图像处理中常见的几种插值方法：最近邻插值、双线性插值、双三次插值（附Pytorch测试代码）
在学习可变形卷积时，因为学习到的位移量Δpn可能是小数，因此作者采用双线性插值算法确定卷积操作最终采样的位置。通过插值算法我们可以根据现有已知的数据估计未知位置的数据，并且可以利用这种方法对图像进行缩放、旋转以及几何校正等任务。此处我通过这篇文章学习总结常见的三种插值方法，包括最近邻插值、双线性插值
三维重建（知识点详细解读、主要流程）
基于本人大创项目所学习三维建模过程的笔记。1.概念：三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。2.三维重建的分类：根据采集设备是否主动发射测量信号，分为两类：基于主动视觉理论和基
ECCV2022论文列表（中英对照）
ECCV2022论文列表（中英对照）
NeurIPS2022 | SegNeXt，重新思考卷积注意力设计
在本文中，作者分析了以前成功的分割模型，并找到了它们所拥有的良好特征。基于这些发现，作者提出了一个定制的卷积注意力模块 MSCA 和一个 CNN 风格的网络 SegNeXt。实验结果表明，SegNeXt 在相当大的程度上超越了当前最先进的基于Transformer的方法。最近，基于Transform
常见的图像质量评估指标SSIM、PSNR、LPIPS
现阶段针对有真实参考的图像生成任务，主要有三种评价指标，分别为两种人为设计的指标SSIM和PSNR，也包括深度学习网络抽取到的特征进行对比的LPIPS评价指标。
OpenCV安装配置教程VS2022（超级顺利）
博主最开始没打算写这篇博客，只是想简单的在网上找一下最新版的OpenCV的安装配置教程，适用于VS2022的，但是我搜了一早上，也没搜到一个能让我成功安装配置的，看了很多很多文章，根本就没有几篇有用的。所以没办法了，只能自己研究了，于是就整理了这篇博客，希望能帮到和我一样的人，这就是博主一直信奉的利
ECA 注意力模块 原理分析与代码实现
本文介绍ECA注意力模块，它是在ECA-Net中提出的，ECA-Net是2020 CVPR中的论文；ECA模块可以被用于CV模型中，能提取模型精度，所以给大家介绍一下它的原理，设计思路，代码实现，如何应用在模型中。它是一种通道注意力模块。
【文章阅读】Frustratingly Simple Few-Shot Object Detection
从几个例子中检测稀有物体是一个新出现的问题。先前的研究表明，元学习是一种很有前途的方法。但是，微调技术几乎没有引起人们的注意。我们发现，仅对稀有类现有检测器的最后一层进行微调对于少镜头目标检测任务是至关重要的。在当前的基准测试中，这种简单的方法比元学习方法高出大约2~20个百分点，有时甚至会使以前的
CVPR2022目标检测文章汇总+创新点简要分析
CVPR2022目标检测文章汇总+创新点简要分析
改进YOLOv5 | 头部解耦 | 将YOLOX解耦头添加到YOLOv5 | 涨点杀器
在目标检测中，分类任务和回归任务之间的冲突是一个众所周知的问题。因此...
使用YOLOv5实现人脸口罩佩戴检测（详细）
获取人脸口罩的数据集有两种方式：第一种就是使用网络上现有的数据集labelImg 使用教程 图像标定工具注意！
【语义分割】1、语义分割超详细介绍
图像分割是机器视觉任务的一个重要基础任务，在图像分析、自动驾驶、视频监控等方面都有很重要的作用。图像分割可以被看出一个分类任务，需要给每个像素进行分类，所以就比图像分类任务更加复杂。此处主要介绍 DL-based 方法。encoder：输入图像→resize到特定大小→输入 backbone→得到特
【CV】第 3 章：使用 PyTorch 构建深度神经网络
在上一章中，我们学习了如何使用 PyTorch 编写神经网络。我们还了解了神经网络中存在的各种超参数，例如批量大小、学习率和损失优化器。在本章中，我们将学习如何使用神经网络进行图像分类。本质上，我们将学习如何表示图像并调整神经网络的超参数以了解它们的影响。为了不引入太多的复杂性和混乱，我们在上一章只
BraTS2021脑肿瘤分割实战
脑肿瘤分割是MICCAI所有比赛中历史最悠久的，到2021年已经连续举办了10年，参赛人数众多，是学习医学图像分割最前沿的平台之一。简介： 胶质母细胞瘤和具有胶质母细胞瘤分子特征的弥漫性星形细胞胶质瘤（WHO 4 级星形细胞瘤）是成人中枢神经系统最常见和最具侵袭性的恶性原发性肿瘤，在外观、形状和组
Android App开发超实用实例 | OpenCV在Android手机实现在图像上添加文本
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，它可以运行在Linux、Windows、Android和Mac OS等操作系统上。OpenCV原本由一系列 C 函数和少量 C++ 类构成，同时提供了Python等其他语言的接口，它实现了图像处理和计算机视觉方面的很多通用算法。下面这
OpenCV-眼睛控制鼠标
另外，如果在整个数据收集过程中，你们在屏幕的特定区域（例如边缘）都没有拍摄任何图像，则该模型不太可能在该区域内进行预测。在此项目中，每次单击鼠标时，我们都会编写代码来裁剪你们的眼睛图像。使用这些数据，我们可以反向训练模型，从你们您的眼睛预测鼠标的位置。但是，作为概念证明，你们会注意到，实际上只有20
MMPose姿态估计+人体关键点识别效果演示
MMPose开源姿态估计算法库，进行了人体关键点的效果演示。（包括肢体，手部和全身的关键点，还尝试了MMPose实时效果）
人工智能——大白话熟悉目标检测基本流程
一篇关于快速熟悉目标检测流程的博客，如果你还不太明白目标检测是如何检测的，更不清楚整个流程，那希望你花几分钟读一下这篇入门级博客，我用自己的理解简化目标检测流程方便大家快速了解什么是目标检测
OpenCV人脸识别，训练模型为cv2.face.LBPHFaceRecognizer_create()
OpenCV内部自带有三种人脸检测方式LBPH人脸识和其他两种方法（Eigen人脸识别，FisherFace人脸识别）本次主要说明第一种方式LBPH检测。
coco数据集解析及读取方法
RLE所占字节的大小和边界上的像素数量是正相关的。其中size是这幅图片的宽高，然后在这幅图像中，每一个像素点要么在被分割（标注）的目标区域中，要么在背景中。每个对象（不管是iscrowd=0还是iscrowd=1）都会有一个矩形框bbox ，矩形框左上角的坐标和矩形框的长宽会以数组的形式提供，数组
