数字图像处理
Solomon-Lang
漫漫长路,慢慢行走
展开
-
管中窥豹——从grabcut初探opencv纵向结构(一)
图割是数字图象处理中一个非常重要的承上启下的环节,这个环节的工作是从图像采集环节采集得到的图像中提出感兴趣的区域来,以便后续对这部分图像进行有针对性的特征分析和提取。下面先从伟大的维基皮迪亚翻译一些有关于图割的背景资料:源起:1989年,法国杜伦大学(Durham University)的Seheult大牛在论文《Exact maximum a posteriori estimation for binary image》一文中首次在数字图像领域提出了Graph Cuts这个概念的原创 2015-07-07 22:18:00 · 1699 阅读 · 0 评论 -
[译]基于深度残差学习的图像识别
[译]基于深度残差学习的图像识别(Deep Residual Learning for Image Recognition)摘要:神经网络的训练因其层次加深而变得愈加困难。我们所提出的残差学习框架可以更轻松的对比前人所提深很多的网络进行训练。相对于之前网络所学习的是无参考的函数,我们显著改进的网络结构可根据网络的输入对其残差函数进行学习。翻译 2016-09-07 01:21:39 · 36699 阅读 · 3 评论 -
在线笔试中遇到的简单图像内容识别问题
给定一幅点阵图像,其中仅含有大写字母“M”和“S”,要求图像中两种字母的个数。注意,图像中的字母可能尺寸不同及存在旋转。输入的第一行所给定两个数分别是图像矩阵的高度(H)和宽度(W),之后的H行W列个字符则给出了图像。“.”表示空白,“#”表示字母像素。原创 2016-10-12 11:03:08 · 1647 阅读 · 0 评论