计算机视觉CV学习笔记
文章平均质量分 95
这一块会记录计算机视觉领域的相关知识
翻滚的小@强
毕业于某985高校,计算机技术专业,研究方向是数据挖掘和时空序列预测,在学校学习过一些机器学习和深度学习的皮毛,入门过推荐系统,计算机视觉以及NLP和大数据等领域,目前在做大数据分析和挖掘相关的工作, 对人工智能,大数据等各种前沿计算机技术以及其他领域的新事物都特别感兴趣,一直奔跑在学习的路上, 欢迎伙伴们一块学习, 一起交流呀......
展开
-
OpenCV入门学习笔记之Harris角点检测与SIFT特征匹配算法
1. 写在前面这篇文章整理两个图像处理中非常重要的算法,一个是Harris角点检测算法,另一个是SIFT特征匹配算法,这两个算法本质上还是去找图像里面的关键特征点,帮助我们后续更好的理解图像以及做各种各样的分析。 由于这两个算法涉及到的数学原理会比较多,而我刚入门,所以只是从使用的角度,简单的描述到底在做什么事情,至于详细的数学细节或者推导,这里不过多整理,以掉包能完成任务为首要目的啦。首先,先介绍Harris角点检测算法,角点在图像中是很重要的特征,信息含量很高,那么如何找到一个图像里面的角点呢?原创 2022-04-05 20:01:26 · 9600 阅读 · 8 评论 -
OpenCV入门学习笔记之常用的图像处理操作
1. 写在前面由于后面的工作会偏cv一些,所以这段时间抓住最后毕业的小尾巴抽出时间来想开一条cv的自学线路,和当时入门推荐差不多,cv这里也是简单的梳理了目前的一些方向以及各个方向常用的一些知识,然后各个方向进行学习和突破。 当然作为初学者,我依然还是从经典的模型开始,因为我发现,读论文学模型,然后做相关项目是比较快速的入门方式,但是呢, 这个过程中,我突然发现,对于cv来讲,基础的图像预处理操作也是非常重要的一大块,虽然做一些重大项目还是以大规模的深度学习模型为主,但是,如何让模型能更好的学习到图像的特原创 2022-03-24 15:42:01 · 8920 阅读 · 2 评论 -
深度可分离卷积
最近读《Self-Attention ConvLSTM for Spatiotemporal Prediction》论文的时候, 里面作者提到了一个名词叫做depth-wise separable convolution。 深度可分离卷积, 相比较于常规的卷积操作, 其参数数量和运算成本比较低。因此,在参数量相同的前提下,采用Separable Convolution的神经网络层数可以做的更深。这个思路就是先逐通道采用二维卷积, 然后再用1×11\times 11×1卷积进行通道上的压缩和扩张来达到原来常规转载 2020-10-27 11:20:19 · 843 阅读 · 3 评论