机器视觉技术
文章平均质量分 89
Tom Boom
这个作者很懒,什么都没留下…
展开
-
20.校准相机——纯粹的方式,简单的方式,多平面校准_4
目录纯粹的方式简单的方式多平面校准总结纯粹的方式所以现在我们没有M,现在我们知道,M编码所有的参数,外部参数和内部参数。所以我们应该能够从m中找到关于相机的东西,例如,焦距应该是一个固有的。或者,相机中心呢? 为了能够投影,摄像机中心,记住从世界坐标到摄像机中心的平移向量。如果我们知道平移的值,它会告诉我们摄像机中心在世界坐标系中的位置。所以我们应该能够直接从最终矩阵中得到...翻译 2019-03-27 10:36:34 · 792 阅读 · 2 评论 -
12.混淆——数字音频采样,混淆,反混淆,脉冲序列_2
目录数字音频采样混淆反混淆脉冲序列数字音频采样继续考虑数字音频,我们可以考虑一些音乐或任何其他处理音频的方式。 当我们录制声音时,我们有麦克风和麦克风产生连续电压(如图)。顺便问一下,你们知道麦克风是如何工作的吗?麦克风或多或少以下列方式工作:我们有一个永久磁铁,我们有一个电线圈,里面有一些电线,而那个线圈中还有另一根电线。 通常,线圈处于一个小弹性机构...翻译 2019-03-27 10:47:34 · 607 阅读 · 0 评论 -
11.频域里的卷积——平滑和模糊,2D例子,低通和高通滤波器_2
目录平滑和模糊2D 例子低通和高通滤波器平滑和模糊但我们不打算讲逆部分。相反,我们要讲的是傅里叶变换是如何显示频率变化的。假设有一个函数,这是一个函数。假设这是一个噪声信号。我想要一个光滑的版本。我该怎么做呢?我们之前学过,可以用高斯核模糊它(如图)。用高斯核模糊是什么意思? 我们要把图像和高斯函数卷积。但原来是高斯函数的傅里叶变换是高斯函数。好吧。这就是这里...翻译 2019-03-27 10:47:56 · 1479 阅读 · 0 评论 -
13.相机和图像——介绍,太阳摄影机,成像系统,图像形成,光圈(Aperture)_1
目录介绍太阳摄影机成像系统图像形成光圈(Aperture)介绍因此,3 是我们的新单元,我们将开始谈论相机模型,它将开始温和,然后稍微稍微粗略一点,我们开始进入像透视投影,所以跟着我们的步伐。在中间部分,我们会用立体视觉做一些很酷的东西,你实际上要为一个问题集做一些事情,而且它非常简单。但是,这就是那个课程将继续尝试做的事情,我们将稍微深入研究数学,回过头来,尽量确保你...翻译 2019-03-27 10:46:47 · 922 阅读 · 1 评论 -
13.相机和图像——缩放和移动是不一样的,移动变焦镜头,镜头并不完美,镜像系统_5
目录缩放和移动是不一样的移动变焦镜头镜头并不完美透镜系统总结缩放和移动是不一样的所以,这里有一些很酷的东西,与摄影的数学有关,我们会做更多的。而缩放和移动不是一回事,对吧。 所以有些人认为:oh~,如果我放大,就像接近某事一样。 大师:嗯,这不是真的。这是同一辆车的两张照片(如图),okay? 而且你可以说它们看起来有点不同,即使它是同一辆车,而且汽车在同一个地方。...翻译 2019-03-27 10:45:19 · 1009 阅读 · 0 评论 -
13.相机和图像——透镜、薄透镜_2
目录透镜薄透镜透镜这节课我们接下来要讲的是关于图像形成,镜头和相机的一些特性。其实更多的是在计算摄影课程中,我的同事Irfan Essa在佐治亚理工学院教的就是这个,网上还有其他的,它教会了你一些关于摄影的数学知识。我在这里只讲一点,因为下次我们会回顾并回归到一个非常简化的成像模型,做一个更复杂的关于计算机视觉恢复的概念。关于计算摄影的第一件事是我们实际上不使用针孔相机,Rig...翻译 2019-03-27 10:46:26 · 2025 阅读 · 0 评论 -
13.相机和图像——聚焦于对象实战,不断变化的焦距,景深_3
目录聚焦于对象实战聚焦于对象实战-解决方案不断变化的焦距景深聚焦于对象实战让我们试着应用这个方程来聚焦一个物体。这是我们的透镜和图像平面(如图)。现在我们有一个物体点p(如图1),在点p '处投影到图像平面上(如图2)。现在让我们完成pin透镜图。12我们知道,来自p的光线在折射后平行于主轴,穿过主轴的一点就是焦距。这个距离是 f (如图1),另一边...翻译 2019-03-27 10:46:13 · 582 阅读 · 0 评论 -
14.图像透视——介绍,坐标系统(Coordinate System),建模投影(Modelling Projection)_1
目录介绍坐标系建模投影学前基本概念:投影(projection):光学上是指在光线的照射下,物体的影子投射到一个面上。数学上是指将图形的形状投射到一个面或一条线上。第二种解释:投射在一个面或一条线上的物体的影子或图形。介绍我们今天要谈谈图像透视(Perspective Imaging),在我们讨论相机的各种几何形状和配置之前,今天我们要做的是数学。特别地,尽管我们讨论...翻译 2019-03-27 10:43:02 · 1320 阅读 · 0 评论 -
14.图像透视——投影几何性质,平行线(Parallel Lines),消失点(Vanishing Point)_3
目录投影几何性质平行线(Parallel Lines)消失点(Vanishing Point)投影几何性质all right,让我们快速谈谈透视投影的几个几何属性。这个数字试图展示的是一些事情。首先是点到点。这看起来很清楚。我在这里有一些点(如图1),我要把这一点放在我的地平面上,right?所以这是我的投影中心O(如图2),我看到某些点在平面内,这是图像中的那一点(如...翻译 2019-03-27 10:44:56 · 13872 阅读 · 2 评论 -
12.混淆——介绍,傅里叶变换抽样对,采样和重建_1
目录介绍傅里叶变换抽样对采样和重建介绍这将是我们最后一节课这是关于频率分析的。而且我敢打赌你对此感到高兴,因为它在数学的臭氧中已经消失了,并且很难将它拉回到我们在操作图像方面所做的工作上。但这是很重要的,事实上今天我们会讲到,"什么是致命的抵抗" 我的法语很糟糕。好的,我真正想讲的是频率如何解释混叠的概念。如果你还记得我们讲过的傅里叶基集我们用正弦基分解东西。这是我们用来表示...翻译 2019-03-27 10:47:46 · 2164 阅读 · 1 评论 -
13.相机和图像——视场(Field of View),视场实战_4
目录视场(Field of View)框架实战视场(Field of View)我们成像系统(相机)的另一个特性是视场,有时被称为缩放,这可能不是很正确。但这是我们的视场有多宽的想法。我要在一个镜头里给你们看这个镜头,可以改变它的焦距,向你们展示视场是焦距的函数。有一种镜片可以在保持恒定焦距的同时改变视场,这种镜片叫做变焦镜头(Zoom Lenses)。有些镜头你可以改变焦距,但你...翻译 2019-03-27 10:45:46 · 25046 阅读 · 6 评论 -
10.傅里叶变换——正弦之和、时间和频率_2
目录正弦之和时间和频率正弦之和这个想法是,如果你有一个信号,这个信号就以这些正弦波(如图公式)为基石。如果你添加足够的信号,你可以得到你想要的任何组件。所以在这里我们加起来不同,这是我们的目标,目标的下方的三个图是我们要加起来的元素,我们将在一分钟内更多地展示这一点,右边的五个图就是我们正在建立的函数。所以,在我们仔细研究之前,在这个公式,这个信号中...翻译 2019-03-27 10:48:50 · 6316 阅读 · 1 评论 -
10.傅里叶变换——傅里叶变换、计算傅里叶变换_3
目录傅里叶变换计算傅里叶变换傅里叶变换鉴于这种想法,任何信号,当然任何周期性信号,都可以由一系列正弦曲线组成,我们将开始从级数(Series)的概念转向连续信号的概念。我们将要讨论一些东西,这些东西可以让我们知道图像中任意给定频率的功率有多大。也就是说,我们想把图像从某样东西上变换过来,该东西是时间的函数,或者仅仅是空间的函数,从而知道它的频率是多少。这种变换被称为什么?它叫做傅里...翻译 2019-03-27 10:49:01 · 11190 阅读 · 0 评论 -
10.傅里叶变换——更正式的傅里叶变换,频谱,局限性,离散傅里叶变换_4
目录更正式的傅里叶变换(Fourier Transform)频谱(Frequency Spectrum)局限性离散傅里叶变换(Discrete Fourier Transform)更正式的傅里叶变换(Fourier Transform)这样做更正式一点,我们将把信号表示成无穷多个正弦信号的加权和。那么傅里叶变换,在这里,在它美丽的荣耀中,在一维中,Okay。是傅里叶...翻译 2019-03-27 10:50:04 · 2049 阅读 · 3 评论 -
10.傅里叶变换——2D中的傅里叶变换,傅里叶变换的应用_5
目录2D中的傅里叶变换傅里叶变换的应用傅里叶变换的应用:人为的场景总结2D中的傅里叶变换我已经在一维中展示过了。它很简单地在二维空间中扩展这是二维形式,Okay?这是,这是一个连续的二维函数(如图),这里是,当我们在离散的情况下做的时候(如图),现在是在离散的点上,我们有这是两个不同的频率,x的离散频率,y的离散频率,顺便说一下,如...翻译 2019-03-27 10:48:21 · 7753 阅读 · 1 评论 -
12.混淆——采样低频信号,采样高频信号_3
目录采样低频信号采样高频信号采样低频信号关于混叠的讨论,我将在1D中讨论这个,因为这样画出来更容易,也更清楚。等一下,我们要做的是,我们现在要讨论傅里叶空间里的混叠(aliasing),我们要讨论采样信号。我们先讲采样低频信号,然后是采样高频信号。这里有一个函数,这里有一个很好的函数 f(左图),这是一个很好的平滑函数,它的傅里叶谱是这样的F (u)(右图),你会注意...翻译 2019-03-27 10:47:09 · 5970 阅读 · 0 评论 -
12.混淆——混叠图像,对比敏感度,图像压缩_4
目录混叠图像对比敏感度图像压缩总结混叠图像我们可以在图像中看到。这是一张更好的图片显示图像混叠。所以你可以看到,这是一个径向正弦波(Radio sine wave),你可以看到,当你越来越近的时候,像素应该摆动得越来越快(如图)。最后像素就用完了。Okay,我没有足够的样本来知道变化有多快,这就是混叠的例子(如图)。那么,它对你有什么影响呢?它对你的影响是你...翻译 2019-03-27 10:46:58 · 6507 阅读 · 3 评论 -
11.频域里的卷积——介绍,傅里叶变换和卷积,快速傅里叶变换(FFT)_1
目录介绍傅里叶变换和卷积FFT介绍我们将继续讨论频率分析以及如何用频率分量的概念来研究图像。如果你还记得上次我们讲过的基于频率的图像分解的概念。我们通过给你们看这张照片来回忆它(如图)。这是著名的Dali图片,当你在那里允许高频图像时,你会看到一个女人在欣赏地中海之类的东西。但是当你模糊它的时候,就是当你去掉高频的时候只有低频的时候,它就变成了林肯的照片。值得我们思考的...翻译 2019-03-27 10:48:07 · 37979 阅读 · 0 评论 -
11.频域里的卷积——傅里叶变换的性质,傅里叶对,结论_3
目录傅里叶变换的性质傅里叶对总结傅里叶变换的性质让我们继续看看空间域和频域之间的关系。这是傅里叶变换的一些简单性质。我们从一个我们已经讨论过的问题开始。一切都是线性的因为我们只是做求和和乘法(如图),对吧?我们刚才描述的是这个卷积。空间域的卷积就是频域的乘法,反之亦然,一个有趣事情的是缩放。所以,如果我用一个常数a来缩放一个函数。我们这样想,假设a大于1,假设...翻译 2019-03-27 10:39:37 · 19290 阅读 · 0 评论 -
14.图像透视——人类视觉,平行线测验,其他模型,乐趣与角度_4
目录人类视觉平行线测验其他模型乐趣与角度人类视觉我们对这种平行线结构以及它们传达给我们的东西非常敏感。 现在,你们大多数人都看过这种Muller-Lyer错觉,其中哪一条线路更长?(如图1) 而且你们可能都知道这一点,实际上,它们的长度相同(如图2),你们可能在小学时就看到了这种情况,这很酷。1 2让我向您展示它的另一个版本,向您展示为什么这可能是一个有趣的效果...翻译 2019-03-27 10:44:35 · 3146 阅读 · 0 评论 -
15.立体几何——介绍,为什么多个视图,深度和形状线索 测验,人类如何在3D中看到东西_1
目录介绍为什么多个视图深度和形状线索 测验人类如何在3D中看到东西介绍今天,我们将开始谈论立体,这个特别讲座是关于立体几何的。 一般来说,接下来的几个文章将是关于相机几何和场景几何之间的关系。 我们开始使用立体,因为坦率地说,你们会在一个问题集中这样做,我希望能够带你快速到达那里,而且从某种意义上说,它是概念上最简单的入门方式。因此,立体就是一个图像有多个视图的特殊情况...翻译 2019-03-27 10:44:07 · 709 阅读 · 0 评论 -
17.立体匹配——匹配两个图 Matlab实战,立体效果_3
匹配两个图 Matlab实战让我们尝试实现一种非常简单的方法来匹配来自两个图像带的相应区域。首先,回忆一下查找最佳匹配问题。给定一个图像贴片和一个贴片,您的任务是找到贴片在贴片中的最佳x位置。您可以自由使用这个参考实现,也可以使用自己的实现。现在,您的任务是匹配两个条贴片。您将获得两个条贴片,左条贴片和右条贴片,以及块大小为b的贴片。请注意,您只考虑完整的、不重叠的块。这意味着...翻译 2019-03-27 10:39:25 · 4124 阅读 · 0 评论 -
19.内在摄像机校准——介绍,理想与真实固有参数之比,改善内在参数_1
目录介绍理想与真实固有参数之比改善内在参数介绍欢迎回来介绍计算机视觉。今天我们要讲的是相机的内部校准。上次,我们说过,我们一般会做几何校准(calibration),校准有两部分。第一个变换是从任意的世界坐标系到摄像机系统 或者 摄像机的姿态,这是外部参数,它从,世界坐标映射到摄像机坐标,或者摄像机坐标映射到世界,这取决于你怎么想。当我们把它写成T W C时,它把你从世界带到摄...翻译 2019-03-27 10:37:57 · 416 阅读 · 0 评论 -
19.内在摄像机校准——内联函数 测验,结合外在和内在校准参数,编写相同方程的其他方法,相机参数_2
目录内联函数 测验结合外在和内在校准参数编写相同方程的其他方法相机参数总结内联函数 测验测验。这些内部函数具有以下特性:焦距、像素x大小、像素y大小、两个deg、偏移量和倾斜。这是六个。但是我们说过只有5个自由度。发生了什么事?A) 因为 f 总是乘以像素的大小,这三个数字实际上只有两个自由度。B) 在现代相机中,倾斜总是零,所以我们不再担心它了。C) 在C...翻译 2019-03-27 10:37:41 · 255 阅读 · 0 评论 -
20.校准相机——介绍,使用已知点进行校正,直接线性校准均匀性第1部分,直接线性校准均匀性第2部分_1
目录介绍使用已知点进行校正直接线性校准均匀性第1部分直接线性校准均匀性第2部分介绍今天最后,我们来谈谈相机的校准。我们要用三维光谱来校准。最后,我们可以得到细胞的参数。如果你还记得上次,我们解出了完整的投影方程。这实际上是由平移、旋转、投影和本质构成的。今天剩下的时间里,我们不用担心M有这个内部结构,直到最后。我们这样来考虑M。那就是M(如图1)就是这个矩阵(如图1)它取世...翻译 2019-03-27 10:37:26 · 778 阅读 · 0 评论 -
17.立体匹配——动态规划公式(Dynamic Programming Formulation),二维网格上的相干立体_4
目录动态规划公式(Dynamic Programming Formulation)二维网格上的相干立体动态规划公式(Dynamic Programming Formulation)这就是所谓的动态规划公式。这有点复杂,但请耐心听我说。我们这里有,我假设我有左边的扫描线信号在这里每一个都是像素(如图1)。不过,我注意到点比像素多。假设这个网格中有多少个点就有多少个正方形。这里...翻译 2019-03-27 10:39:10 · 974 阅读 · 0 评论 -
17.立体匹配——更好的效果与挑战,总结_5
目录更好的效果与挑战总结更好的效果与挑战坏消息是这很难做到。好消息是,这是不对的。这不难做到。你们是计算机科学的硕士生。希望你们中有人看过图形切割算法(Graph Cuts algorithm)。我不确定,我们可能会在这门课的后面做这个,当我们做分割算法的时候。图像切割是一种众所周知的计算机科学算法,你有两组图,你有一个图,你想要以一种最小化某些值的方式来切割它。有趣的是博伊科夫...翻译 2019-03-27 10:38:55 · 647 阅读 · 0 评论 -
20.校准相机——SVD技巧第1部分,SVD技巧第2部分,SVD技巧第3部分_2
目录SVD技巧第1部分SVD技巧第2部分SVD技巧第3部分SVD技巧第1部分all right。我们来看一下解。这里我假设只有两点,点1和点n中间有很多点。okay。我得到矩阵A乘以m等于0(如图1)。矩阵A有多大? Well,它有12个列(如图2)。right? 因为有12 ms(如图3),1 23它有多少行? 它有2乘以n, n是点的个数。所以它是一个2n×12...翻译 2019-03-27 10:37:11 · 636 阅读 · 0 评论 -
20.校准相机——直接线性校准不均匀,直接线性校准变换,几何误差_3
目录直接线性校准不均匀直接线性校准变换几何误差直接线性校准不均匀另一种方法呢,okay? 我将向你们展示另一种方法。这在某种意义上更容易理解,但实际上没有那么好。这就是为什么我先给你们看另一个,all right? 这里我又用了相同的方程(如图)。现在使用uv1,在投影上类似于m乘以XYZ1。但是记住,如果m可以被一个缩放值改变而不影响任何东西,那么我可以把所有的值除以...翻译 2019-03-27 10:36:53 · 560 阅读 · 0 评论 -
17.立体匹配——匹配问题,好区域匹配 测验,窗口大小的影响,遮蔽(Occlusion),顺序约束_2
目录匹配问题好区域匹配 测验窗口大小的影响遮蔽(Occlusion)顺序约束匹配问题好了,我们继续研究这个对应问题。这里我们有两张照片(如图),这是Andrew Zisserman提供的。这是一条极线,这是水平的极线(如图)。这里我们有两条扫描线,左边和右边的图像,还有一个强度分布图(Intensity profiles image)(如图1)。当然,它们看起...翻译 2019-03-27 10:39:52 · 1570 阅读 · 1 评论 -
18.外部相机校准——刚体变换,变换和旋转,外参数矩阵 测验_3
目录刚体变换平移和旋转外参数矩阵 测验总结刚体变换现在,我们可以做全刚性变换(total rigid transformations)。所以全刚性变换,因此,如果我在A系统中有一些点(如图1),我首先必须旋转以在B系统中对齐(如图2),然后我必须通过B系统中A系统的任何偏移来抵消它(如图3), 就是这个等式表示的。123利用齐次变换,或者齐次坐标,我...翻译 2019-03-27 10:38:19 · 1243 阅读 · 0 评论 -
16.对极几何——极线约束,收敛相机,平行图像平面,两个立体对 测验_2
目录极线约束收敛相机平行图像平面两个立体对 测验结论极线约束那么,为什么极线约束(epipolar constraint)有用呢? 好吧,我们已经说过,基本上,极线约束将对应问题减少到沿着极线的一维搜索。 在这个特殊的情况下,我们有平行的极线,我们会在一分钟内看到,但左边的红点位于这个美丽的小教堂的窗口(如左图)或其他任何东西。 位于某处,在右边的这条极线上(右边图)...翻译 2019-03-27 10:40:17 · 3902 阅读 · 2 评论 -
15.立体几何——立体,基本概念,随机点立体图,立体估计深度_2
目录立体基本概念随机点立体图立体估计深度立体从一些队列,阴影,纹理,焦点等估计形状的一般方法。 很长一段时间,这对计算机视觉来说是一个大问题,它被称为X形状。在70年代末,80年代早期很受欢迎,我知道这对于大多数人来说都是史前的历史。 但基本的想法是从图像和关于世界本质的一些假设,就像那些房子都是一样的。 因此,他们可能会越走越远。 大脑可以计算深度,我们也想建立能够做到这...翻译 2019-03-27 10:43:57 · 1561 阅读 · 0 评论 -
14.图像透视——距离的测验,齐次坐标(Homogeneous Coordinate),透视投影(Perspective Projection),投影实战_2
目录距离的测验齐次坐标(Homogeneous Coordinate)透视投影(Perspective Projection)投影实战学前概念透视投影法(perspective projection method)一种投影法。所谓透视,即穿过透明体观察物体。在人与物体之间,设立一个透明的平面,称作画面(即投影面),人眼的位置称视点(即投影中心COP),由视点至物体上各个点连...翻译 2019-03-27 10:42:50 · 3029 阅读 · 1 评论 -
17.立体匹配——介绍,匹配,寻找最佳匹配 Matlab实战_1
目录介绍匹配寻找最佳匹配 实战介绍欢迎回到计算机视觉。今天我们要讲的是立体视觉匹配(stereo correspondence)。到目前为止,我们已经定义了对极几何(epipolar geometry)它讨论了两个视图之间的关系,以及如果你在左边的图像中有一个点,那么如果你知道相机之间的关系,这就是一维搜索。一般情况下,极线可以是任意的,不是任意的,但是可以以不同的方式倾斜并定...翻译 2019-03-27 10:40:04 · 3494 阅读 · 0 评论 -
15.立体几何——几何为一个简单的立体系统,左右测验,视差的深度_3
目录几何为一个简单的立体系统左右 测验视差的深度结论几何为一个简单的立体系统我们要做的是,对一个非常简单的立体系统,逐步进行几何变换。我们要做的第一件事,是假设光轴是平行的。就是这些(如图1),因为光轴垂直于像平面,这意味着像平面是平行的。实际上,我们假设它们是共面(coplanar)(如图2)。1 2所以这里画的这个图像就好像我们在向下看我们的摄像设备系统,al...翻译 2019-03-27 10:43:43 · 445 阅读 · 0 评论 -
16.对极几何——介绍,立体视觉约束,条件_1
目录介绍立体视觉约束条件介绍欢迎回到Computer Vision。这将成为关于立体系列的第二部。特别是,我们将专注于所谓的对极几何(epipolar geometry)。我们上次说如果我们有两个图像并且我们对相机有所了解,如果我们能够找到已知关系的对应关系,我们就能找到深度。我们谈到了视差(disparity)。视差是这样一种想法,即当我移动相机时,图像中某个点的位置会发生变...翻译 2019-03-27 10:42:37 · 1355 阅读 · 1 评论 -
18.外部相机校准——介绍,几何相机校正,自由度 测验,刚体变换,符号_1
目录介绍几何相机校正自由度 测验刚体变换符号学前概念:“刚体”(Rigid body)是指在任何力的作用下,体积和形状都不发生改变的物体。在实际工程中,刚体是不存在的。自由度(Degree Of Free )指物体能够对坐标系进行独立运动的数目,物体所能进行的运动如下图。一个物体可以相对于坐标系,进行三个平移和三个旋转运动,即一个简单的物体有六个自由度。介绍...翻译 2019-03-27 10:38:44 · 1188 阅读 · 0 评论 -
18.外部相机校准——旋转(Rotation),R是什么样子的,绕Z轴旋转的例子,齐次坐标旋转_2
目录旋转(rotation)R是什么样子的绕Z轴旋转的例子齐次坐标旋转旋转(rotation)现在生活变得更加丑陋,旋转(rotation)。我这里有一个图,或者我想这也是来自四边复合幻灯片,我给你们看的是两个坐标系,a和b,你们会注意到A有一个 I 向量(如图1),一个J向量和一个K向量(如图2)。B有一个 I 向量,一个J向量和一个K向量(如图3)。1 2 3...翻译 2019-03-27 10:38:31 · 1447 阅读 · 0 评论 -
9.广义霍夫变换——介绍、广义霍夫变换步骤、实例_1
目录介绍广义霍夫变换步骤建立霍夫表识别步骤广义霍夫变换实例介绍今天我们要做的是用两个重要的变化来结束今天的学习。第一个是我们将使用非解析模型。(参数表示固定或任意形状的姿态或尺度的变化)它不是直线,也不是圆,在这里,我们的参数是解析参数。相反,参数将表示:一些固定但任意模板的方向或比例。第二个是基于视觉码的特征。(不是边缘,而是从模型中学习的模板)我...翻译 2019-03-27 10:49:42 · 7345 阅读 · 6 评论