beryl2017的博客

输入：文件路径：eval\data\stereo_floweval\results\eval_results\data：待评估算法所得到的稠密匹配结果。eval\data\stereo_flow文件夹分组（ground truth）：disp_noc：视差无遮挡的ground truthdisp_occ：视差包含遮挡的ground truthdisp_refl_noc：视差5pixel无遮挡的ground truthdisp_refl_occ：视差5pixel包含遮挡的ground trut

操作系统笔记1.操作系统的概念和定义总结（1）操作系统总结（2）操作系统四个特征总结（3）操作系统的发展和分类的总结（4）操作系统的运行机制 体系结构 总结（5）中断和异常总结2.1 进程与线程总结（1）进程总结（2）进程的状态和转换 总结（3）进程控制 总结（4）进程通信 总结（5）线程 多线程模型 总结2.2 进程的调度总结（1）处理机调度 总结（2）进程调度的时机 切换与过程 调度方式 总结（3）调度算法的评价指标 总结（4）进程同步 进程互斥 总结（5）进程互斥的软件实现方法 总结（6） 进程互斥.

文章目录（一） 1. 操作系统的概念和定义 1.1. 操作系统的层次结构 1.2.操作系统的功能和目标 1.3. 操作系统的四个基本特征 1.4.操作系统的发展和分类 1.5.操作系统的运行机制 体系结构 1.6.中断和异常 总结 （1）操作系统总结 （2）操作系统四个特征总结 （3）操作系统的发展和分类的总结 （4）操作系统的运行机制 体系结构 总结 （5）中断和异常总结 （二） 2.1 进程与线程 2.1

对果实进行产量评估是精准农业领域的一个重要环节。产量的预先估计不仅可以减少一定的培养时间，节约劳动力，还可以根据果实生长状况优化作物肥料的使用。为实现番茄的产值预估，就需要对未成熟番茄进行统计。然而未成熟番茄果实因颜色与背景相似，在自动化管理中往往难以准确识别，这不仅会使产量估计产生较大偏差，也无法对果实生长状况进行准确监测。因此，精确地识别未成熟番茄果实具有重要意义。为了实现对未成熟番茄果实的自动识别,本软件首先使用超像素分割对未成熟番茄进行处理，其次，使用基于密集和稀疏重构的显著性检测方法(DSR)

小麦条锈病是小麦锈病的一种，是中国小麦生产中分布广、传播快、危害面积大的重要病害之一，特大流行年份减产可达60％以上，甚至绝产。小麦条锈病越夏孢子数是判断条锈病是否爆发的关键参数之一，但现有方法对粘连条锈病孢子的自动检测尚有困难。如何实现条锈病的有效防控一直是我国农业研究领域的重点和难点。对条锈病害病孢子人工计数会消耗大量人力，计数误差较大。实现粘连孢子的自动准确分割与计数对小麦条锈病孢子的在线检测具有重要的研究意义。为了实现粘连条锈病孢子的准确计数，提出了一种融合K-means聚类算法与优选傅里叶描述

Efficient Coarse-to-Fine Patch Match for Large Displacement Optical FlowCVPR 2016本文提出了一个快速计算大位移光流的算法。一般的算法在 tiny structures with large motions 情况下容易出现误差。这里写图片描述算法采用多尺度框架，不同尺度可以提取出不同的信息。这里写图片描述这里写图片描述在这里插入图片描述两幅图像 I1,I2,从I1里提取一系列种子点。网格提取，每个d*d区域

论文连接

附两张与测绘所老师交流的时候做的笔记~ 有点懒~ 还没整理

立体匹配共四步：匹配代价计算、匹配代价聚集、视差计算、视差优化立体匹配主要解决两个问题：一个是低纹理区域的视差估计一个是深度不连续区域的视差估计，也就是遮挡区域图像分割（Image Segmentation）主要目的也就是将图像（image）分割成若干个特定的、具有独特性质的区域（region），然后从中提取出感兴趣的目标（object）2003[1] Stereo matching using belief propagation （BP）改进：置信度传播算法进行视差求