经典文献阅读之--Orbeez-SLAM（单目稠密点云建图）
对于现在的VSLAM而言，现在越来越多的工作开始聚焦于如何将深度学习结合到VSLAM当中，而最近的这个工作就给出了一个比较合适的方法。》这篇文章，可以轻松适应新的场景，而不需要预先训练，并实时为下游任务生成密集的地图。它成功地与隐式神经表示法(NERF)和视觉里程法相结合，实现了只需要RGB输入即可
数字图像处理——实验五 基于图像分割的车牌定位识别
数字图像处理系列的较为综合的一个实验：基于模板匹配的车牌识别
通道信息，空间信息，通道注意力以及空间注意力
通道信息，空间信息，通道注意力以及空间注意力
基于yolov5的pyqt5目标检测图形上位机工具【附工程代码】
基于yolov5的目标检测上位机
【halcon】灰度直方图直观理解与应用
这篇文章，由灰度直方图，引出了三个常用的用于分割的函数：threshold全局阈值分割binary_thresholddyn_threshold 动态阈值分割mean_image 均值滤波。
SVHN街道实景门牌识别
对模型进行训练，并在每个epoch后输出训练集和测试集上的准备率/损失。
ORB SLAM3 ubuntu18.04 ROS 运行 段错误 (核心已转储) 踩坑及解决
ubuntu18.04 ROS 运行 ORB SLAM3 段错误 (核心已转储) 踩坑及解决
水果分割论文、代码和数据集汇总
果园、分割、算法
图像分类综述
什么是图像分类，核心是从给定的分类集合中给图像分配一个标签的任务。实际上，这意味着我们的任务是分析一个输入图像并返回一个将图像分类的标签。标签来自预定义的可能类别集。示例：我们假定一个可能的类别集categories = {dog, cat, eagle}，之后我们提供一张图1给分类系统：这里的目标
OpenCV基础知识（1）— OpenCV概述
OpenCV是人工智能计算机视觉领域的基石，长期以来一直是软件开发的重要组成部分，本篇文章就带领大家了解一下OpenCV的基本概念及应用！
OpenGL绘图初识总结与简单操作——画线与设置透明度
OpenGL绘图初识总结与简单操作——画线与设置透明度
毕业设计-基于深度学习的智能车牌识别系统
毕业设计-基于深度学习的智能车牌识别系统：智能车牌识别技术是智能交通工程领域的重要环节，在交通监视与控制方面占有举足轻重的地位。从车 牌识别的一般流程出发，设计基于CenterNet目标检测以及CNN卷积神经网络的智能车牌识别系统。利用CenterNet网络 高效定位车牌位置，通过对检测截取出的车牌
OpenCV实例（二）手势识别
手势识别的范围很广泛，在不同场景下，有不同类型的手势需要识别，例如：● 识别手势所表示的数值。● 识别手势在特定游戏中的含义，如“石头、剪刀、布”等。● 识别手势在游戏中表示的动作，如前进、跳跃、后退等。● 识别特定手势的含义，如表示“OK”的手势、表示胜利的手势等。理论基础凸包和凸缺陷在图像处理中
OpenCV实现手势虚拟拖拽
导入OpenCV库。通过OpenCV读取摄像头的视频流。使用肤色检测算法（如色彩空间转换和阈值分割）来识别手部区域。对手部区域进行轮廓检测，找到手的轮廓。根据手的轮廓，获取手指关键点的像素坐标。对于拖拽手势，可以关注食指和中指的位置。计算食指和中指指尖之间的距离并判断是否满足条件触发拖拽动作。如果满
图像处理之理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器的matlab实现去噪
低通滤波器一共有三种，分别为理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器。巴特沃斯滤波器介于两者之间，当巴特沃斯低通滤波器的阶数较高时，接近于理想低通滤波器；理想低通滤波器在半径为D0的范围内，所有频率都可以没有衰减地通过滤波器，该半径之外的所有频率都完全被衰减掉。其中D0为巴特沃斯低通滤波器
【opencv】计算机视觉：停车场车位实时识别
做完检测之后，我们想要的是对于停车场的12列，我们对每一列都进行一个提取操作，比如我们得到12列之后，然后我们在对每一列分出具体的一个一个车位。这里面对检测到的霍夫直线继续做一个过滤的操作，如果直线的长度大于25，小于55，我们就添加到列表当中，并且设定一条直线的左右端点坐标的差值不能超过1.这样的
Docker容器中的OpenCV：轻松构建可移植的计算机视觉环境
简介：计算机视觉是一门涉及图像和视频处理的领域，可以应用于目标检测、图像识别、人脸识别等各种任务。不同的开发环境、操作系统和硬件配置可能导致部署和运行计算机视觉应用的困难。目的和重要性：Docker容器提供了一种轻量级、可移植、一致性的解决方案，使开发者能够简化环境配置和应用部署过程。这样的环境可以
信号处理--基于EEG脑电信号的深度学习情绪分类
本文为一个信号处理专题的课程项目，主要是基于人体脑电信号，通过使用深度学习，来快速精准的识别被试的情绪。实验数据为私有数据集。情绪分为积极，中性，消极三种类别。该方法最后和传统朴素贝叶斯，支持向量机，logistic回归，决策树和随机森林分类器进行比较。
【自监督】系列（二）-代理任务（Pretext Task）
本系列第二弹就来学习下代理任务（pretext task），Pretext可以理解为是一种为达到特定训练任务而设计的间接任务。
