![](https://img-blog.csdnimg.cn/fdb4f9f37494436e9019c6b23ad65eca.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
计算机视觉
文章平均质量分 96
本专栏涵盖了以OPenCV为代表的传统计算机视觉技术,包括基础的图像特征,传统目标检测,光流与跟踪等,并深入了解卷积神经网络(CNN),深度学习目标检测,迁移学习(Transfer Learning)、生成对抗网络(GAN)等深度学习相关前沿技术和业界先进的深度学习网络。
心随而动
一名爱好c,c++,python,java,Mysql的大二小白!
展开
-
人脸识别概述
几何特征的检测方法最早是由Kelly和Kannade提出,现在基本上已经不用了,根据名字就可以得出,这个检测方法就是根据脸部的一些特征,比如眼睛的大小,鼻子的大小,眼睛到鼻子的距离等等一些基本特征点,所以说,它的优缺点也显而易见,识别简单,速度快,缺点却也很明显,每个人的脸部特征都是不一样的,没有办法做到非常准确,尤其是现在发展的人脸识别扫码支付,如果只是用特征检测,那么很有可能会导致识别错乱,造成不可估量的后果。但是也不是完全不能发展,现在的人来能识别都是二维的,并不能做到三维,如果说能够做到三维的识别,原创 2023-04-26 23:50:48 · 1898 阅读 · 6 评论 -
深度学习中的一阶段目标检测
我们前面说的,两阶段目标检测本质上就是训练俩个网络,分别对两个问题进行求解,这两个网络有什么区别喃?在网络结构上没有本质的区别,在特征输入上也没有任何的区别,唯一的区别就是网络的目标不同,或者说是使用的损失函数不同,所以我们完全可以将两个网络合并,将输出向量也拼接在一起,并且使用不同的损失函数对不同部分的输出进行拟合。一阶段目标检测主要的网络有YOLO网络和SSD网络。下面我们就进入这两个网络的学习。原创 2023-04-21 15:24:40 · 1404 阅读 · 8 评论 -
二阶段算法:R-CNN类网络
作为基于深度学习的目标检测算法的开山之作,R-CNN由Ross Girshick在2014年首次发表,论文全名为Rich feature hierarchies for accurate object detection and semantic segmentation。在VOC2012数据集上,平均精度均值(mAP)较之前最好的模型提升30%,从此目标检测也正式进入深度学习时代。原创 2023-04-18 23:22:42 · 804 阅读 · 8 评论 -
深度学习中的两阶段目标检测
目标检测作为计算机视觉中承上启下的一步,至关重要,可以说,实现了目标检测就实现了计算机视觉基本任务。目标检测急需要对物体进行识别,又要检测出物体的位置,难度较大,网络结构也层出不穷,在深度领域,从R-CNN到SPP-NET再到YOLO最后到SSD,可以说是百家争鸣,各有千秋。另一方面,目标检测应用非常广泛,例如生活中常见的人脸检测、车牌识别等;在自动驾驶领域,有行人识别、车道线识别;还有智能视频监控、机器人导航、飞机航拍等多种多样的应用。目标检测可以分解为两个步骤,原创 2023-04-16 11:43:13 · 4342 阅读 · 14 评论 -
深度学习中的目标识别
前面我们介绍了深度学习中的神经网络,那么本届我们就开始正式的进入深度学习中了,前面我们介绍过计算机视觉的四大任务:目标识别、目标检测、目标跟踪和目标分割。其中最基础的就是目标识别,几乎所有的计算机视觉的知识都是在目标识别问题上构建的,也就是说目标识别问题构成了整个计算机视觉的地基,如果我们不能解决识别问题,就无法建造我们的计算机视觉大厦。本章,我们就通过一个项目实战来全面认识目标识别。数据集下载。原创 2023-04-11 12:03:36 · 3469 阅读 · 6 评论 -
深度学习TensorFlow
对于程序员来说一种好的语言无疑是非常重要的,在深度学习中,就有一门语言:TensorFlow,集成了大量的深度学习常用函数,使得我们可以快速的部署模型,以及进行训练。所以,下面我们就开始了解以下TensorFlow中的各个函数的用法。原创 2023-04-04 23:40:29 · 1481 阅读 · 11 评论 -
深度学习中的卷积神经网络
2012年,AlexNet横空出世,卷积神经网络从此火遍大江南北。此后无数人开始研究,卷积神经网络终于在图像识别领域超过人类,那么卷积神经网络有什么神奇?下面我们来了解了解。原创 2023-04-01 23:04:53 · 1900 阅读 · 30 评论 -
深度学习初识
深度神经网络的发展迅猛的原因其实有很多,但主要的原因是:一、使用了正向传播、反向传播算法。二、使用非线性激活函数。三、使用了Dropout正则化方法。四、硬件升级使得运算速度大大增加。原创 2023-03-29 23:24:22 · 383 阅读 · 0 评论 -
基于支持向量机的目标检测与识别
在传统的计算机视觉中,我们有两种方法来进行目标检测和识别,第一种就是支持向量机(SVM),第二种就是基于树的目标检测算法(此算法后面会讲到)。SVM的训练过程常用的方法有两种:词袋方法和隐式支持向量机,它们的区别就是前者可以进行整个场景的识别及分析,而后者主要应用于场景中的具体目标识别,如信号灯、车牌、人脸等。传统图像的处理方法就到此结束了,传统图像的处理可以分为三步:第一步,图像颜色空间转化、降噪、美化;第二步,寻找重要特征;第三步,对特征进行训练、分类、识别。原创 2023-03-29 11:54:20 · 1188 阅读 · 4 评论 -
OPenCV中的机器学习
在刚经历了AI的大变革,ChatGpt的一夜爆火,让很多人的思想一下被刷新,很多人在见识了gpt的功能后不免的担心,未来人工智能是否会取代人类。对于这个问题,我的见解是人工智能的最根本就是人,作为一种辅助工具,他只是减轻我们的工作负担,让我们能够把精力投入到更重要的事中,简单点,就是推动人类社会的发展。但是人工智能的高速发展,也在警告我们,如果我们不去尝试创新,不去思考,或许部分岗位会被人工智能替代。很多人会面临失业,无岗就业。这也是人工智能发展会带来的必然后果。原创 2023-03-27 23:19:39 · 2086 阅读 · 5 评论 -
图像修复与去噪
图像修复的意思就是说将缺失的部分补全。那么图像为什么会破损?并不是图像在传输过程中出了问题,而是有两个主要原因:污染和噪声,就比如说,戴眼镜的同学都知道,眼镜戴久了,会出现很多污渍。这时候就会特别模糊。差不多就是这个意思。那我们如何去修复喃,除了现在的软件修复,我们用代码如何取实现喃?原创 2023-03-15 12:13:55 · 3151 阅读 · 2 评论 -
传统图像处理之相机模型
现实生活中的物体和图像有两个明显的不同之处:①物体是三维的,图像十二位的。②物体是运动的,图象是静止的。为了解决第一个不同,需要从三维物体采集二维图像,这往往是一个几何过程,在计算机视觉中称为相机模型。为了解决第二个不同,我们使用光流算法来进行解决。所以,本节的学习任务就是光流算法的应用。原创 2023-03-19 23:09:58 · 806 阅读 · 18 评论 -
图片的美白与美化
前面介绍了如何提取图像中的各种特征,包括颜色特征,几何特征、局部特征等,也进行了各种特征算法学习。那么本节我们来学习美化图片。众所周知,现在各大平台惊现“照骗”,修图技术的发展,让越来越多的人迷失在幻境中,男的批成女的,等等。对于我们计算机专业的学生来说,理解这些功能的底层代码是非常重要的。原创 2023-03-13 16:21:08 · 20000 阅读 · 55 评论 -
传统图像处理之几何特征寻找算法
几何学,相信是每个初高中生的噩梦,做不完的辅助线,各种边边角,成了多少人的恐惧。那么,图像的几何特征除了我们小时候学过的形状、位置、角度、距离等基本特征之外,还有边缘、角点和斑点等。这一节我们就来学习图像几何特征的算法。原创 2023-03-12 11:00:24 · 1731 阅读 · 0 评论 -
传统图像处理之颜色特征
在深度学习广泛应用之前,也就是我们所说的传统图像处理,人们是如何处理图像的呢?首先找出图片中的关键特征,然后对这些特征进行识别,检测,分割等。在对计算机进行处理时,也需要先寻找特征。在让计算机理解图像之前,我们先来熟悉熟悉图像特征。原创 2023-03-11 12:14:55 · 4288 阅读 · 17 评论 -
机器看世界
博主简介博主是一名大二学生,主攻人工智能研究。如果有需要的小伙伴可以关注博主,博主会继续更新的,如果有错误之处,大家可以指正。专栏简介:本专栏主要研究计算机视觉,涉及算法,案例实践,网络模型等知识。包括一些常用的数据处理算法,也会介绍很多的Python第三方库。如果需要,点击这里。给大家分享一个我很喜欢的一句话:“每天多努力一点,不为别的,只为日后,能够多一些选择,选择舒心的日子,选择自己喜欢的人!原创 2023-03-10 11:15:35 · 1744 阅读 · 4 评论