- 博客(50)
- 收藏
- 关注
RSS订阅原创 【神经网络框架】非局部神经网络
非局部操作（Non-local Operation）是该研究的核心创新点，其数学定义源自经典计算机视觉中的非局部均值算法（Non-local Means）。
2025-02-09 21:05:45
467
1
原创 【文献讲解】《Non-local Neural Networks》
非局部神经网络通过非局部操作有效捕捉长距离依赖关系，为深度学习模型提供了一种新的构建模块。文献强调，非局部操作的通用性使其适用于多种计算机视觉任务，并呼吁未来的网络架构广泛采用这种非局部层，以进一步提升性能。
2025-02-09 20:43:00
77
原创 【论文精读】《Towards Deep Learning Models Resistant to Adversarial Attacks》
本文探讨了深度学习模型在面对对抗性攻击时的脆弱性，并提出了一种基于鲁棒优化的方法来增强神经网络的对抗鲁棒性。通过鞍点优化框架，作者提供了对抗攻击和防御机制的统一视角，并在MNIST和CIFAR-10数据集上验证了其方法的有效性。对抗训练的核心思想是将对抗样本引入训练过程，使模型能够学习到对抗样本的特征，从而提升其鲁棒性。本文通过鞍点优化框架提出了一种基于鲁棒优化的对抗训练方法，显著提升了深度学习模型的对抗鲁棒性。本文为深度学习模型的对抗鲁棒性研究提供了新的理论和实证支持，同时为未来研究指明了方向。
2025-02-07 11:15:32
234
原创 【论文精读】Virtual Adversarial Training——一种用于监督学习和半监督学习的正则化方法
本文提出了一种新的正则化方法——虚拟对抗训练（Virtual Adversarial Training, VAT），旨在通过引入虚拟对抗损失来增强模型的泛化能力。虚拟对抗损失衡量了给定输入条件下条件标签分布的局部平滑性，定义为模型对输入数据点周围局部扰动的鲁棒性。与传统对抗训练不同，VAT不需要标签信息来定义对抗方向，因此适用于半监督学习。本文详细阐述了VAT的核心方法，并通过实验验证了其在多个基准数据集上的有效性。：虚拟对抗训练；正则化方法；监督学习；半监督学习；对抗方向。
2025-02-06 11:23:33
74
原创 【论文精读】Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset
为此，本文提出了一个大规模数据集——Kinetics，以及一种新型的双流膨胀3D卷积网络（I3D），以更好地捕捉视频的时空特征。本文提出的I3D模型通过膨胀操作将2D卷积网络扩展为3D卷积网络，结合双流架构和大规模预训练，显著提升了视频动作识别的性能。I3D（Inflated 3D ConvNet）是本文提出的核心模型，通过将传统的2D卷积网络扩展为3D卷积网络，能够同时捕捉视频的空间和时间特征。膨胀操作的核心是将2D卷积核扩展为3D卷积核，同时初始化3D卷积核的权重为2D卷积核的权重。
2025-02-06 10:31:47
216
原创 【理论知识】 2D 卷积、3D 卷积与 3D 池化
卷积神经网络（Convolutional Neural Networks, CNNs）在计算机视觉、视频处理和医学影像分析等领域取得了显著的成功。卷积操作作为CNN的核心，主要包括二维卷积（2D Convolution）、三维卷积（3D Convolution）和三维池化（3D Pooling）。本文将系统地介绍2D卷积、3D卷积及3D池化的基本原理、数学公式、应用场景，并通过表格和示例详细比较这些操作的差异与优势，以帮助读者深入理解这些关键技术。
2025-02-06 10:11:38
1001
原创 【OpenCV】第五章 图像滤波与边缘检测
第五章深入探讨了图像滤波与边缘检测的核心技术，包括线性滤波与非线性滤波、高斯滤波、中值滤波以及Sobel、Canny等边缘检测算法。这些技术在图像去噪、平滑、特征提取和边缘检测等任务中扮演着至关重要的角色。通过掌握这些滤波与边缘检测方法，开发者可以在图像处理和计算机视觉项目中实现更高质量的图像预处理和分析。了解每种滤波器和边缘检测算法的工作原理及其适用场景，有助于选择合适的技术方案，优化图像处理流程。在实际应用中，常常需要结合多种滤波和边缘检测方法，以达到最佳的图像处理效果。
2025-01-10 15:27:52
367
原创 【OpenCV】第四章 图像几何变换
第四章详细探讨了图像几何变换的关键技术，包括仿射变换、透视变换、图像配准以及缩放与裁剪。这些变换技术在计算机视觉和图像处理中广泛应用，为图像的对齐、校正、增强和分析提供了强大的工具。通过理解每种变换的数学原理和OpenCV的实现方法，开发者能够在各种项目中灵活应用这些技术，解决实际问题，提升图像处理的精准度和效果。在后续的章节中，我们将继续深入探讨更高级的图像处理技术和应用场景，如图像分割、目标检测、深度学习在图像处理中的应用等，帮助读者全面提升在计算机视觉领域的技能和理解。
2025-01-10 15:25:42
342
原创 【OpenCV】第三章 视频处理基础
第三章深入探讨了视频处理的基础知识，包括视频的读取与显示、视频的保存、视频帧的处理以及实时视频捕捉与处理。这些内容构成了计算机视觉中视频处理的重要组成部分，为开发者提供了全面的技术支持。在实际应用中，结合前两章中介绍的图像处理技术，开发者可以实现更加复杂和高效的视觉应用，如实时监控系统、视频分析工具和智能交互设备等。通过持续学习和实践，掌握视频处理的核心技术，开发者能够应对多样化的视觉任务，提升项目的功能和性能。
2025-01-10 15:19:52
548
原创 【OpenCV】第二章 图像处理基础
第二章深入探讨了图像处理的基本操作和技术，包括图像的读取与显示、保存与格式选择、基本操作（剪切、缩放、旋转）、色彩空间转换以及图像的增强与过滤。这些基础知识构成了计算机视觉和图像处理的核心，为后续更复杂的任务奠定了坚实的基础。通过实践和应用，开发者可以进一步掌握这些技术，实现高效而精确的图像处理工作。在接下来的章节中，我们将继续探讨更高级的图像处理技术和应用，如边缘检测、特征提取、对象识别与跟踪等，帮助读者全面提升在计算机视觉领域的技能和理解。
2025-01-10 15:18:49
489
原创 【OpenCV】第一章 环境搭建与基础知识
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，由Intel于1999年发起开发，现由OpenCV组织维护和更新。它主要用于实时图像处理、视频分析、物体识别、面部识别、运动跟踪等领域。OpenCV支持多种编程语言，包括C++、Python、Java等，并且可以在各种操作系统上运行，如Windows、Linux、macOS、Android和iOS。OpenCV的发展历程自1999年诞生以来，OpenCV经历了多次重大更新和功能扩展。
2025-01-10 15:13:56
464
1
原创 20 实战：形状编码、运动补偿和纹理编码的实现（基于python）
本文分析的Python项目是一个视频编码器，旨在通过图形用户界面（GUI）加载、播放和编码视频。编码方式包括形状编码、运动补偿和纹理编码。项目结合了多种技术，如OpenCV处理视频帧，Pygame进行音频播放，以及Tkinter构建用户界面。加载视频文件并提取音频轨道。实时播放原始视频与编码后的视频。提供多种编码方式供用户选择。控制视频播放与音量调节。优化编码性能，确保流畅播放。本文对一个基于Python的GUI视频编码器进行了全面解析。
2024-11-01 13:29:08
350
1
原创 19 知识：任意形状区域的编码方法知识点概述
任意形状区域的编码方法涉及多种技术与理论，从基础的像素级编码到高级的拓扑数据分析，每种方法在不同的应用场景中都有其独特的优势与适用性。核心档次的编码方法为基础奠定了坚实的理论与实践基础，主要档次的方法在此基础上发展出更多适应复杂形状的编码技术，而有效的先进编码档次则融合了现代计算机科学的最新成果，展现出更高效、更智能的编码能力。在选择和应用形状编码方法时，需综合考虑形状的特点、应用需求、计算资源与编码目标，不断优化与创新，以适应不断变化的技术环境与应用场景。
2024-11-01 09:26:06
502
原创 18 实战：基于Tkinter和OpenCV的视频编码器：实现MPEG4矩形帧编码器
本项目旨在实现一个基于Tkinter和OpenCV的MPEG4视频编码器，提供直观的图形用户界面，使用户能够加载视频文件，进行视频编码，并实时观察编码过程中的各类信息，如运动矢量和编码残差。项目涵盖了视频读取、运动估计与补偿、离散余弦变换（DCT）、量化以及图形界面的设计与实现。类负责在当前帧和参考帧之间进行运动估计，计算每个块的运动矢量。通过块匹配策略，找到参考帧中最佳匹配块的位置，以便后续的运动补偿。类根据运动矢量对参考帧进行补偿，生成预测帧。通过将参考帧中的块移动到新的位置，重构当前帧的预测版本。
2024-10-31 12:13:08
429
原创 17 MPEG4矩形帧编码技术概述
在量化后的数据中，大量的系数变为零，特别是高频部分，这为熵编码提供了良好的压缩空间。对于DCT系数的编码，采用了基于游程长度编码(RLE)的变长编码方案，它首先对量化后的DCT系数进行zigzag扫描，将二维数组转换为一维序列，然后对连续的零系数进行游程编码，最后使用哈夫曼编码或算术编码进行进一步压缩。在比特流组织方面，MPEG4采用了灵活的数据组织结构，包括图像层、视频对象层、视频对象平面等多个层次，这种层次化的结构不仅便于数据的管理和传输，还支持对象级的访问和操作。
2024-10-31 10:57:43
299
原创 16 基于Tkinter开发的MPEG4多媒体播放器完全解析
支持MPEG4格式的视频播放。提供播放、暂停、停止、进度控制、播放速度调节、音量控制等基本功能。实时显示视频的帧数、时间、分辨率、比特率、编码格式等信息。在界面右侧展示MPEG4标准的基本信息，帮助用户了解MPEG4的相关知识。使用Tkinter进行GUI界面的设计与布局。使用OpenCV读取视频文件并处理视频帧。使用Pygame播放音频，实现音视频同步。使用MoviePy提取视频中的音频。通过定时器和多线程实现视频的逐帧刷新和音频的异步播放。
2024-10-28 15:39:32
154
1
原创 15 实战：熵编码模拟器
该项目旨在通过编写一个熵编码模拟器，帮助用户理解预测编码、哈夫曼编码和算术编码的原理和实现。用户可以通过图形界面输入数据，选择编码方式，查看编码和解码的结果。图形用户界面（GUI）：使用PyQt5构建，提供友好的用户交互。编码算法实现：利用Python实现三种熵编码方法。编码过程展示：在界面上展示编码和解码的结果，并提供编码说明。本文详细介绍了熵编码模拟器的设计与实现，涵盖了预测编码、哈夫曼编码和算术编码三种常见的熵编码方法。通过理论与实践相结合的方式，深入剖析了各编码方法的原理和实现细节。
2024-10-28 10:38:35
214
原创 14 实战：基于python实现图像的预测编码和变换编码
本文详细介绍了一个基于Python的图像编码器的实现，涵盖了从预测编码、变换编码到图形用户界面的构建。通过利用NumPy的矢量化操作和OpenCV的强大功能，我们实现了高效的图像处理算法。同时，使用PyQt5构建的GUI提供了良好的用户体验。希望本文能够帮助读者深入理解图像编码的原理和实践方法，为进一步的学习和开发奠定基础。"""作者：1248693038 版权所有，如需引用或二创请联系作者日期：2024-10-28。
2024-10-28 10:25:26
328
原创 13 实战：使用Python和Pygame实现视频运动估计播放器
本项目旨在使用Python构建一个视频播放器，该播放器可以对播放的视频进行实时的运动估计并将结果可视化。支持常见的视频格式播放（如MP4、AVI、MKV）。提取视频中的音频并进行同步播放。使用块匹配算法对视频帧进行运动估计。可视化原始视频帧与运动估计结果。支持用户自定义超参数设置，如处理帧大小、块大小、搜索范围等。实时监控程序的性能，如帧率、CPU和内存使用率。
2024-10-26 10:34:30
463
原创 12 实战：Python视频处理系统：光流分析与实时增强的实现
该系统是一个综合的视频处理与分析平台，通过多个模块和类的协同工作，实现了对视频文件的全面处理与分析。主要功能模块包括视频信息提取、音频播放、光流计算、帧差异计算、视频缓冲、帧增强和视频统计分析等。首先看效果：播放的视频中有两位小女生唱歌，有原始视频、光流和帧差异以及视频信息等窗口本文详细解析了一个复杂的视频处理与分析系统，从系统架构、主要功能模块到主函数流程进行了全面的阐述。该系统通过多个模块和类的协同工作，实现了对视频文件的全面处理与分析，具有综合性、实时性、可扩展性和用户友好性等特点。
2024-10-24 16:20:19
482
原创 11 实战：时域模型之从以前帧预测
视频预测播放器的实现涉及多个技术领域的知识，包括多线程编程、图像处理、音视频同步等。通过合理的架构设计和优化策略，系统实现了流畅的视频播放和帧预测功能。这些技术原理不仅适用于视频播放器，也可以推广到其他多媒体应用的开发中。本文介绍的实现原理为读者提供了视频播放器开发的技术参考。读者可以基于这些原理，结合实际需求，开发出功能更丰富、性能更优秀的多媒体应用程序。效果图：播放抖音视频时也存在视频抖动问题，如果有人会二创的欢迎二创！"""作者：1248693038 版权所有严禁抄袭转载，违者必究！
2024-10-24 09:30:08
345
原创 09 实战：PSNR值及其与原始图像对比系统
PSNR是衡量图像质量的指标之一，它基于MSE来量化原始图像与失真图像之间的误差，并将这个误差值转换为分贝（dB）单位，以提供更直观的质量评价。PSNR值越高，表示图像质量越好，失真越小。PSNR的计算公式如下：其中，MAX表示图像像素点的最大数值，对于8位图像，MAX = 2^8 - 1 = 255。MSE表示均方误差，计算公式为：其中，I和K分别代表原始图像和失真图像，m和n分别为图像的行数和列数。
2024-10-23 09:27:43
256
原创 08 实战：色彩空间展示（本程序以视频为主）
首先展示程序效果：我在这里讲解RGB和YCbCr的原理：RGB颜色空间是一种最基础和常用的颜色表示方式，它基于人眼感知色彩的三原色原理。RGB分别代表：通过这三种基本颜色的不同组合，可以产生人眼可见的绝大多数颜色。每个颜色分量通常使用8位（0-255）表示，因此一个RGB颜色可以表示256³ = 16,777,216种不同的颜色。YCbCr是一种将RGB信号分离成亮度和色度分量的颜色空间。它的三个分量分别是：这种颜色空间的设计基于人眼对亮度比色度更敏感的特性。通过深入理解RGB和YCbCr颜色空间的原理和特
2024-10-23 08:47:14
536
原创 Q宠大乐斗鹅号提取器（基于python实现）
本脚本可以从论坛复制的文本中获取鹅号或者从QQ群聊天记录复制的文本中获取鹅号，也可以获取QQ号，不限于Q宠大乐斗游戏。这些鹅号提取出来可以加为乐斗好友，加好友程序我将在另外一个文章中提供。
2024-10-22 22:48:43
256
原创 06 MPEG-4技术全面解析：从编码原理到未来应用
MPEG-4是由国际标准化组织(ISO)和国际电工委员会(IEC)共同制定的多媒体编码标准。它是继MPEG-1和MPEG-2之后的新一代视频压缩标准，旨在提供更高的压缩效率和更灵活的功能。MPEG-4的发展始于1993年，经过多年的研究和标准化工作，于1998年正式发布了第一个版本。MPEG-4的设计目标是为了适应日益增长的多媒体应用需求，特别是在低比特率和交互式应用方面。它不仅仅是一个视频编码标准，而是一个综合的多媒体框架，包含了音频、视频、图像、三维图形等多种媒体类型的编码和表示方法。
2024-10-18 08:33:21
170
原创 05 熵编码
熵编码是数据压缩领域中的一项核心技术，其理论基础源于信息论中的熵概念。这种编码方法旨在通过减少数据中的冗余信息来实现高效的数据表示。熵编码的基本原理是将出现频率高的符号用较短的编码表示，而将出现频率低的符号用较长的编码表示，从而实现整体数据量的压缩。这种方法不仅在计算机科学中广泛应用，也在通信、图像处理、音频压缩等领域发挥着重要作用。熵编码的效率直接关系到香农熵理论。根据香农熵理论，一个信息源的平均信息量（即熵）决定了该信息源能够被压缩的极限。
2024-10-18 08:19:36
106
原创 04 视频编码中的时域模型：原理与技术
结构亮度分量：16x16像素色度分量：通常为8x8像素（假设使用4:2:0采样）功能运动估计和补偿的基本单位变换编码的基础比特分配和率失真优化的对象时域模型是视频编码技术的基石，其发展历程反映了整个领域的进步。从简单的帧间预测到复杂的仿射运动模型，每一步创新都为更高效、更高质量的视频压缩铺平了道路。随着5G、8K视频、VR/AR等新技术的兴起，对高效视频编码的需求将继续推动时域模型的创新。
2024-10-15 08:27:41
100
原创 03 视频编解码器
视频编解码器(Video Codec)是一种用于压缩或解压数字视频的软件、硬件或两者的结合。"编解码器"这个术语是"编码器"(encoder)和"解码器"(decoder)的组合。编码器负责压缩(编码)视频数据,以便于存储或传输。解码器则负责解压缩(解码)视频数据,以便播放或处理。
2024-10-14 16:19:51
1041
原创 02 色彩空间
RGB色彩模型是基于人类视觉系统中三种不同类型的锥体细胞对红、绿、蓝三种不同波长的光敏感度设计的。这种模型广泛应用于数字图像处理、彩色电视和计算机显示器等领域。
2024-10-14 16:02:12
1421
原创 01 视频捕获
空间采样率是指在视频捕获过程中，每英寸或每毫米能够采样的线对数量，通常用lp/inch或lp/mm来表示。它定义了视频捕获设备在水平和垂直方向上对图像细节的采样能力。空间采样率直接关系到视频的分辨率和清晰度，是衡量视频捕获质量的关键指标之一。根据奈奎斯特-香农采样定理，为了避免混叠现象，采样率至少应达到信号最高频率的两倍。在实际应用中，通常会采用更高的采样率以确保图像质量。
2024-10-14 15:40:22
343
原创 Python扫雷并基于tkinter实现（附代码）
在扫雷游戏的实现中，Tkinter不仅用于构建游戏界面，还用于处理用户输入和响应事件，展示了其在GUI开发中的实用性和高效性。对主要类和方法的解读揭示了游戏逻辑的实现细节，而关键功能的实现则展示了Tkinter在处理用户操作和AI扫雷逻辑中的应用。游戏逻辑的实现涉及到初始化游戏、处理玩家操作和判断胜负等关键步骤，这些逻辑的实现保证了游戏的正常运行和玩家的游戏体验。本文通过分析基于Python的扫雷游戏实现，探讨了Tkinter在GUI应用程序开发中的应用，以及AI智能程序在游戏中的应用和局限性。
2024-09-30 23:06:26
275
原创 基于Tkinter的CSV文件读写与可视化工具开发实战
本文介绍了一款基于Tkinter的CSV文件读写与可视化工具的开发过程及其主要功能。通过集成Tkinter、Pandas和Matplotlib等库，工具实现了CSV文件的读写、编辑、查询和可视化等操作。同时，工具采用了响应式设计、提示信息和错误处理等措施来提高用户体验。未来，我们将继续优化和完善工具的功能和性能，增加更多的数据处理和分析功能，以满足用户的不同需求。希望本文能够为读者提供有益的参考和借鉴，推动CSV文件处理技术的发展和应用。
2024-09-30 19:06:04
381
原创 基于Python的实时系统性能监控器：打造你的专属监控工具
该程序是一个集CPU、内存、磁盘和网络监控于一体的综合工具。它利用Python的多个强大库，如psutil、matplotlib和tkinter等，实现了实时性能数据的采集、处理和展示。程序提供了一个简洁直观的GUI界面，使得用户无需深入了解底层实现即可轻松完成性能监控任务。本文介绍了一款基于Python的实时系统性能监控器。该程序提供了一个简洁直观的GUI界面，能够实时显示CPU使用率、内存使用情况、磁盘I/O以及网络I/O等关键性能指标。
2024-09-30 15:48:58
1009
原创 基于Python的中文文本处理与分析程序：功能详解与实战应用
该程序是一个集文本处理、分析、可视化及NLP任务于一体的综合工具。它利用Python的多个强大库，如jieba、matplotlib、networkx、pandas和scikit-learn等，实现了文本的分词、词性标注、命名实体识别、关键词提取、词频统计、字符数统计、句子数统计、词云图生成、词频柱状图生成、词语共现网络生成以及文本分类、情感分析和文本摘要等功能。程序提供了一个简洁直观的图形用户界面（GUI），使得用户无需深入了解底层实现即可轻松完成文本处理与分析任务。
2024-09-30 15:25:35
1054
1
原创 基于PyQt5和SQLite的数据库操作程序
该程序是一个集数据库创建、管理、查询、修改及可视化于一体的综合工具。它利用PyQt5库构建GUI界面，通过SQLite数据库存储数据。程序的主要功能包括新建和打开数据库、创建和管理表、执行SQL查询、插入、更新和删除数据，以及数据可视化等。下面，我们将逐一解析这些功能。本文详细解析了一款基于PyQt5和SQLite的数据库操作程序的主要功能及其实现方式。该程序提供了一个简洁直观的GUI界面，使得用户无需深入了解数据库原理即可轻松完成常见的数据库操作。
2024-09-30 15:16:24
1357
2
原创 基于python的常用GUI工具包
Python作为一种流行的高级编程语言，拥有多种强大的GUI开发工具包。这些工具包使得开发者能够轻松创建图形用户界面，从简单的桌面应用到复杂的交互式程序。
2024-09-23 09:16:01
2088
原创 Python自动化脚本实现QQ大乐斗游戏任务自动完成
但是随着游戏的深入,每日需要完成的任务越来越多,占用了玩家大量的时间。本文介绍了一个基于Python和Selenium的自动化脚本,可以帮助玩家自动完成大乐斗中的日常任务,极大地节省时间。这个Python自动化脚本为QQ大乐斗玩家提供了一个便捷的工具,可以大大减少日常任务所需的时间。最后,编写这样的自动化脚本不仅能够提高游戏体验,还能锻炼编程技能,是一个非常有趣且有价值的项目。同时,这个脚本还有很大的改进空间,欢迎感兴趣的读者在此基础上进行优化和扩展。这个类是整个脚本的核心,实现了所有的自动化任务。
2024-09-20 21:02:52
1556
基于python的Excel读取和可视化图表工具
2024-09-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人