原创 cv論文筆記(動作識別1):Convolutional Two-Stream Network Fusion for Video Action Recognition

一、基本信息 標題:Convolutional Two-Stream Network Fusion for Video Action Recognition 時間:2016 引用格式:Feichtenhofer C, Pinz A

原创 數字圖像處理:自適應局部gamma校正

本文主要參考 博客 OpenCV圖像處理專欄十二 |《基於二維伽馬函數的光照不均勻圖像自適應校正算法》 中的代碼 同時也參考了原論文: 劉志成,王殿偉,劉穎,劉學傑.基於二維伽馬函數的光照不均勻圖像自適應校正算法[J].北京理工

原创 論文復現:Unsupervised Learning of Depth and Ego-Motion from Video(SfMLearner)

期末作業最後一天,實驗總算有點進展,記錄下配置過程 環境 項目地址:https://github.com/tinghuiz/SfMLearner GPU:GTX 950M 系統: Win 10 python:3.5 建議使用co

原创 論文筆記:Unsupervised Learning of Depth and Ego-Motion from Video(無監督深度預測系列4:PoseCNN方法)

一、基本信息 標題:Unsupervised Learning of Depth and Ego-Motion from Video 時間:2017 論文領域:深度預測、深度學習 引用格式:Zhou T, Brown M, Sna

原创 cv論文筆記:Semi-Supervised Deep Learning for Monocular Depth Map Prediction(無監督深度預測系列3:半監督方法)

一、基本信息 標題:Semi-Supervised Deep Learning for Monocular Depth Map Prediction 時間:2017 引用格式:Kuznietsov Y, Stuckler J, L

原创 論文筆記:Fully-Convolutional Siamese Networks

一、基本信息 標題:Fully-Convolutional Siamese Networks for Object Tracking 時間:2016 論文領域:目標跟蹤、深度學習 引用格式:Bertinetto L, Valmad

原创 論文筆記:FCOS: Fully Convolutional One-Stage Object Detection

一、基本信息 標題:FCOS: Fully Convolutional One-Stage Object Detection 時間:2019 論文領域:目標檢測、深度學習 引用格式:Tian Z, Shen C, Chen H,

原创 每週學習新知識2-2:目標檢測中的FPN

FPN作用 類似圖像金字塔,在論文筆記中記錄的一樣,模擬人的視覺,從遠到近觀察物體: 頂部-低分辨率 檢測到的是尺寸更大的物體 底部-高分辨率 檢測到的是尺寸更小的物體 FPN提出 a每層都預測一次,缺點:計算量太大 b最後

原创 每週學習新知識2-1:目標檢測中的NMS(非極大抑制)

NMS(non maximum suppression) 有很多box,每個box對應了類別和概率,如果相同類別的box重疊,就把小概率的給去掉。也就是去除沒用的box。 就像上面的圖片一樣,定位一個車輛,最後算法就找出了一

原创 論文筆記:Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue(無監督深度預測系列1:naive方法)

一、基本信息 標題:Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue 時間:2016 論文領域:深度預測、深度學習 引用格式:Gar

原创 論文筆記:Depth Map Prediction from a Single Image using a Multi-Scale Deep NetworkEigen(Eigen 1)

一、基本信息 標題:Depth Map Prediction from a Single Image using a Multi-Scale Deep Network 時間:2014 出版源:NIPS 論文領域:單目深度估計、深度

原创 數字圖像處理:直方圖均衡推導及實現

推導 岡薩雷斯的書裏給了幾個公式,書中的式3.3-3一直不明白是如何得出的。 ps(s)ds=pr(r)dr p_s(s)ds=p_r(r)dr ps​(s)ds=pr​(r)dr 下面參考一些文章加上自己理解進行的推導: s=T

原创 論文筆記:Predicting Depth, Surface Normals and Semantic Labels with a Common Multi-Scale Convolutional

一、基本信息 標題:Predicting Depth, Surface Normals and Semantic Labels with a Common Multi-Scale Convolutional Architectur

原创 論文筆記:Going deeper with convolutions(GoogLeNet)

一、基本信息 標題:Going deeper with convolutions 時間:2014 出版源:IEEE 論文領域:深度學習,CNN 引用格式:Szegedy C, Liu W, Jia Y, et al. Going

原创 數字圖像處理:空間濾波

要求 對一副圖像加噪聲,進行平滑,銳化作用。 待處理圖像: 加噪 生成椒鹽噪聲: def sp_noisy(image, s_vs_p=0.5, amount=0.08): out = np.copy(image)