随笔分类 - CV & Image Processing
摘要：参考： 基于拉普拉斯金字塔的图像融合原理以及C++实现 图像融合：拉普拉斯金字塔融合算法
阅读全文
摘要：转自：目标检测评价标准mAP mAP全称是mean Average Precision，这里的Average Precision，是在不同recall下计算得到的。对于所有类别的AP求平均就得到mAP了。 模板检测模型中，如果AP50高，说明模型的定位能力有了；AP95低，说明模型的定位能力还不够精
阅读全文
摘要：本文摘自：什么是语义分割、实例分割、全景分割 目标检测（object detection） 识别图像中存在的内容和检测其位置，如下图，以识别和检测人（person）为例 语义分割（semantic segmentation） 对图像中的每个像素打上类别标签，如下图，把图像分为人（红色）、树木（深绿）
阅读全文
摘要：本文摘自：图像对齐：从SIFT到深度学习 传统的图像对齐方法 传统的基于特征的图像对齐方法包括三个步骤： 关键点检测和特征描述 特征匹配 图像变换 简而言之，选择两个图像中的兴趣点，将参考图像中的每个兴趣点与浮动图像中的对应点相关联，并对浮动图像进行变换，以使两个图像对齐。 关键点检测和描述 关键点
阅读全文
摘要：程序示例： import torch from PIL import Image import torchvision.transforms as transforms def cutout(input): input[:, 100:200, 100:200] = 0.0 # 注意：这是in-pla
阅读全文
摘要：程序示例： from torchvision import transforms from PIL import Image import torch def gaussian(img, mean, std): c, h, w = img.shape noise = torch.randn([c,
阅读全文
摘要：示例代码： from torchvision import transforms from PIL import Image img_jpg = Image.open('C:/Users/admin/Desktop/bird.jpg').convert('RGB') # convert()函数，用于
阅读全文
摘要：图像降噪算法——DnCNN / FFDNet / CBDNet / RIDNet / PMRID / SID
阅读全文
摘要：recognition vs classification The field of recognition or pattern recognition is concerned with the automatic discovery of regularities in data throug
阅读全文
摘要：图嵌入 (Graph Embedding) 和图神经网络 (Graph Neural Network) Network embedding的目标是得到节点或者整个graph的低维特征向量。 GNN是一些用来端到端处理graph data相关任务的图模型。
阅读全文
摘要：loss不收敛或不下降问题处理经验
阅读全文
摘要：基本信息 NW-UCLA骨架数据 raw data下载链接。 每个视频都只有一个人。人身上设置了20个节点，如下图所示： NW-UCLA骨架数据总共1484个样本，平均时长39.4帧，最长的有201帧，最短的只有1帧（a02_s09_e04_v03.json和a02_s09_e04_v02.json
阅读全文
摘要：Image： iNaturalist Competition Datasets CIFAR-LT ImageNet-LT LVIS: A Dataset for Large Vocabulary Instance Segmentation Video： VideoLT YouTube-8M
阅读全文
摘要：深度学习补缺补漏篇！准算法工程师总结出的超强面经（含答案）
阅读全文
摘要：非极大值抑制（Non-Maximum Suppression，NMS） 单类别NMS的numpy实现 def py_cpu_nms(dets, thresh): """Pure Python NMS baseline.""" #x1、y1、x2、y2、以及score赋值 x1 = dets[:, 0
阅读全文
摘要：一. Bag of Features图像检索算法 可参考：Bag of Features (BOF)图像检索算法，下图也来自这篇博客。 每幅图像都是一个bag，本质是一列频数表，也就是直方图向量。 人们认为，从图像中提取的SURF描述符(或者SIFT描述符等)，这些描述符仍然属于一种浅层（low l
阅读全文
