原创 大牛們的資料與主頁

Mikolajczyk 特徵檢測主頁http://lear.inrialpes.fr/people/mikolajczyk/ SURF算法項目主頁http://www.vision.ee.ethz.ch/~surf/ 南開大學媒體計算實驗

原创 DL中常用的numpy

讀txt文件 按行讀取有三種方式,注意readlines和readline的區別。open是python自帶打開方式,如果打不開,可以使用encoding="UTF-8"指定解碼方案。 讀取得到一行之後,行首行尾可能存在一些不需要的字符,

原创 岡薩雷斯《數字圖像處理》讀書筆記(十一)——表示和描述

雖然不是專門研究圖像分割的(峯兄纔是),但多少接觸了一點,並且圖像分割是圖像處理中的最爲複雜的,通過圖像分割可以很好地認識圖像處理的好多方法。今天看的是邊界追蹤和鏈碼的表示。網易計算機視覺工程師的第一道選擇題就考察了這個,其實岡薩雷斯的書

原创 岡薩雷斯《數字圖像處理》讀書筆記(九)——形態學圖像處理

形態學來自於生物學,研究動植物的形態和結構。運用在圖像中可提取如邊界、骨架和凸殼。初學形態學都是在二值化的圖像上研究,之後可以擴展到灰度圖像。 膨脹和腐蝕 數學形態學與集合論分不開,因爲形態學中的操作是基於兩個集合的,一個是待處理的像素集

原创 U-Net

U-Net解決的是生物醫學圖像的分割問題。分割問題其實也是分類的一種,只不過是像素級別的分類。爲了在同一圖像中獲得多維的概率,U-Net網絡結構使用了全卷積的結構,網絡中沒有全連接層。 對訓練圖像使用彈性形變進行數據增強。 壓縮路徑中,每

原创 Keras入門

首先當然是安裝Keras。需要注意的是Keras有三種後端backend。後端是意思是Keras需要依賴他們進行張量的運算。這三種後端是:tensorflow,Theano,CNTK(微軟)。這也是keras的優勢:可以在多種生態中發佈。

原创 好的PPT——準備工作

首先介紹PPT的一些基本技巧。   在選項界面,我們需要調整一些選項:控制最大可回退次數;語法自動檢查;字體嵌入PPT,調整自動保存的時間間隔。 對於一些常用操作,可以右鍵添加到常用工具欄。 可以很方便地調整不同詞條的層級。 小技巧

原创 win10下安裝node

本來挺簡單的,但是在命令行node -v可以看到版本號,npm -v卻沒有一起安裝成功。提示一個模塊找不到:Cannot find module '../lib/utils/unsupported.js'。一開始以爲是環境變量沒有設置,但

原创 TensorFlow學習之——checkpoints

在看別人的訓練網絡中一開頭就遇到這樣一行代碼: ckpt = tf.train.get_checkpoint_state(directories.checkpoints) 鼠標放在函數名上,ctrl+B,或者ctrl+點擊函數名,可以跳

原创 電影、電視和遊戲中的幀率

之前在即刻上看到一個搬運自極客灣的視頻,知乎上也有更詳盡的文字解釋https://www.zhihu.com/question/21081976/answer/34748080。我這裏再簡單總結一下。 衆所周知,電影一般是24幀的,有一個

原创 Pycharm下安裝Tensorflow

趁着幫師妹看Github上的一個項目,督促自己學習一下Python下訓練神經網絡的一整套流程。沒想到在一開頭就遇到了不少問題。首先是Pycharm中導入Github項目的問題,還有安裝tensorflow的問題,之後又遇到了多種版本的Py

原创 通過SVD求解單應矩陣

我們現在知道原則上4對匹配點對就可以唯一確定單應矩陣,但是在實際應用中我們無法保證兩個視圖嚴格滿足使用條件(只有旋轉變換;遠景;平面場景),所以要使用擬合的方法求一個最優解。現在就來以SIFT算法源碼爲例,看一下是怎麼求解的。這是RobH

原创 齊次座標,怎麼你也叫Homogeneous

其實參考鏈接中已經解釋的很好了,這篇博客主要就是爲了碼一下別人的博客。鏈接1、2裏面不僅有關於齊次座標的解釋,還有很多其他的計算機圖像的知識點,鏈接2還做了很多《冰與火之歌》的彩蛋。 在平常數學運算中,我們一般使用笛卡爾座標,但是在計算機

原创 視頻製作中的綠幕與拜耳陣列

先來欣賞一些大片背後的特效。 現在國內的電影市場越來越大,做短視頻的自媒體也越來越多,在他們的後期視頻製作的片花中可以看到很多都在使用綠幕或者藍幕,這是爲什麼呢? 首先肯定是爲了摳圖的方便。將主體部分摳出再將通過特效渲染的背景圖像疊加上去

原创 Deep Image Homography Estimation

在知乎問題:深度學習應用在哪些領域讓你覺得「我去,這也能行!」?中遇到一篇來自CVPR 2016的文章《Deep Image Homography Estimation》,感覺對自己幫助很大,所以記錄在這裏。 之前自己也在思考如何利用神經