![](https://img-blog.csdnimg.cn/2019092715111047.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
计算机视觉
文章平均质量分 90
记录机器视觉、AI视觉检测、跟踪相关论文和工程。
二狗1号
犯其至难,而图其致远。坚持学习。
展开
-
Opencv(python)图像梯度和边缘检测算法
1.图像梯度 图像梯度计算的是图像的边缘信息,图像梯度计算的是图像变化的速度。对于图像的边缘部分,其灰度值变化较大,梯度值也较大,对于图像中比较平滑的部分,其灰度值变化较小,相应的梯度值也较小。图像梯度计算需要求导数,但是图像梯度一般通过计算像素值的差来得到梯度的近似值(近似导数值)。2.图像梯度计算方式倒数其实是求解图像的像素灰度值的变化率,在数学上可以通过求倒数实现。可以分别原图像G对x方向和y方向求导数(假设灰度变化是连续的)Gx和Gy分别隐含了x和y方向的灰度...原创 2021-11-08 16:51:48 · 5477 阅读 · 0 评论 -
FPN(特征金字塔)-pytorch实践
1.FPNFPN来源于论文《Feature Pyramid Networks for Object Detection》1.1要解决的问题传统的物体检测模型通常只在深度卷积网络的最后一个特征图上进行后续操作,而这一层对应的下采样率(图像缩小的倍数)通常又比较大,如16、32,造成小物体在特征图上的有效信息较少,小物体的检测性能会急剧下降,这个问题也被称为多尺度问题。如图1所示,这样会导致小目标漏检检测,因为在下采样过程中小目标的像素较少,在下采样过程中会丢失。图1 单一高层次特征.原创 2021-11-02 11:47:36 · 4004 阅读 · 1 评论 -
目标检测多分类、细分类(学习用)
1背景目标检测,多类别,算力有限,小目标,资源约束。1.1 检测网络分类子网1.2检测网络抠图分类原创 2020-09-16 00:43:56 · 1844 阅读 · 0 评论 -
系统学习detection源码解读-1
知乎比较好的教程https://zhuanlan.zhihu.com/c_11595263958047252480.首先安装https://zhuanlan.zhihu.com/p/88191447应为官方不支持windows版本的,安装起来比较费劲。安装时候注意这个mmdetection和mmcv的版本匹配问题。工程结构,红圈是主要文件。1.mmdetection API 测试2from mmdet.apis import init_detector, inference_.原创 2020-08-24 01:13:48 · 1668 阅读 · 0 评论 -
mmdetection源码解读-0:什么是mmdetection
mmdetection商汤科技和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection,支持Faster-RCNN,Mask-RCNN,Fast-RCNN等主流的目标检测框架,后续会加入Cascade-RCNN以及其他一系列目标检测框架。选择学习这个框架,是应为它支持的目标检测的网络模型比较多。想详细了解可以阅读github的工程和arxiv的文档 《MMDetection: Open MMLab Detection Toolbox and Benchmark 》原创 2020-08-24 00:14:44 · 328 阅读 · 0 评论 -
目标检测_0.1检测目标和真值(ground truth)匹配
1.问题验证目标检测模型性能时候,模型输出检测目标需要和真值目标匹配,然后计算精度acc。主要涉及bounding box和label的匹配。2.目标检测流程(1)图片输入模型,并输出检测目标的bond_boxes,labels和probs。(2)把bond_boxes通过尺寸缩放到原图对应尺寸,并对超出图像边界框进行去除(3)对bond_boxes根据置信度probs过滤,去掉执行度低的(常0.5为阈值)(4)对bond_boxes 进行非极大值抑制处理(NMS)(5)处理时候原创 2020-05-15 01:07:31 · 3480 阅读 · 1 评论