Halcon直线检测
Halcon直线检测
基于PP-YOLOE-SOD实现遥感场景下的小目标检测
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在［10，50］之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义：目标边界框的宽高与图像的宽高比例的中位数
【AIGC】2、扩散模型 | 到底什么是扩散模型?
本文简单介绍扩散模型
MotionBERT：Unified Pretraining for Human Motion Analysis中文翻译
我们提出了一个统一的训练前框架MotionBERT，以解决人体运动分析的不同子任务，包括3D姿势估计、基于骨骼的动作识别和网格恢复。该框架能够利用各种人体运动数据资源，包括运动捕捉数据和野外视频。在预训练中，托词任务要求运动编码器从有噪声的部分2D观测中恢复潜在的3D运动。预先训练的运动表示因此获得
YOLOv5数据增强方法
YOLOv5的数据增强方法包括以下几种：随机剪裁：随机从输入图像中剪裁出一块区域并将其作为新的输入。随机翻转：随机将输入图像左右或上下翻转。随机颜色变化：随机调整输入图像的对比度、亮度和饱和度。随机加噪：在输入图像上随机添加噪声。随机模糊：使用高斯模糊或中值滤波器对输入图像进行随机模糊。通过这些方法
Mask RCNN训练自己的数据集
Mask RCNN训练自己的数据集，有源码和数据集提供
语义分割学习篇
主要是记录笔记，对语义分割进行的学习，包括经典模型的介绍
cv::Mat的四种复制操作和cv::Mat作为函数形参的四种形式
cv::Mat的四种复制操作及其cv::Mat作为函数形参的四种形式
MoveNet流程解析
第三步：根据粗略的关键点信息，构造一个以这个关键点坐标为中心生成一个权重矩阵，直接以等差数列0-47（47的原因是当关键点信息在边界时能够覆盖整个特征图（48*28）），中心点最小为0，往外依次递增的权重系数矩阵。原因：如果Heatmap中这个关键点与粗略关键点最靠近，说明这个关键点就属于最靠近图像
Halcon中亚像素边缘，轮廓提取处理的各种方法
halcon中亚像素轮廓提取目前来看，提取亚像素轮廓有三种思路
Openmv通过IMPULSE训练模型实现目标检测
Openmv神经网络文章目录Openmv神经网络前言一、云端训练二、操作步骤1.数据集的采集2.上传数据集3.训练模型1、创建模型2、参数生成3、开始训练4、模型测试5、导出模型6、效果测试总结前言openmv4plus可以进行神经网络学习，实现目标检测，之前学习过了K210的目标检测，以及机器学习
十个高质量工具网站推荐，AI自动抠图换背景，任意背景自动融合
AI 背景更换是一种利用生成式人工智能创建新图像背景的软件工具。与传统方法需要移除原有的背景并更换新的不同，AI背景生成器使用先进的算法生成与前景完美融合的全新背景。这项技术彻底改变了图像编辑的方式，为设计提供了更多的创造自由和灵活性。
Jetson nano裸机介绍及 Opencv的环境配置
Jetson nano裸机介绍及 Opencv的环境配置
LoFTR：Detector-Free Local Feature Matching with Transformers
本文提出一种新的图像局部特征匹配方法(关键点匹配)；与传统方法(特征检测-描述符-匹配)不同，本文首先在粗粒度上进行像素级密集匹配然后再细粒度进行优化。本文在Transformer中使用自注意层(self attention layer)和交叉注意层(cross attention layer)来获
OpenCV腐蚀函数：cv2.erode（）使用
注意：cv2.erode()函数默认白色为前景目标，黑色为背景，所有腐蚀操作对象都是对白色部分操作的，即腐蚀会使白色目标区域变小。上面实例中，白色为较多点，黑色部分是裂缝区域，腐蚀的对象为白色背景区域，所以会减小白色区域，增大了黑色区域。kernel=np.array([[1, 1, 1, 1]],
OpenCV 图像轮廓检测
本文是OpenCV图像视觉入门之路的第15篇文章，本文详细的介绍了图像轮廓检测的各种操作，例如：轮廓检索模式、轮廓逼近算子等操作。图像轮廓是具有相同颜色或灰度的连续点的曲线，轮廓在形状分析和物体的检测和识别中很有用。图像轮廓的作用：图形分析、物体的检测和识别。需要注意的是：为了检测的准确性，需要先
cv2.imwrite
cv2.imwrite 是 OpenCV 中用来保存图片的函数。它接受两个参数：第一个参数是保存图片的文件名(包括文件路径)，第二个参数是要保存的图片数据。可以使用 cv2.imread 读取一张图片，然后使用 cv2.imwrite 保存这张图片。示例: import cv2# Read an i
基于联咏NT96670/675/672芯片全高清记录器方案开发的产品规格参数
本文介绍了基于联咏NT96670/675/672芯片全高清记录器方案开发的产品技术方案
【01Studio MaixPy AI K210】13.颜色识别
【代码】【01Studio MaixPy AI K210】13.颜色识别。
CVPR2023对抗攻击相关论文
在各种计算机视觉应用中，现实世界的对抗性物理补丁被证明在妥协最先进的模型中是成功的。基于输入梯度或特征分析的现有防御已经被最近基于 GAN 的攻击所破坏，这些攻击会产生自然补丁。在本文中，我们提出了Jedi，这是一种针对对抗性补丁的新防御，它对现实补丁攻击具有弹性。Jedi从信息论的角度解决了补丁定
