-
计算两个旋转矩形的交并比 如图所示，计算两个旋转矩形相交重合区域的顶点，最多返回8个顶点。通过contourArea可返回该顶点集合的面积。[图片]void DrawRotatedRect(Mat& imgInoutput, RotatedRect rectInp... 全文
02-12 11:09 来自版块 - 机器视觉综合资料发布区
-
判断点是否在线段内部 设有点Q以及线段的两个端点P1、P2，判断点Q在线段P1P2上包含两条依据： 1.(Q-P1)*(P2-P1)=0（叉乘） 2.Q在以P1、P2位对顶顶点的矩形内 前者保证了点Q在直线P1、P2上，后者保证了点Q不在线段P1P2... 全文
02-10 19:17 来自版块 - 机器视觉综合资料发布区
-
透视变换原理 透视变换也叫投影变换，仿射变换是透视变换的特例。主要是透视变换能保持“直线性”，即原图像里面的直线，经透视变换后仍为直线。下面给出数学推导，透视变换矩阵变换公式为：其中透视变换矩阵： 要移动的点，即源目标点为[x,y,1]，另外定点，... 全文
02-10 17:42 来自版块 - 机器视觉综合资料发布区
-
问题：求解多项式的根：使用多项式的伴随矩阵进行求解，其伴随矩阵：的特征值就是方程的根。代码实现：[以下帖子售价 5 金币，购买后显示内容] 全文
2021-02-27 11:34 来自版块 - 其它杂项学习交流区
-
一、引言 现实应用中许多问题可以抽象为序列学习（Sequence Learning）问题，比如语音识别（Speech Recognition）、手写字识别（Handwriting Recognition）、机器翻译（Machine Translation）等应用，其核心... 全文
2021-02-21 17:31 来自版块 - Halcon深度学习
-
一、循环神经网络 人类针对每个问题的思考，一般不会是完全的从头开始思考。正如当你阅读这篇技术文档的时候，你会根据已经阅读过的内容来对后面的内容进行理解，你不会把之前的东西都丢掉从头进行思考，你对内容的理解是贯穿的。传统的神经网络做不到这一点，而这似乎是一个主要的缺点。... 全文
2021-02-20 19:25 来自版块 - Halcon深度学习
-
已知圆上三个点(x1,y1),(x2,y2),(x3,y3)拟合圆计算方法，首先给出结论： 下面给出公式推导过程： 最后给出实现代码： [以下帖子售价 5 金币，购买后显示内容] 全文
2021-02-03 16:58 来自版块 - Halcon算子学习交流区
-
在基于anchor的目标检测网络中，一个至关重要的步骤就是科学的设置anchor，可以说Anchor设置的合理与否，极大的影响着最终模型检测性能的好坏。本文作者以通俗易懂的语言介绍Anchor是什么，以及如何科学的设置anchor。 对于目标检测新手来说... 全文
2021-01-26 20:36 来自版块 - Halcon深度学习
-
Unet作为FCN 的一种变体，因为其结构能够结合底层和高层的信息，成为大多做医疗影像语义分割任务的基础。本文是关于U-Net的体系结构一篇汇总，分别介绍了U-Net，Attention U-Net，UNet++的概念及详细分类。1 Image SegmentationImage... 全文
2020-12-26 09:45 来自版块 - Halcon深度学习
-
在总结正则化（Regularization）之前，我们先谈一谈正则化是什么，为什么要正则化。个人认为正则化这个字眼有点太过抽象和宽泛，其实正则化的本质很简单，就是对某一问题加以先验的限制或约束以达到某种特定目的的一种手段或操作。在算法中使用正则化的目的是防止模型出现过拟合。一提到... 全文
2020-12-03 08:59 来自版块 - Halcon深度学习
-
本文从图像空间、特征空间、Loss profile 空间以及利用backpropagated gradient信息做异常检测四个方面，结合2019年和2020的顶会论文，对工业图像上的异常检测的最新进展进行了总结。写在前面[p]这里对我最近的研究领域——工业图像上的异... 全文
2020-11-17 09:08 来自版块 - Halcon深度学习
-
今天我们从交并比，准确率，精度，召回率，FPR, F1-Score, PR曲线，ROC曲线，AP的值，AUC的值以及很重要的mAP指标，模型的检测速度和非极大值抑制的相关方面来学习下目标检测中的评价指标。1、交并比IoU是英文intersection over union的简写，... 全文
-
1、文献资料汇总：https://github.com/Eatzhy/surface-defect-detection2、缺陷检测工具箱：https://github.com/abin24/Saliency-detection-toolbox3、语义分割方式： （1）htt... 全文
2020-10-23 21:50 来自版块 - 图像处理知识学习交流区
-
边缘和轮廓的提取是一个非常棘手的工作，细节也许就会被过强的图像线条掩盖，纹理（texture）本身就是一种很弱的边缘分布模式，分级（hierarchical）表示是常用的方法，俗称尺度空间（scale space）。以前做移动端的视觉平台，有时候不得不把一些图像处理功能关掉，... 全文
2020-10-19 20:46 来自版块 - 其它杂项学习交流区
-
轮廓度计算方法及处理流程一、轮廓度定义用于描述曲面尺寸准确度的主要指标为轮廓度误差，它是指被测实际轮廓相对于理想轮廓的变动情况。可以带基准或不带基准。二、轮廓度计算标准对于轮廓度测量值的计算，在ASME和ISO中，也是存在差异的：（1）在ASME中，测量值的计算跟最大值和最小值的... 全文
2020-08-27 10:24 来自版块 - Halcon算子学习交流区
-
位姿坐标表示及相互转换
2020-08-27 10:20 来自版块 - Halcon算子学习交流区
-
前言我们可以看到，在已经公布的CVPR2020的文章来看，单纯的语义分割领域的文章已经不太多，往提升精度上来进行的工作也已经接近饱和。现在的语义分割算法主要集中在小物体分割和分割边缘的处理上，代表性的工作有2019年英伟达提出的《G-SCNN: Gated Shape CNNs ... 全文
2020-04-21 10:46 来自版块 - 其它杂项学习交流区
-
01 论文名称：DPGN: Distribution Propagation Graph Network for Few-shot Learning论文链接：https://arxiv.org/abs/2003.14247关键词：小样本学习，图网络现有大部分基于图网络的元学习方法... 全文
2020-04-18 15:12 来自版块 - 其它杂项学习交流区
-
1.前言这篇文章主要以几篇经典的分割论文为切入点，浅谈一下当Unet遇见ResNet会发生什么？2. UNet首先回顾一下UNet，UNet的结构如下图所示：UNet 网络结构「从UNet的网络结构我们会发现两个最主要的特点，一个是它的U型结构，一个是它的跳层连接。」 其... 全文
2020-04-16 18:58 来自版块 - 其它杂项学习交流区
-
OpenCV编译问题1.clone源码：https://github.com/opencv/opencv2.安装cmake 3.cmake配置的时候，输出目录需要另外设置一个目录，不可以放到源码目录 4.用cmake config的时候有两个需要在线下载，但是cmake下载不下来... 全文
2020-04-14 21:26 来自版块 - 其它杂项学习交流区
