤:如果你已经安装了,先执行卸载命令:pip uninstall jupyter_contrib_nbextensionspip uninstall jupyter_nbextensions_configurator1.打开Anaconda Prompt窗口,执行第转载 2020-10-14 18:38:16 · 1178 阅读 · 0 评论 -
RCNN系列(R-CNN、Fast-RCNN、Faster-RCNN、Mask-RCNN)
https://imlogm.github.io/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/rcnn/object detection我的理解,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。object detection要解决的问题就是物体在哪里,是什么这整个流程的问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,更何况物体还可以是多个类别。object detection技术的演进转载 2021-03-02 21:36:53 · 899 阅读 · 0 评论 -
神经网络通道、卷积层、池化层、全连接层等
1 channel的含义一般 channels 的含义是,每个卷积层中卷积核的数量假设现有一个为 6×6×3的图片样本,使用 3×3×3 的卷积核(filter)进行卷积操作。此时输入图片的 channels 为 3 ,而卷积核中的 in_channels 与 需要进行卷积操作的数据的 channels 一致(这里就是图片样本RGB,为3)。接下来,进行卷积操作,卷积核中的27个数字与分别与样本对应相乘后,再进行求和,得到第一个结果。依次进行,最终得到 4×4 的结果。上面步骤完成后,由于只有一原创 2021-08-19 21:02:12 · 302 阅读 · 0 评论 -
三维坐标变换(旋转矩阵&旋转向量)
矩阵运算显然是计算机三维坐标变换最简单方便的计算方法,因此在 opencv、opengl、工业机器人等开发中,提到位姿旋转变换,多半用的是旋转矩阵。然而,用矩阵来表示一个旋转关系有两个缺点:首先,通过旋转矩阵不能直观地看出旋转的方向和角度,假设给定一个旋转矩阵,要求旋转方向不变,旋转角度变成一半,那么新的旋转矩阵计算起来就比较麻烦了。另一方面,旋转变换本身只有3个自由度,但旋转矩阵有9个元素,因此旋转矩阵中的元素不是相互独立的,这在非线性优化中会带来问题。用 opencv 进行过双目相机标定的同学都转载 2021-08-14 13:05:43 · 7606 阅读 · 1 评论 -
霍夫Hough变换
参考:https://blog.csdn.net/qq_15971883/article/details/80583364MATLAB帮助文档Hough变换是一种使用表决方式的参数估计技术,其原理是利用图像空间和Hough参数空间的线-点对偶性,把图像空间中的检测问题转换到参数空间中进行。利用Hough变换检测直线记住:直角坐标系中的一条直线对应于极坐标系下的一个点。这里的直角坐标系对应于原始图像空间,极坐标系对应于参数空间(也叫Hough空间)。给定一幅图像,如下所示,图像中有一条直线原创 2021-07-02 16:17:50 · 404 阅读 · 1 评论 -
单应性矩阵的理解及求解
转自 :https://blog.csdn.net/liubing8609/article/details/85340015其他资料: 从零开始学习「张氏相机标定法」(一)相机成像模型单应性在计算机视觉中的应用单应性在计算机视觉领域是一个非常重要的概念,它在图像校正、图像拼接、相机位姿估计、视觉SLAM等领域有非常重要的作用。1.图像校正用单应矩阵进行图像矫正的例子如下图所示,最少需要四个对应点对(后面会给出原因)就可以实现。2. 视角变换单应矩阵用于视角变换的例子如下图所示,可以方便地将左转载 2021-06-30 22:45:08 · 3604 阅读 · 0 评论 -
harris角点检测的简要总结
传送门算法思想为了判断图像的角点,可以利用卷积窗口滑动的思想,让以该点为中心的窗口在附近滑动。如下图是所有描述角点文章的初始图例,它表征的正是这一特性:当滑动窗口在所有方向移动时,窗口内的像素灰度出现了较大的变化,就可能是角点。数学模型根据上述的算法思想,可以构建数学模型,图像窗口平移[u,v]产生灰度变化E(u,v)为:...原创 2020-12-15 21:21:51 · 254 阅读 · 0 评论 -
目标检测(Object Detection)和图像分割(Image Segmentation)
翻译自原文:What is the difference between Object Detection and Image Segmentation?目标检测(Object Detection)和图像分割(Image Segmentation)目标检测-预测包围盒当我们说到物体检测时,我们通常会说到边界盒。这意味着我们的图像处理将在我们的图片中识别每个人周围的矩形。边框通常由左上角的位置(2 个坐标,2 coordinates)和宽度和高度(以像素为单位,in number of pixels)翻译 2020-11-08 19:15:00 · 1171 阅读 · 0 评论