huneng1991的专栏

1介绍 缺陷检测是工业视觉技术中最重要的组成部分。业务广泛，场景丰富，技术难点高、工作量大。针对不同的场景，选择不同的相机和

介绍 现在的app都喜欢在用户的作品上打水印，起到宣传的作用。醒目，又难看。因此我接到一个需求，就是把图像中制定的水印去掉。市面上，那种半透明的水印有很多方法可以去掉。那种不透明的水印，就显的有点难看。...

介绍 知乎上有一姐妹儿有一天突然找到我，问我会不会计算图中钢管数量，如下图所示：看到这个就比较好奇，原来还有人做这种东西，还有专门的app。简单想了想，按照目标检测的方式去计算钢管的数量即可。方法介绍 钢管这种东西，模式比较统一，简单的检测器即可，最好是用基于图像金字塔的方式，这样好调节检测尺度，比方说mtcnn。结果展示 目前标注了几张图像训练，效果有些欠缺，但是基本的功能还是有的，如下图所示：有一些边界部分的钢管，有些计入，有些...

1介绍 好久没有写博客了，主要是去学习深度学习去了，用深度学习解决了人脸检测，人脸对齐，人脸识别三种技术，再写相关的博客感觉没什么意思，所以荒废了许久。最近做了关于仪表识别的工作。这里介绍下仪表识别中数码表识别的成果。 上图是一张测试结果，蓝色框标注了仪表的位置，绿色文字标注了蓝色框内仪表的标签和数字。2方法 这里主要用的方法发是机器学习中的...

本文叙述了由本人独立研发的机器学习框架，用于物体检测。之前的一篇关于adboost的文章，纯粹是学习的时候记录所的。本文所述方法是以实用为目的开发的技术。

在过去的几个月里，我主要针对人脸检测进行了研发，尝试的方法包括，adaboost+haar特征，npd人脸检测，和jda人脸检测。这三种方法我都有实现，显然jda人脸检测器效果最佳。

1 介绍          3000fps 相关概念主要是在实现jda方法的时候仔细了解过，基本原理总体说来很复杂，但是从实现的角度来看并不难。该方法的速度还是不错的，能够达到论文中提到的数据，效果嘛就有点差强人意了，主要还是由样本决定。2 方法       总体上,人脸对齐的主要理论依据是如下方程:                                    F * W...

adaboost 是一套机器学习的框架，根据给出的正样本和副样本训练一个用于识别正样本一类物体的模型。这个模型的本质就是分类器，又叫做级联（cascade）分类器。本文主要是介绍我实现的adaboost+haar特征程序，并展示其用于商标检测的效果。