liuqinglong110的专栏

由于在学习和应用目标检测算法时，不可避免的接触到正负样本的生成策略等知识点，并且正负样本的区分策略对算法最终效果至关重要。因此，通过参考他人的文章资料，本文将目标检测中正负样本的区分策略进行汇总。为了能将主要篇幅集中在不同算法生成正负样本的策略上，本文不对每个算法完整结构进行详细介绍。本文涉及了不同种类的anchor-based和anchor-free的相关算法（共5个算法）。并且会在后续文章中，继续补充其他算法（例如yolo系列、centernet、ATSS等）。

Gabor的核函数参考的wiki使用实数Real的公式计算核函数代码：[cpp] view plaincopyprint?Mat getGaborFilter(float lambda, float theta,       float sigma2,float gamma,       float psi = 0.0f){          i

在实际计算时，三种方法计算的金字塔组数noctaves，尺度空间坐标σ，以及每组金字塔内的层数S是一样的。同时，假设图像为640*480的标准图像。金字塔层数：其中o_min = 0，对于分辨率为640*480的图像N=5。每组金字塔内图像数：S=3，即在做极值检测时使用金子塔内中间3张图像。对于LoG每组金字塔内有S+2张图像（S=-1，0,1,2,3），需要做S

本人喜欢研究图像处理，也很喜欢matlab软件，然而，matlab虽然入门简单，容易掌握。但是，其运行效率以及工业界的使用范围远远不及OpenCV。这几天，本人通过搜索大量网络资料，并亲自测试，终于找到了一套完整的环境配置方案。希望能够对OpenCV的初学者有所帮助。      请在阅读本文时，务必注意OpenCV和VS的版本问题。因为不同的版本，配置过程也是略有区别的。OpenCV使用的

声明：本人属于绝对的新手，刚刚接触“稀疏表示”这个领域。之所以写下以下的若干个连载，是鼓励自己不要急功近利，而要步步为赢！所以下文肯定有所纰漏，敬请指出，我们共同进步！原文：http://blog.youkuaiyun.com/zhang11wu4/article/details/8058777踏入“稀疏表达”（Sparse Representation）这个领域，纯属偶然中的必然。之前一直在研究

试想像一下，很多游客同时在不同角度拍摄Eiffel Tower(埃菲尔铁塔)，该如何用数学的方法来描述这一过程呢？首先要解决的问题就是定位，或者说坐标选定的问题，埃菲尔铁塔只有一座，如果按经、纬度来刻画，它的坐标是唯一确定的，但游客显然不关系这一点，他(她)只按自己的喜好选择角度和位置，因此，物体(景物)有物体的坐标系统，相机有相机的坐标系统，即便同一个相机，当调整参数时，在同样的位置、相同的角度

        最近，在网上搜索关于“行人重识别”及“行人再识别”等关键词，发现几乎都是关于行人检测的内容。对于“行人重（再）识别”技术能找到的资料很少，这可能是因为“行人重（再）识别”技术最近才刚刚兴起吧。总之，除了能在谷歌学术中搜到一些Person re-identification的学术论文外，其他的资料明显没有行人检测的多。由于本人主要是学习“行人重（再）识别”技术的，每次和别人提起自己的...