摘要：
1、对图像进行按照独立通道进行拆分 b,g,r = cv2.split(img) #涉及到opencv的图像读取是以bgr形式来做的 img = cv2.merge(b,g,r) #对图像进行按通道混合或者使用numpy索引（注：numpy索引的耗时更短）b=img[:,:,0]2、图像边缘填充，paddingcv2.copyMakeBorder()3、图... 阅读全文
2019年6月23日
摘要：
学习一下convLSTM的相关论文，这篇论文是第一次提出ConvLSTM的论文，然后ConvLSTM就成了Keras的一个轮子。通过对原有的全连接LSTM进行改进，提出了一个卷积LSTM。虽然他们的方法有一定的成效，但是他们用的是FC-LSTM，没有把序列的空间性列入考量。（换言之，ConvLSTM可以对序列的空间性进行考量， 即有对周围感知的能力的时间序列LSTM，激动!)我们用多层LSTM进行... 阅读全文
摘要：
这篇文章是对ROLO的代码解读。首先是对单目标跟踪的实现，参考博客中的说法，主要阅读的文件有三个，接下来分别进行阅读。YOLO_network.py从代码中可以看到最终的输出是 7*7*（5*2+20），中间全连接层的输出是4096个，最终的输出位置信息是[c,x,y,w,h,p],这些都存储在yolo_out中，是以numpy方法中的.NPY文件argv_parser函数是对在调用这个py文件时... 阅读全文
摘要：
这篇博文是对ROLO的学习笔记，包括paper阅读笔记和代码学习记录。代码和paper地址在另一篇综述博文中点明，这里不再赘述。1、论文阅读摘要部分文章受到了用回归方法生成bounding box（边界框）的思路启发，探索在时间域进行回归的能力，研究了将卷积生成的高维视觉信息与LSTM的时间维度能力相结合，获得了更优的跟踪表现。在网上能搜到的关于ROLO的博客很少，基本上没人关注这个方向，应该是产... 阅读全文
