【OpenCV】红绿灯识别 轮廓识别 C++ OpenCV 案例实现
本文以实现行车过程当中的红绿灯识别为目标，核心的内容包括：OpenCV轮廓识别原理以及OpenCV红绿灯识别的实现具体步骤
语义分割系列25-BiSeNetV2（pytorch实现）
本文介绍了BiSeNetV2的论文思路和模型结构，给出了BiSeNetv2的模型代码实现，在Camvid数据集上进行测试，所有代码都基于pytorch框架。
【数据挖掘实战】——基于水色图像的水质评价(LM神经网络和决策树)
背景和挖掘目标1、问题背景从事渔业生产有经验的从业者可通过观察水色变化调控水质，用来维持养殖水体生态系统中浮游植物、微生物类、浮游动物等合理的动态平衡。由于这些多是通过经验和肉眼观察进行判断，存在主观性引起的观察性偏倚，使观察结果的可比性、可重复性降低，不易推广应用。当前，数字图像处理技术为计算机监
OpenCV实战（15）——轮廓检测详解
在计算机视觉领域，轮廓通常指图像中对象边界的一系列点。因此，轮廓通常描述了对象边界的关键信息，包含了有关对象形状的主要信息，该信息可用于形状分析与对象检测和识别。本节中，我们首先介绍如何提取图像中轮廓，然后讲解如何计算轮廓的形状描述符。
MobileViT模型简介
自从2010年ViT(Vision Transformer)模型的横空出世，人们发现了Transformer架构在视觉领域的巨大潜力。近些年，越来越多的科研人员投入Transformer的怀抱，视觉领域的各项任务也不断被Transformer架构模型刷新。Transformer虽然强大，但在现在看来
计算机视觉教程0-3：为何拍照会有死亡视角？详解相机矩阵与畸变
拍照死亡角度一般指的是将自己脸盆子拍得特别大，拍出用鼻孔看人的狰狞面目，因此部分美颜软件里人像修正中会有“去畸变”这一项功能。本文就从计算机视觉的角度谈一谈镜头畸变原理。
相机成像---世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系
新学期第一天开始写的这篇文章，看看我啥时候能把他发出去。假期当然是啥也没干了，之前还信誓旦旦说回家一定能学习，学个毛线。开始学习啦，去年年末把环境配置好了之后，实验发现他不准，用的D435i摄像头是红外的，在水里误差太大，所以目标的话就是要给他整准，首先的话学习一下双目摄像头的成像原理~c1、c2是
【计算机视觉】图像增强——图像的形态学操作
主要介绍常见的数学形态学运算基本方法，了解腐蚀、膨胀、开运算、闭运算
图像分割评价指标：Dice和MIoU
语义分割指标Dice和MIoU代码实现
毕设系列-检测专题-基于YOLOV5的手势识别系统
我们之前做过一期基于Yolov5的口罩检测系统（手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_dejahu的博客-CSDN博客），里面的代码是基于YOLOV5 6.0开发的，并且是适用其他数据集的，只需要修改数据集之后重新训练即可，非常方便，但是有些好兄弟是初学者，可能不太了
OpenCv案例（七）： 基于OpenCvSharp计算图像的清晰度(自动对焦)
自动对焦，其实是对相机成像的清晰值得计算，若对焦不清晰，成像的清晰度低，视觉效果模糊。若是在工业检测行业，对焦不准确，可能会造成严重后果；对焦准确的图像，其清晰度高，对比度鲜明，层次明显。
OpenCV图像处理入门
OpenCV相关知识继续讲解
SegFormer
取消位置编码，使用简单的解码器
目标检测算法——图像分割数据集汇总（附下载链接）
🎄🎄近期，小海带在空闲之余，收集整理了一批图像分割数据集供大家参考。整理不易，小伙伴们记得一键三连喔！！！🎈🎈
超详细！手把手带你轻松用 MMSegmentation 跑语义分割数据集
本文主要讲解了数据集相关的内容，包括目前学术界主流的语义分割数据集在 MMSegmentation中的实现，以及如何用 MMSegmentation 跑自己的数据集。希望可以帮助大家快速上手使用 MMSegmentation 代码库进行实验。.........
IoU、Precision、Recall、AP、mAP详解
目标检测中的IoU、Precision、Recall、AP、mAP详解
opencv常见用法和opencv3-＞opencv4版本切换
identifier “CV_AA” is undefined：#include <opencv2/imgproc/imgproc_c.h>identifier “CV_GRAY2RGB” is undefined：#include <opencv2/imgproc/types_c
[经典的图像warping方法] Thin Plate Spline: TPS理论和代码详解
本文的目标是详细分析一个经典的基于landmark(文章后面有时也称之为控制点control point)的图像warping(扭曲/变形)算法: Thin Plate Spine (TPS).TPS被广泛的应用于各类的任务中, 尤其是生物形态中应用的更多: 人脸, 动物脸等等, TPS是cubic
基于RGB-D图像的多模态特征融合
几种融合介绍
搭建自己的语义分割平台deeplabV3+
搭建deeplabV3+网络 数据准备 源码修改 训练 测试
