- 博客(18)
- 收藏
- 关注
RSS订阅原创 opencv Mser的用法
opencv Mser的用法delta it compares (size_i − size{i−delta}) / size_{i−delta}, default 5_min_area prune the area which smaller than minArea_max_area prune the area which bigger than maxArea_max_variation prune the area have similar size to its chil
2021-07-20 23:34:01
480
2
原创 pseudo-label用于自训练（self-training）的文章综述
以下几种方法的核心在于怎样在人力少干预的情况下生成目标域的pseudo-label，用于再训练第一种方法是用cycle gan进行域迁移，使源域迁移至目标域，再用转换后的源域训练图像，可以达到较好的检测精度。第二种方法是第三种方法是融合检测和跟踪的结果，使pseudo-label更加准确Cross-Domain Weakly-Supervised Object Detection through Progressive Domain Adaptation,cvpr2018 来自东京大学的论文
2021-03-19 15:45:36
2205
1
原创 Multi-Modal Domain Adaptation for Fine-Grained Action Recognition 论文笔记
cvpr 2020的一篇论文关键词为：多模态、域自适应和自监督学习本文将上篇介绍的域自适应—即常用于图像识别的域自适应方法用于了动作识别，动作识别的输入一般分为两个部分：图像序列+光流信息，如下图所示，近似于上次介绍域自适应法的结构，其中Adversarial部分、Classification部分和上次介绍的模型一致，这篇文章提出了self-supervised模型。1.多模态融合域自适应网络（借鉴GAN）首先，在源域上论文通过RGB图像和光流两个模态融合进行动作识别，损失函数如下：论文在so
2021-03-16 23:09:04
728
原创 域自适应的理解与想法（Domain Adaptation）
这幅图是域适应非常有名的一篇论文中的插图，被很多文章转载。什么是领域自适应？Domain Adaptation是迁移学习中很重要的一部分内容，目的是把分布不同的源域和目标域的数据，映射到一个特征空间中，使其在该空间中的距离尽可能近。于是在特征空间中对source domain训练的目标函数，就可以迁移到target domain上，提高target domain上的准确率。上面的图主要的思想来源于GAN，上图由三部分组成：特征映射网络 标签分类网络和和域判别网络其中，source domain的数.
2021-03-16 22:11:05
5428
原创 读论文：Uninformed Students: Student–Teacher Anomaly Detection with Discriminative Latent Embeddings
目前实际的异常检测遇到的一个很大的困难，是在实际的场景中（例如工业流水线等），异常样本往往很难获得，甚至很多时候没有异常样本。这就迫使我们采用semi-supervised或者unsupervised的方法。接下来介绍的文章也都是semi-supervised或者unsupervised的方法。所以现在的异常检测主要通过： generative algorithms such as Generative Adversarial Networks (GANs) or Variational Autoencod
2021-03-11 15:33:56
2221
原创 判断两条线段是否相交---python实现
项目描述：有目标移动，在世界坐标系上洒满了候选点，还有障碍墙，判断并预测目标将到达哪个候选点？我们把障碍墙看成线段，由两个点来表示（P3，P4）障碍物—用线段的两点表示 P3，P4目标点与候选点 P1，P2class point(): #定义类 def __init__(self,x,y): self.x=x self.y=y def cross(p1,p2,p3):#跨立实验 x1=p2.x-p1.x y1=p2.y-p1.y
2021-03-06 16:50:14
1800
原创 kalman滤波（OpenCV中的KalmanFilter类）
转自 https://www.cnblogs.com/lylec/p/14353567.html在目标跟踪领域，Kalman滤波器是一个很常用的方法。以在二维平面中跟踪一个物体的位置和速度为例，说明如果实现一个简单的Kalman跟踪器。具体使用OpenCV中的KalmanFilter类来实现。参数初始化kalman = cv2.KalmanFilter(4,2)表示Kalman滤波器转移矩阵维度为4，测量矩阵维度为2。因为状态量包括4个（分别是x、y方向的位移和速度），可观测的量有2个
2021-03-03 13:14:06
1594
原创 训练Cityscapes
具体每个文件夹有何用处可参考下面这个博客中所述：博客链接：https://blog.csdn.net/nefetaria/article/details/105728008https://github.com/wasidennis/AdaptSegNet/tree/master/dataset在阅读之前，希望你已经看过了这篇帖子：https://blog.csdn.net/zz2230633069/article/details/84591532，因为对于数据集的文件组织结构下面将不会涉及。然后希望你
2021-02-22 13:22:46
237
原创 故障样本诊断——python
今天写的，主要有：（1）正常的图片，故障的图片，先求LBP特征。因为LBP有光照不变性和旋转不变性（2）把图片分成上下两部分，这样可以使故障的部分显得更显著（3）融合PSRN和SSIM两种方法，这样会有更好的鲁邦性""""""import osimport cv2import timeimport numpy as npfrom skimage.transform import rotatefrom skimage.feature import local_binary_patter
2021-02-21 19:58:01
1063
原创 图像分块函数
今天把图像分块，并分别进行了对比，找到一张图像中最不相似的图像块，代表整个图像。之后，在用SSIM和PSRN两个指标，共同判断是否为同一张图片###根据x，y轴共同分为几块（44）等def img2block(img, num):block_img = []h,w = img.shape[:2]side_num_h = h/numside_num_w = w/numfor i in range(num):img1 = img[int(iside_num_h):int((i+1)side_n
2021-02-21 19:45:45
538
原创 图像相似度评价指标之 PSNR 和 SSIM
今天学习了PSNR和SSIM两种图像对比参数。并将两者结合后作为图像相似度的衡量依据def compute_psnr(img1, img2):if isinstance(img1,str):img1=io.imread(img1)if isinstance(img2,str):img2=io.imread(img2)mse = np.mean( (img1/255. - img2/255.) ** 2 )if mse < 1.0e-10:return 1000000000000P
2021-02-21 19:42:06
1925
原创 CV2 图像增强
今天完成了一个图像增强程序，这个程序只需要修改图像的亮度，并进行模型处理。代码如下：import xml.etree.ElementTree as ETimport pickleimport osfrom os import getcwdimport numpy as npfrom PIL import Imageimport shutilimport matplotlib.pyplot as pltimport imgaug as iafrom imgaug import augmen
2021-02-19 19:51:36
2220
原创 CV2 图像归一化函数
img_norm = np.zeros_like(lbp_1_8_real) real_show = cv2.normalize(lbp_1_8_real, dst=img_norm, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX)这个函数比较好用，直接把lbp_1_8_real数组里面的数归一化到0-255之间，很好用...
2021-02-19 12:49:31
1845
原创 Python数据处理---二分类数据画图
分析abnormal_scores（list格式），normal_scores（list格式）画出以下的图并进行分析plt.hist(abnormal_scores, bins=50, facecolor=‘orangered’, alpha=0.8, label=“Abnormal”, density=True)plt.hist(normal_scores, bins=50, facecolor=‘cornflowerblue’, alpha=0.8, label=“Normal”, densit
2021-02-18 13:09:38
2192
原创 使用的python LBP代码
这是skimage的函数，比上次找到的代码更好用一些from skimage.transform import rotatefrom skimage.feature import local_binary_patternfrom skimage import data, iofrom skimage.color import label2rgbimport skimagecircul_3_8_real = local_binary_pattern(gray_real, n_points, rad
2021-02-18 13:06:55
645
原创 缺陷图像匹配的问题_LBP
正常图像 有缺陷图像目的是区分判断出有缺陷的图像。但是，本项目有一些比较困难的点，例如（1），光照会有变化；（2），有时关键区域位置上会有变化LBP是一种可以解决光照变化和旋转变化的特征向量，是否要用LBP进行特征提取？以下是LBP特征提取的代码：# 以下不再重复这个部分import cv2import numpy as npimage_path_real='D:/TEDS-master...
2021-02-17 15:56:38
1424
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人