摘要：本文的目标是对准确的分割出一张图片所有物体。采取的方法是在超像素的空间综合使用全局和局部搜索功能。局部搜索通过贪心算法合并相邻超像素，自底向上建立分层分割。全局搜索是在中级水平特征平面上合并超像素得来的分割。两者构成了本文的分割对象。 超像素合并策略和SelectiveSearch相似，只是提取分割
阅读全文
06 2017 档案
摘要：论文的算法还没有看太懂，大概是利用随机抽样的方法改进了普林算法的贪心算法，算法效率大幅度提升 关于普林算法的讲解非常多，可以参考这两篇博客《算法：图解最小生成树之普里姆（Prim)算法》和《最小生成树-Prim算法和Kruskal算法》 有时间继续研读这篇论文
阅读全文
摘要：参考博文：图像分割—基于图的图像分割 Abstact 这篇论文解决将一张图片分割成若干个区域的问题。基于图的图像特征定义了一个断言用于区分两个区域的边界。基于这个断言开发了有效的分割算法，虽然这个算法属于贪心算法，它产生了令人满意的图像分割效果。在构造图时我们使用两种不同类型的局部邻居来应用算法进行
阅读全文
摘要：SelectiveSearch方法：综述论文的2.1节这样描述“greedily merges superpixels to generate proposals. The method has no learned parameters, instead features and similari
阅读全文
摘要：本文是物体检测综述性文章，作者试图通过比较不同的物体检测方法找到哪种方法更好 1.Introduction 到目前为止，物体检测方面最成功的方法是“滑动窗口（sliding window）”模式，这种方式是对每个候选图片窗口中的待测物体使用计算高效的分类器。滑窗的类别规模与测试窗口的数量线性相关，单
阅读全文
摘要：参考博文《目标检测--Selective Search for Object Recognition(IJCV, 2013)》 《论文笔记：Selective Search for Object Recognition》 本文主要的贡献是使用层次聚类方法找到各种目标框，多个维度形成目标框。针对目标框
阅读全文
摘要：这篇文章写的比较详细《 faster rcnn 源码解读》《tensorflow 版faster rcnn代码理解(1)》
阅读全文
摘要：读该论文前我先参考了如下文章 《全卷积网络：从图像级理解到像素级理解》提出一个观点：CNN是图像级别语义理解的利器，FCN实现从图像级理解到像素级理解。该文还列举了FCN的应用场景。 还有一篇翻译的不太准确的中文翻译《题目：用于语义分割的全卷积网络》 还有几篇参考博客《全卷积网络（FCN）与图像分割
阅读全文
摘要：看原文前先参考了两篇博文《深度学习（二十）基于Overfeat的图片分类、定位、检测》和《深度学习研究理解:OverFeat:Integrated Recognition, Localization and Detection using Convolutional Networks》
阅读全文
摘要：点击查看博文《计算机视觉识别简史-从 AlexNet、ResNet 到 Mask RCNN》 讲述计算机视觉（CV）物体识别的现代史。不仅总结了CV 6 大关键技术和目标识别的重要概念，整个信息图示从 2012年 AlexNet 赢得了 ILSVRC（ImageNet大规模视觉识别挑战赛）说起，总结
阅读全文
摘要：可以参考部分中文译文《基于交通路标分类的多列深度神经网络（MCDNN）》 论文在intrudction部分比较详细的介绍了DNN的发展，从DNN的提出，到精华、简化，再到应用范围扩大到3D、人脸、手写字符，再到使用GPU训练。该论文也是基于GPU计算的，性能超过以前所有的研究。作者的结论是正确训练大
阅读全文
摘要：论文的作者Matthew Zeiler是Yann LeCun的学生，LeCun是Hinton的学生 这篇论文主要解决通过可视化方法揭示卷积神经网络性能很好的原因及进一步提高性能的方法。这种可视化的技巧被称作反卷积（deconvnet），由Zeiler在2011年的论文《Adaptive Deconv
阅读全文
摘要：这篇论文的网络架构是一个经典的架构，基于这个架构出了很多篇改进的论文 该论文的主要贡献包括 （1）在ImageNet数据库子集上训练了一个超大规模的卷积神经网络 （2）实现了2D卷积在GPU上的代码，代码地址：http://code.google.com/p/cuda-convnet/ （3）网络包
阅读全文
摘要：这是一篇经典的论文探讨了卷积网络深度对大规模图像识别的应用，论文的主要贡献是使用3x3小卷积+提高网络深度（16-19层）来全面评估对网络精度的影响。发明了经典的网络模型VGG16、VGG19 论文在1节的introduction中介绍，随着卷积神经网络在CV领域的广泛使用，大家都在改进早期优秀的网
阅读全文
摘要：1.深度卷积网络和大规模训练数据库使得计算机视觉领域发生巨大的变革，但是目前的深度卷积网络在训练时存在以下问题 输入的训练图片必须是固定的尺寸，生成固定尺寸的方法有两种一种是crop 另外一种是warp。crop的缺点是裁剪的区域不一定包括整个目标物体，warp的缺点是会导致图像的几何变形，如图所示
阅读全文
摘要：这是一篇关于物体检测综述性论文 这有一篇博客对这篇论文有简要的翻译（点击这里） 这篇论文的作者Jan Hosan的个人网站（点击这里）
阅读全文
摘要：一.查看cpu信息 1. 查看物理CPU的个数 #cat /proc/cpuinfo |grep "physical id"|sort |uniq|wc -l 2. 查看逻辑CPU的个数 #cat /proc/cpuinfo |grep "processor"|wc -l 3. 查看CPU是几核 #
阅读全文
摘要：今天了解了一下OpenCV的用法阅读了如下博文，感觉喜写的不错。 ”用python和OpenCV检测图片上的条形码“ 还有“OpenCV-python教程（4.形态学处理）” 一系列Opencv-python的教程
阅读全文
摘要：这篇博文对python中定义属性讲的不错”Python进阶之属性（property）详解“，可以使用@property装饰器，将定义的方法变成属性
阅读全文
摘要：linspace:制定区域内返回均匀间隔数字，方法定义 start：开始的数字 stop：结束的数字 num：共生成几个数字 endpoint：生成的数字中是否包含结束的数字 retstep：是否显示步长（即相邻两数的距离） 例如，如下代码 显示结果 piecewise:评估分段定义的函数 函数定义
阅读全文
摘要：我参照这篇博客（ubuntu下编译安装cmake、opencv）在ubuntu16.04下安装了opencv，基本成功。 安装过程中出现了依赖包问题，参照这篇博客解决了（Ubuntu解决依赖关系） 将源码编译成功后，进入编译目录执行make install命令即可安装
阅读全文
摘要：该模块的作用是实现通过python控制台窗口给python代码传递参数 ，实现用户和代码交互功能。优点是测试比较灵活，可以根据用户的需要随时改变。 例如我写了一段python代码（test.py） 执行方式如下： 每个参数后面+空格+实际传入的值，执行结果如下所示 需要注意的是如果参数名称去掉“--
阅读全文
浙公网安备 33010602011771号