GH_HOME的专栏

计算机视觉是根据图像对目标进行描述和识别，而计算机图形学

转自：http://www.jiangwenrou.com/java%E7%9A%84%E5%9B%9B%E7%A7%8D%E5%BC%95%E7%94%A8.htmlJava中存在四种引用，它们分别是：强引用(StrongReference),软引用(SoftReference),弱引用(WeakReference),虚引用(PhantomReference).下面分别介绍: 强引用(Stron

1. 概念Structure from motion 指的是由图像生成3维点云以及相机姿态，即： - 输入：一系列图像，拍摄同一场景 - 输出： 每一张图像对应的相机位置和朝向， 场景中的3D点云2. 算法流程获取相机内参矩阵 对输入图像利用其内部的编码信息获取相机的焦距，计算内参矩阵对相邻图像两两计算匹配特征点 对于3D重建而言， 一般是首先用两张图像作为初始化建出来一个初始的点云，之

1. 概念Structure from motion 指的是由图像生成3维点云以及相机姿态，即： - 输入：一系列图像，拍摄同一场景 - 输出： 每一张图像对应的相机位置和朝向， 场景中的3D点云2. 算法流程获取相机内参矩阵 对输入图像利用其内部的编码信息获取相机的焦距，计算内参矩阵对相邻图像两两计算匹配特征点 对于3D重建而言， 一般是首先用两张图像作为初始化建出来一个初始的点云，之

ResNet优点相比传统的卷积神经网络如VGG复杂度降低，需要的参数下降可以做到更深，不会出现梯度弥散的问题优化简单，分类准确度加深由于使用更深的网络解决深层次网络的退化问题解决梯度弥散常见方法：batch normalization学习原理对于传统的方法是直接去学习输入到输出的映射，而深度卷积残差网络是去学习输入到（输出－输入）的映射。这样就有了一个先验信息：输出一定是可以由输入的一部分

卷积的过程就是提取对应特征的过程，获得高维的特征向量。 反卷积的过程事实上是一个稀疏编码的过程，要把卷积拿到的特征向量通过加权恢复到原有的输入图片关于dilate convolution 可见这篇博文https://zhuanlan.zhihu.com/p/23795111 我认为既然dilate convolution可以通过改变kernel的大小来改变可以看到的视野，那么多个不同的dilat

Caffe的模型需要两个重要的参数文件，网络模型和参数配置。分别是.prototxt 以及　.solver.prototex绘制网络模型的时候，可以使用CAFFE中的python/draw_net.py网络模型的输入为数据层，数据层是每个模型的最底层，是模型的入口，不仅提供数据的输入，也提供数据从Blobs转换成别的格式进行保存输出。通常数据的预处理（如减去均值, 放大缩小, 裁剪和镜像等），也

1.将数组内容传递给Mat示例代码：unsigned char cbuf[height][width];cv::Mat img(height, width, CV_8UC1, (unsigned char*)cbuf);2.将Mat中的内容传递给数组如果Mat中的数据是连续的，那么对于传递到一维vector我们可以这样：std::vector<uchar> array(mat.rows*mat.c

本文参考链接http://www.cnblogs.com/hrlnw/p/4720977.html1. 本机配置windows7 64为 cmake 版本 3.1.0 opencv版本 3.1.02. 基本步骤1) 下载opencv3.1.0 官方源码 https://github.com/Itseez/opencv/archive/3.1.0.zip 2) 下载cmake 3) 修改ope

1. 定义空间运动物体在观察成像平面上的像素运动的瞬时速度,是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。也就是说，由空间域到图像平面的投影。而通俗来讲，把图像中的每一个点的瞬时速度和方向找出来就是光流。2. 光流有什么用通过光流判断物体距离我们的远近。 一般而言，远景的物体相对来说光流较小，而近景物体

之所以进行特征检测，是因为

转自http://blog.youkuaiyun.com/autocyz/article/details/46941031楼主在运行一个链接了opencv库的程序时，发现了一个奇怪的现象，就是我的在程序中调用的等待函数waitKey()不起作用，不管是是使用waitKey(100)，waitKey(0)，waitKey(-1)，或者是使用if(waitKey(0) == ‘q’)，waitKey总是不

最近看了PCA主成分分析，其中KL变化是其中的一种方法具体的原理我转载了以下文章http://blog.youkuaiyun.com/kingskyleader/article/details/7734710先贴一记代码clear all;close all;N=500;for i=1:N x1(1,i)=-2+0.8*randn(1); x1(2,i)=-1+0.9*r

关于齐次坐标系可以参照我的资源http://download.youkuaiyun.com/detail/gh_home/9319235这篇文章对于齐次坐标系讲的非常好，相比欧式坐标系，突出了引入齐次坐标系的三个作用。

关于算法的实现最好参照一下 《opencv2计算机视觉编程手册》 第191页，讲的非常好，事实上我们只需要有3D点和2D点的对应我们就可以计算出对应的相机矩阵了，但是一直让我迷惑的是3D点如何得到。那么张正友标定法事实上是建立了一个棋盘模型，对这个棋盘模型进行了不同角度的拍照，这样这些拍照image中的棋盘角点就可以作为我们要得到的2D点，而不同角度改变的是外参矩阵。那么如何得到3D的点呢？关

本文解决以下问题FAST算法的基本原理FAST 算法在OpenCV中的调用一. FAST算法的基本原理1. FAST算法的动机大部分特征检测算法的效果较好，但是达不到实时，因此提出FAST （Features from Accelerated Segment Test）2. FAST算法的基本原理在图像中任选一点p， 假定其像素（亮度）值为 IpI_p以3为半径画圆，覆盖p点周围的16

1. 定义ORB (Oriented FAST and Rotated BRIEF)，是一种特征检测算子，其特征点的性能介于SIFT和SURF之间，但是其速度是SURF算法速度的10倍。2. 特性速度快：基本上在特征检测算子方面借鉴了FAST特征检测算子，在特征描绘子方面借鉴了brief特征描绘算子，这两个方法都比较快。具备旋转不变性，对噪声不敏感。3. 算法流程1. 特征检测部分在特征检测部

编写源码的时候，会调用一些库，库的呈现形式为pdb和dll以及lib 以opencv为例，其中我们调用的库的接口写在include文件夹中的.hpp中 程序运行的时候会调用dll，那么dll对应程序源码的哪一行是通过pdb来告知我们的。所以pdb存放了我们在编译这个dll的时候这个dll对应的源代码文件的位置信息（在哪个文件夹下的那个cpp下的哪一行）。所以pdb在编译生成后要对应源码文件的位置