摘要：
one-stage的检测精度比不上two-stage,一个主要原因是训练过程样本不均衡造成。样本不均衡主要包括两方面，一是正负样本的不均衡；二是难易样本的不均衡。目前解决这类问题主要是两种方案（见综述Imbalance Problems in Object Detection: A Review）： 阅读全文
摘要：
在RCNN，Fast RCNN之后，Ross B. Girshick在2016年提出Faster RCNN，将特征提取(feature extraction)，proposal提取，目标定位location，目标分类classification整合到了一个网络中，性能大幅提升。作为Two-stage 阅读全文
摘要：
之前的图像处理，都是再原图上进行；而频率域滤波，是在图像的傅里叶谱上进行处理，最后再通过傅里叶逆变换得到处理后的图像，则是因为图片的傅里叶谱包含图片的频率信息，方便对其频率进行处理。对于图像，低频信息表示图像中灰度值缓慢变化的区域，如背景信息等；而高频信息则表示灰度值迅速变化的区域，如边缘处等细节信 阅读全文
摘要：
对于二维图片，可以对其进行傅里叶变换，获取图片的频谱信息。频谱有很多应用，包括显著性检测，卷积定理，频率域滤波等，下面是图片傅里叶变换的一些基本概念： 1. 图像傅里叶变换 对于M行N列的图像矩阵f(x,y)，f(x, y)表示第x行y列的像素值，则存在复数矩阵F，有以下公式： F(u,v)称为f( 阅读全文
摘要：
针对物体轮廓，opencv还提供了一些相关的函数，来处理轮廓查找，绘制，拟合，以及计算轮廓周长和面积等，详细介绍如下： 1. 寻找和绘制轮廓 opencv的findContours()能寻找图片中的轮廓，实现的是下面论文的算法： Satoshi Suzuki and others. Topologi 阅读全文
摘要：
通过阈值分割提取图像中的目标物体前景，或者边缘提取目标物体的轮廓，在这些前景中可以寻找感兴趣的几何形状，如直线，圆，三角形，矩形等。 1. 点集的最小外包 opencv中提供了拟合像素点的最小外包旋转矩形，最小外包直立矩形，最小外包圆，最小外包三角形和最小凸包，其对应函数使用如下： 最小外包旋转矩形 阅读全文
摘要：
在上一节中都是采用一阶差分(导数)，进行的边缘提取。 也可以采用二阶差分进行边缘提取，如Laplacian算子，高斯拉普拉斯(LoG)边缘检测， 高斯差分(DoG)边缘检测，Marr-Hidreth边缘检测。这些边缘提取算法详细介绍如下： 1. Laplacian算子 Laplacian算子采用二阶 阅读全文
摘要：
在进行图像识别时，常需要检测图像的边缘信息。图像的边缘指的是灰度值急剧变化的地方，一般是背景和前景物体的交界处。由于边缘处的灰度值急剧变化特性，可以利用离散数列的差分（相当于连续函数的导数）来识别边缘。目前常用的边缘检测算法大多数是通过梯度方向导数求卷积的方法，常用的卷积算子有Roberts算子，P 阅读全文
摘要：
1 混合式编程 深度学习框架中，pytorch采用命令式编程，tensorflow采用符号式编程。mxnet的gluon则尝试将命令式编程和符号式编程结合。 1.1 符号式编程和命令式编程 符号式编程更加灵活，便于理解和调试；命令式编程能对代码进行优化，执行起来效率更高，如下所示： 命令式编程：代码 阅读全文
摘要：
1. 基本数据结构 和pytorch等中的tensor类似，mxnet中的ndarray或者nd，用来操作矩阵或者张量数据。基本操作类似于Numpy， 支持计算，索引等。 创建矩阵 from mxnet import nd #或者 from mxnet import ndarray as nd #创 阅读全文