Hobart

NMS的改进非极大值抑制NMS是目标检测常用的后处理算法，用于剔除冗余检测框，本文将对可以提升精度的各种NMS方法及其变体进行阶段性总结。对NMS进行分类，大致可分为以下六种，这里是依据它们在各自论文中的核心论点进行分类，这些算法可以同时属于多种类别。分类：NMS，Soft-NMS (ICCV 2017) 定位：IoU-Guided NMS (ECCV 2018) 加权平均：Weighted NMS (ICME Workshop 2017) Softer-NMS (CVPR 2019) 自

霍夫变换，就是一个可以让机器自己学会找直线的算法。基本原理一条直线可由两个点A=(X1,Y1)和B=(X2,Y2)确定(笛卡尔坐标)也可以写成关于（k,q）的函数表达式（霍夫空间）：q=-kx1+y1q=-kx2+y2对应的变换可以通过图形直观表示：的参数，给出对比图：转存失败重新上传取消霍夫变换的算法步骤:转存失败重新上传取消编程思路1.读取一幅待处理二值图像，最好背景为黑色；2.取得源像素数据；3.根据直线的霍夫变换公式完成霍夫变换...

Canny边缘检测算法一直是边缘检测的经典算法，出自论文：《A Computational Approach to Edge Detection》Canny边缘检测算法的处理流程：使用高斯滤波器，以平滑图像，滤除噪声。 计算图像中每个像素点的梯度强度和方向。 应用非极大值抑制，以消除边缘检测带来的杂散响应。 应用双阈值检测来确定真实的和潜在的边缘。 通过抑制孤立的弱边缘最终完成边缘检测。1.高斯滤波去燥任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数.

1.均值滤波原理: 均值滤波采用线性的方法,使用模板内所有像素的平均值代替模板中心像素灰度值特点: 不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。均值滤波对高斯噪声表现较好，对椒盐噪声表现较差。Python-OpenCV中的实现代码：img_mean = cv2.blur(img, (3,3))#(3,3)卷积核是可调的举个例子：下面左图为椒盐噪声原始图像，右图为高斯噪声原始图像下图从左到右分别为均值滤波(3,3)(