<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ly3848的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ly3848</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ly3848]]></copyright><item><title><![CDATA[借用yolov5实现目标检测自动标注]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/118050167</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/118050167</guid><author>ly3848</author><pubDate>Sat, 19 Jun 2021 11:26:11 +0800</pubDate><description><![CDATA[借用yolov5实现目标检测自动标注
**背景**：目标检测中的数据标注工作量巨大，本文利用yolov5实现自动标注功能，格式为pascal voc。

**步骤**：
1.利用[yolov5](https://github.com/ultralytics/yolov5)先训练小批量样本比如100pcs（yolov5的数据标注以及训练网上有很多教材），得到100pcs的.pt文件
2.将我给的auto_labelimg.py放到yolov5文件夹下面
![auto_labelimg.py所在位置](http]]></description><category></category></item><item><title><![CDATA[Datawhale 计算机视觉基础-图像处理（下）-Task03 Haar特征描述算子-人脸检测]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/107091866</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/107091866</guid><author>ly3848</author><pubDate>Thu, 02 Jul 2020 19:53:22 +0800</pubDate><description><![CDATA[1. Haar特征描述原理
1.1 Haar-like特征
Haar(哈尔)特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。
Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。
对于图中的A,]]></description><category></category></item><item><title><![CDATA[六月组队学习 Task2：LBP特征描述算子-人脸检测]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/106987809</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/106987809</guid><author>ly3848</author><pubDate>Sat, 27 Jun 2020 21:04:05 +0800</pubDate><description><![CDATA[1 LBP特征描述算子简介
LBP（Local Binary Pattern）是一种用来描述图像局部特征的算子，具有灰度不变性和旋转不变性等优点。LBP可以用于人脸识别和目标检测，OpenCV中相关LBP特征进行人脸识别的接口，另外有LBP特征训练目标检测器的方法，虽然OpenCV实现了LBP特征的计算，但是没有提供一个单独的计算LBP特征的接口，即OpenCV中使用了LBP算法，却没有函数接口。
LBP特征用图像的局部邻域的联合分布T
T来描述图像纹理特征，假设局部邻域中像素点个数为P(P&gt;1)
P]]></description><category></category></item><item><title><![CDATA[【CV】Harris角点检测]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/106932446</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/106932446</guid><author>ly3848</author><pubDate>Tue, 23 Jun 2020 21:39:58 +0800</pubDate><description><![CDATA[1 理论部分
1.1 角点
用一个滑动的窗口在图像内移动，分别会出现以下三种情况（如图1所示）：
平坦区域（左图）：当窗口向任意方向移动时，窗口内的像素值不会发生太大变化；
边缘（中图）：当窗口沿着平行于边缘的方向移动时，窗口内的像素值不会发生太大变化；
角点（右图）：不管窗口向着哪个方向移动，窗口内的像素值都会发生很大的改变。

图1. 角点的识别
1.2 图像梯度
图像的梯度，指的是图像灰度值的变化率。由于图像灰度变化并不连续，因此采用差分法来求梯度。如点(x,y)处在x方向和y方向的梯度可按下式计算：]]></description><category></category></item><item><title><![CDATA[配置tensorflow object detection api，然后训练faster rcnn结果供用vs2015调用]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/105374246</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/105374246</guid><author>ly3848</author><pubDate>Tue, 07 Apr 2020 21:29:33 +0800</pubDate><description><![CDATA[配置tensorflow object detection api，然后训练faster rcnn结果供用vs2015调用
主要写下来以免忘记。。。
注意：自己使用的tensorflow-gpu 1.13.1，所以github上面下载models的时候要选取分支下载r1.13.0版本(https://github.com/tensorflow/models/tree/r1.13.0)，否则最新版在...]]></description><category></category></item><item><title><![CDATA[win10编译opencv3.4.7和opencv-contrib3.4.7]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/102940865</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/102940865</guid><author>ly3848</author><pubDate>Wed, 06 Nov 2019 19:59:22 +0800</pubDate><description><![CDATA[背景
    最近项目需要运用到目标跟踪，opencv-contrib里面有一些内置的函数（比如kcf等），想试试看其效果如何，所以就需要重新编译opencv。之前用的opencv3.4.7，所以也重新编译opencv3.4.7+opencv-contrib3.4.7。

准备工作
1.安装vs2015（网上很多教程）
2.下载opencv3.4.7和opencv-contrib3.4.7源码（版...]]></description><category></category></item><item><title><![CDATA[win10在darknet训练完成后用C++调用实现目标检测]]></title><link>https://blog.youkuaiyun.com/ly3848/article/details/101756080</link><guid>https://blog.youkuaiyun.com/ly3848/article/details/101756080</guid><author>ly3848</author><pubDate>Mon, 30 Sep 2019 11:19:43 +0800</pubDate><description><![CDATA[win10在darknet训练完成后用C++调用实现目标检测
1.目的
最终让图片目标检测功能封装到动态库文件中，供其它函数直接调用
2.准备工作
软件：
1.visual studio 2015
2.opencv3.4.7（版本尽量新，3.4.0貌似不行）
文件：
1.darknet训练完成后的weights格式文件yolov3.weights
2.test时的cfg文件yolov3.cfg
3...]]></description><category></category></item></channel></rss>