sinat_36391198的博客

1）准备数据，打开文件夹读取数据def read_data(data_dir): datas = [] labels = [] for fname in os.listdir(data_dir): fpath = os.path.join(data_dir, fname) image = Image.open(fpath) ...

One Stage的目标检测是针对于Two Stage来说的。说的简单一点，One Stage方法讲究一步到位，通过主干网络+回归网络直接生成目标位置和类别，所以叫做One Stage方法。Two Stage方法则相对于One Stage方法多了一个RPN网络，用来预测检测框，然后在对这些检测框进行判断。One Stage方法使用CNN来进行特征提取，直接回归物体的类别概率和位置坐标值，相...

AdaBoost算法是一种基于迭代的分类算法。在说AdaBoost之前，我们应该先了解Boost算法。Boost字面意思有增长之意，事实也是如此，Boost算法的核心是多个弱分类器“增长”为一个强分类器。简而言之，Boost算法就是先训练较为简单的弱分类器，弱分类器可以理解为一种逻辑简单的分类器，它的训练和实现较为容易，然后再将他们“组合”成一个强分类器。而采用不同的损失函数，就有着不同类型的...

HOG是一种可以基于形状边缘特征的描述算子。它的思想是通过计算像素点的方向与幅度，统计其梯度直方图，该直方图作为一种特征值，可以直接用作SVM上直接进行分类检测。方法步骤如下：1）对于图片进行预处理，裁剪，用Gamma校正法对输入图像进行颜色空间的标准化，并将图片转化为灰度图（不需要颜色信息）。2）计算每个像素的梯度（方向和幅度）。3）划分滑动窗口，在滑动窗口内划分块，在块内划分出...

今天说一说haar分类算法。首先介绍haar-like特征。haar-like的特征有边缘特征、线性特征、中心特征和对角线特征。我们使用特征模板来表示特征的计算，如图所示：这些特征分别对应着不同的矩阵以便于进行计算，比如对应的矩阵可以为，计算的最后结果就是白色区域的像素值（可以为灰度）减去 黑色区域的像素值。需要注意的是这个矩阵是可以放缩大小的，并且这个矩阵是可以在图片...

非极大值抑制（Non-maximum suppression，NMS）的意思就是抑制不是极大值的元素。非极大值抑制可以用在很多的方面， 今天讨论一下它在目标框（Bounding Box）上的应用。我们在做目标识别的时候，有两个主要要实现的目标。一是目标的识别，即识别物体是什么， 是猫或者是狗之类的物体。二是识别目标的位置，我们需要将识别到的物体用框框起来。非极大值抑制可以应用在目标的边框选取上...

基于图的分割（Graph-Based Segmentation），就是利用图的方法来将图片进行分割。首先介绍图的知识。我们将一个图定义为一个二元组的形式： ，其中是顶点的集合，是连接中两个不同顶点集合。 如果E中的顶点对（边）是有序的，则称G为有向图。如果顶点对是无序对，则称G是无向图。如图所示（网上图片）：树：可以看做没有回路特殊的图，树中的任意节点不构成闭合回路。比如我们最常见...