摘要：
在各种深度学习框架中，我们最常用的损失函数就是交叉熵，熵是用来描述一个系统的混乱程度，通过交叉熵我们就能够确定预测数据与真实数据的相近程度。交叉熵越小，表示数据越接近真实样本。 1 分类任务的损失计算 1.1 单标签分类 二分类 单标签任务，顾名思义，每个样本只能有一个标签，比如ImageNet图像 阅读全文
摘要：
全卷积网络（FCN）是用于图片语义分割的一种卷积神经网络（CNN），由Jonathan Long，Evan Shelhamer 和Trevor Darrell提出，由此开启了深度学习在语义分割中的应用。语义分割是计算机视觉领域很重要的一个分支，在自动驾驶、地面检测等方面都起到很重要作用。与简单区分前 阅读全文
摘要：
1 分类网络 1.1 AlexNet 1.2 GoogLeNet系列 1.3 ResNet深度残差网络 1.4 轻量级网络MobileNet 2 目标检测 2.1 R-CNN系列之论文理解 2.2 R-CNN系列之代码实现 2.3 YOLO系列V1-V4 2.4 YOLOV5代码解析(输入端、Bac 阅读全文
摘要：
【图像处理笔记】总目录 0 引言 1987年，小波被证明是多分辨率信号处理和分析的基础。多分辨率理论融合并统一了来自不同学科的技术，包括来自信号处理的子带编码、来自数字语音识别的正交镜像滤波及金字塔图像处理。顾名思义，多分辨率理论涉及多个分辨率下的信号（或图像）表示与分析。 曾经有人问我有关haar 阅读全文
摘要：
【图像处理笔记】总目录 0 引言 在之前的博客图像增强，傅里叶变换（OpenCV)中都有用到过傅里叶变换，但一直都不是特别理解，现系统地学习一下。先来看一个视频傅里叶级数与傅立叶变换，我们了解到任何周期函数都可以表示为不同频率的正弦函数和/或余弦函数之和，其中每个正弦函数和/或余弦函数都乘以不同的系 阅读全文
摘要：
1 图像增强 1.1 图像增强 2 形态学 2.1 二值图像形态学 2.2 灰度级形态学 2.3 形态学重建 3 图像分割 3.1 图像分割之基于灰度不连续性的分割方法 3.2 图像分割之阈值处理 3.3 图像分割之区域生长、区域分离与聚合 3.4 图像分割之聚类和超像素 3.5 图像分割之形态学分 阅读全文
摘要：
【图像处理笔记】总目录 0 引言 特征提取就是从图像中提取显著并且具有可区分性和可匹配性的点结构。常见的点结构一般为图像内容中的角点、交叉点、闭合区域中心点等具有一定物理结构的点，而提取点结构的一般思想为构建能够区分其他图像结构的响应函数或者从特征线或轮廓中进行稀疏采样。Harris角点检测器便是运 阅读全文
摘要：
【图像处理笔记】总目录 0 引言 特征提取之边界特征和特征提取之区域特征两篇博客介绍的描述子非常适合于某些应用（如工业检测），在这些应用中，可以使用图像分割中的方法可靠地分割图像中的各个区域。主分量特征向量与前面的内容是不同的， 因为它们基于多幅图像。在某些应用中，如搜索图像数据库寻找匹配（如人脸识 阅读全文
摘要：
【图像处理笔记】总目录 0 引言 图像分割为多个区域或它们的边界后，需要进行特征提取，特征提取包括特征检测和特征描述。特征检测是指在边界、区域或图像中发现特征，特征描述是将定量属性分配给检测到的特征。例如，可以检测一个区域边界上的角，并用它们的方向和位置来描述这些角，其中的方向和位置都是定量属性。在 阅读全文
摘要：
【图像处理笔记】总目录 0 引言 图像分割为多个区域或它们的边界后，需要进行特征提取，特征提取包括特征检测和特征描述。特征检测是指在边界、区域或图像中发现特征，特征描述是将定量属性分配给检测到的特征。例如，可以检测一个区域边界上的角，并用它们的方向和位置来描述这些角，其中的方向和位置都是定量属性。在 阅读全文