随笔分类 - CV & Image Processing
摘要：feature map的含义(摘自这篇知乎) Feature Map(特征图)是输入图像经过神经网络卷积产生的结果 。 层与层之间会有若干个卷积核(kernel)，每一层中的每个feature map跟每个卷积核做卷积，对应产生下一层的一个feature map。 feature map的含义在计算
阅读全文
摘要：max-pooling可以部分保证平移不变性、旋转不变性、尺度不变性。 MaxPooling的作用 Max pooling一定程度上，位移、尺度、形变不变性
阅读全文
摘要：Image size after convolusion: where n is the width (or height) of the image, k is the kernel size, p is the padding, s is the str
阅读全文
摘要：图像边缘检测：Prewitt算子、Sobel算子、canny算子、Lapacian算子
阅读全文
摘要：对HOG算法每一个步骤具体详细的介绍可参考：HOG特征——行人识别 对HOG算法的特点和思想的介绍可参考：目标检测的图像特征提取之（一）HOG特征 调用Python中的skimage库提取图像HOG特征的示例代码如下，代码摘自 图像特征工程 HOG特征描述子介绍： from skimage.io i
阅读全文
摘要：一句话概括SIFT：SIFT是在图像空间寻找关键点并把关键点描述成特征向量的方法。 本文摘自：SIFT算法详解 和 python opencv入门 SIFT算法。做了删减，舍弃了数学推导，力求通俗易懂。 本文目录： 1. SIFT定义 2. SIFT的特点 3. 步骤 3.1. 尺度空间极值检测 3
阅读全文
摘要：1. 傅里叶变换的缺点 傅里叶变换的公式为 从公式中可以看出，傅里叶变换对信号在整个时域做了积分处理，因此其结果对时域信号在整个时间轴上进行了信息平均。这对于平稳信号来说是可行的，然而对于在时间上具有显著变化的非平稳信号来说，这样的做法显然不能满足我们对信号进行精确分析的要求。我们希望将信号分解到不
阅读全文
摘要：首先需明白傅里叶变换和小波变换的关系，可参考 如何通俗地讲解傅立叶分析和小波分析间的关系？。 MOOC课程 遥感数字图像处理课程第四章 中有一些关于小波变换的介绍，下面是其课件：
阅读全文
摘要：本文摘自Digital Image Processing chapter 3.4 and 4.2，third eidtion, Rafael C. Gonzalez, Richard E. Woods
阅读全文
摘要：1. 通俗理解傅里叶变换 可参考： [1] 傅里叶分析之掐死教程 （图片摘自傅里叶分析之掐死教程） 2. 通俗理解数字图像傅里叶变换 傅里叶定理指出，任何信号都可以表示成一系列正弦信号的叠加。在一维领域，信号是一维正弦波的叠加，那么在二维领域，就是无数二维平面波的叠加。比如一帧图像，不同点处的灰度值
阅读全文
摘要：内容介绍可参考： LBP笔记（Local Binary Pattern） 人脸识别之LBP (Local Binary Pattern) 程序可参考： lbp的matlab实现
阅读全文
摘要：python-opencv对Lucas-Kanade算法的实现可参考这篇资料。
阅读全文
摘要：细数计算机视觉中那些高质量的竞赛平台 Kaggle入门，看这一篇就够了
阅读全文
摘要：RCNN, Fast-RCNN, Faster-RCNN的一些事 目标检测——从RCNN到Faster RCNN 串烧 RoI Pooling及其改进 从YOLOv1到YOLOv3，目标检测的进化之路 知乎中的一个系列-晓蕾： RCNN-将CNN引入目标检测的开山之作 SPPNet-引入空间金字塔池
阅读全文
摘要：代码如下： import cv2 import numpy as np def FillHole(mask): contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) len_conto
阅读全文
摘要：https://www.cnblogs.com/seniusen/p/10012656.html
阅读全文
摘要：代码如下： import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('C:\\Users\\admin\\Desktop\\original_img3\\testimg\\messi.jpg') _
阅读全文
