OpenCV图像特征提取学习四，SIFT特征检测算法
SIFT特征检测算法原理
（学习笔记）图像处理——高斯滤波、高斯模糊、高斯锐化
一种根据高斯函数的形状来选择权值的线性平滑滤波器，适用于高斯噪声的滤除，在图像处理中应用广泛。高斯滤波是指用高斯函数作为滤波函数，如果高斯低通则是高斯模糊，如果高通则是高斯锐化。
【深度学习经典网络架构—8】：注意力机制之SE_Block
😺一、引言类似于人脑的注意力感知，那卷积神经网络能否也能产生注意力效果呢？答案是：**可以！****SE_Block是SENet的子结构**，作者将SE_Block用于ResNeXt中，并在ILSVRC 2017大赛中拿到了分类任务的第一名，在ImageNet数据集上将top-5 error降低到
相机标定和双目相机标定标定原理推导及效果展示
参考了一些大佬的文章，整理了一下相机标定和双目标定的原理和推导。
LAHeart2018左心房分割实战
2018 Atrial Segmentation ChallengeThe Left Atrium (LA) MR dataset from the Atrial Segmentation Challenge数据集下载地址：Data – 2018 Atrial Segmentation Challe
17届全国大学生智能汽车竞赛 中国石油大学（华东）智能视觉组 --模型训练篇
如果你习惯使用jupyter notebook编写代码，这里也提供了jupyter版本的代码。在目录下的example.ipynb，有所有内容的完整代码。这部分的代码已上传到我的。模型的精度在比赛中非常关键，毕竟分类错误的罚时是非常狠的。
不是所有数据增强都可以提升精度
即使引入噪声或裁剪图像的一部分，模型仍可以对图像进行分类，数据增强有一系列简单有效的方法可供选择，有一些机器学习库来进行计算视觉领域的数据增强，比如：imgaug (https://github.com/aleju/imgaug)它封装了很多数据增强算法，给开发者提供了方便。计算视觉领域的数据增强算
图像分割技术及经典实例分割网络Mask R-CNN（含基于Keras Python源码定义）
图像分割技术是可以浅显的理解为精细化的目标检测过程，由于之前的目标检测算法只能使用标定框框定规则区域，从而进行分类，标出目标的大题区域，但是，在譬如自动驾驶领域，仅仅只有一个规则的区域去框定目标还是不够的，比如碰到车道线，那么仅仅用一个矩形区域框定车道线并不能准确地指导车辆的下一步动向，所以我们需要
关于Retinex理论的一些理解
目前一直在参与关于Retinex的相关课题，并完成了许多模型的构建，本文以个人的见解介绍Retinex的相关理论1. 基本原理 Retinex理论是上世纪八十年代由land等人提出的算法。该理论认为人眼可以感知近似一致的色彩信息，这种性质称为色彩恒定性。这种恒定性是视网膜（Retina）与大脑皮层
【CUDA】Ubuntu系统如何安装CUDA保姆级教程(2022年最新)
Ubuntu系统的服务器如何安装 CUDA ？看完本篇博文，相信你会找到答案。
深度学习中FLOPS和FLOPs的区别与计算
我们在购买GPU或者计算目标检测模型复杂度的时候，一般会遇到FLOPS和FLOPs这两个指标，在此加以区分。
【目标检测】YOLOV1详解
最近在公司实习，看到其实很多落地的模型都是基于yolo来改进的。在闲暇之余又重新温故了一下yolo系列，并想着将它们进行一个总结。今天就从V1下手，接下来的几个系列也会分别进行详解。相比起Faster R-CNN的两阶段算法，2015年诞生的YOLOv1创造性地使用端到端（end to end）结构
camera sensor简单曝光原理
曝光时间和积分时间之间的关系对于卷帘曝光的sensor来说，工作原理是逐行曝光，每一行依次曝光，直到一帧画面曝光完成。Pclk是一个比较重要的概念，pixel在的读写的频率在sensor出厂后就设计好了，因此，每一行的曝光的读写的频率和时间也是固定的。假如一个1080P的sensor，Pclk是74
深度解析预训练权重的本质和作用：你真的了解它们吗？
为了训练自定义模型，通常需要使用大量标注好的图像数据来训练模型。但是，当可用的训练数据不够多时，可以使用预训练权重来提高模型的性能。
【学习笔记】部署yolov8到安卓手机
把yolov8部署到安卓手机哟，用手机软件也能进行检测啦
基于深度学习的图像配准
基于深度学习的图像配准技术
coco-annotator的安装与使用
COCO Annotator是一个基于web的图像标注工具，其多功能性和易用性旨在有效地标记图像，以创建用于图像定位和对象检测的训练数据。它提供了许多不同的功能，包括标记图像片段（或片段的一部分）、跟踪对象实例、标记具有断开的可见部分的对象、以COCO 格式有效存储和导出标注信息。
文本-图像生成（Text-to-Image Generation）的评价指标介绍——CLIPScore、TISE
文本到图像生成的评价指标综述
YOLOv5 + StrongSORT with OSNet
YOLOv5 + StrongSORT with OSNet：YOLOv5检测器 + StrongSORT跟踪算法 + OSNet行人重识别模型
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔目录OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔1. 图像梯度1.1 Sobel和Scharr算子1.2 Laplacian算子2. Canny边缘检测2.1 多阶段的Canny边缘检测算法
