渔樵阿飞

涉足计算机视觉领域要知道的做机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。 做好这几点的途径之一就

1.TOF技术研究1.1 TOF初探    TOF是Time of flight的简写，直译为飞行时间的意思。所谓飞行时间法3D成像，是通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行（往返）时间来得到目标物距离。这种技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而TOF相机则是同时得到整幅图像的深度信息。TOF相机与普通机器视觉成像过程也

本文分享我关于几种类型的特征描述子的性能的研究结果，本文是对"Comparison offeature descriptors" 的更新，新增了ORB特征描述子，仍然包含SIFT，还新增测试了新版本的LAZY描述子的性能。为了测试这些描述子的性能，我写了专用的测试框架，在这个框架下，我可以轻易地增加一些新的描述子，测试案例并且能够生成CSV-like格式的报告数据，然后我将其上传到了goo

摘要： 现有的Caffe、TensorFlow等工具箱已经很好地实现CNN模型，但这些工具箱需要的硬件资源比较多，不利于初学者实践和理解。因此，本文教大家如何仅使用NumPy来构建卷积神经网络（Convolutional Neural Network , CNN）模型，具体实现了卷积层、ReLU激活函数层以及最大池化层（max pooling），代码简单，讲解详细。       目前网络上存在...

摘要： 学习计算机视觉必须要看的几篇论文！image从ILSVRC中可以看出，近几年图像分类神经网络架构的错误率以惊人的幅度下降深度学习已经存在了几十年，Yann Lecun在1998年就发表了一篇关于卷积神经网络（CNN）的论文。但是直到十年前，深度学习才开始真正的发展并慢慢成为人工智能研究的主要焦点领域。这些转变主要是因为处理能力（即 GPU）的增强、大量可用性的数据（即Ima...