视觉AI
打工人
展开
-
基于局部对比度(LCM)的红外弱小目标检测之背景抑制
红外弱小目标检测跟踪算法研究https://blog.csdn.net/Hilaryw/article/details/137232793https://blog.csdn.net/hilaryw/category_12556265.htmlLocal Contrast Measure(LCM)该方法实现过程一句话就可以概括:增强图像中的小目标区域,同时抑制图像中的背景区域。问题一:你怎么知道图像哪部分是小目标区域,哪部分是背景区域?问题二:怎么增强又怎么抑制呢?…如何识别出小目标呢?没错,你正是通过小目原创 2024-04-17 16:26:46 · 88 阅读 · 0 评论 -
vs2019配置opencv,解决报错“无法打开源opencv2/opencv.hpp”
在GitHub中,除了存放着正式版本的opencv的主仓库和新增加的“opencv_extra”仓库以外,opencv3中还添加了一个名为“opencv_contrib”的全新仓库,该仓库包括很多让人兴奋的功能:脸部识别,文本探测,文本识别,新的边缘检测器,充满艺术感的图像修复,深度地图处理,新的光流和追踪算法等。在2.0时代,opencv增加了新的平台支持,包括iOS和Android,通过CUDA和openGL实现了GPU加速,为Python和Java用户提供了接口。//不加这个,会出现退出异常。原创 2022-10-19 16:03:08 · 3569 阅读 · 0 评论 -
基于python实现相关模板匹配跟踪之SSDA算法
相关模板匹配跟踪和质心跟踪都是传统算法,相较于AI算法,具有极快的处理速度,在空天背景下跟踪效果不错,适合在FPGA硬件上进行部署。本文分享了一种基于python实现相关模板匹配之SSDA算法。 相关模板匹配跟踪和质心跟踪的区别是:模板匹配在一定区域内搜索匹配位置,可以任意指定跟踪区域,比如只跟踪无人机的左翼,实现定点打击;质心跟踪只能跟踪整个目标的质心位置,而这个质心,不一定我们想打击的点。原创 2022-12-29 14:16:38 · 744 阅读 · 0 评论 -
「Masked Autoencoders」MAE算法相关及后续工作整理
(MAE, Kaiming He et al.)由于其从丰富的未标记数据中学习有用表示的能力而重新引起了人们的兴趣。直到最近,MAE及其后续工作已经推进了最先进的技术,并在研究(特别是视觉研究)中提供了有价值的见解。在这里,列出了MAE之后或同时进行的几项后续工作,以启发未来的研究。原创 2023-04-07 16:32:06 · 1326 阅读 · 0 评论 -
基于背景抑制tophat红外弱小目标检测算法实现(MATLAB+python代码)
背景抑制类算法通过在图像上移动特殊设计的滑窗,抑制窗口内的背景像素,并增强目标像素。典型方法包括top-hat变化、中值滤波、均值滤波等。这些早期方法已经被广泛地部署于实际应用场景。top-hat算法先腐蚀后膨胀,可以腐蚀掉小目标,得到背景图,再用原图-背景图得到目标图;top-hat算法只适合检测小目标,检测不了大目标,当目标过大的时候,会被当成背景滤掉。缺点:处理厚云层或海天交界场景时会出现大量的虚警。原创 2024-03-25 11:13:08 · 238 阅读 · 0 评论 -
利用爬虫从百度图片上爬取所有图片
找了很多程序都是爬取几张就挺了,下面这个版本经测试很好使。原创 2023-06-06 14:35:10 · 143 阅读 · 0 评论 -
faster-rcnn详解(rpn,损失函数)
rpn工作流程:在CNN生成的特征图上,执行一个3×3的卷积,pading设为(1,1),保证能够卷到特征图的每个位置,最后得到一个跟特征图尺寸一模一样的特征图,然后在后面并联两个1×1卷积,通道数分别为2k和4k,实现类别和边界框回归参数的预测,这里的类别是前景或背景在cnn生成的特征图上的每个位置,生成9个anchor(假如20k),然后去除越界的anchor(剩下6k)【**注意,原论文中,是在20k个anchor中采样256个正负样本,然后执行下面的操作(用这符合条件的256个anchor训练原创 2021-08-11 17:20:40 · 6391 阅读 · 2 评论 -
yolov5的混淆矩阵
正常混淆矩阵是下图这样的,每个格子里填写的是数量准确率、精确率和召回率的公式如下Yolov5模型预测出来的混淆矩阵如下图所示,可以发现,每个格子里填是是小数,经分析可发现,下图应该是在列的方向上做了归一化了,所以根据精确率和召回率的公式可得,混淆矩阵对角线上格子里的数,已经就是召回率了,如果想计算精确率,横向计算一下即可,以第一行的类别ak为例召回率为0.78/(0.78+0.03+0.19)=0.78精确率为:0.78/(0.78+0.02+0.03+0.38)=0.65...原创 2021-11-26 15:26:52 · 17598 阅读 · 28 评论