有些代码不应该被忘记

本文是继RCNN[1]，fast RCNN[2]之后，目标检测界的领军人物Ross Girshick团队在2015年的又一力作。简单网络目标检测速度达到17fps，在PASCAL VOC上准确率为59.9%；复杂网络达到5fps，准确率78.8%。作者在github上给出了基于matlab和python的源码。对Region CNN算法不了解的同学，请先参看这两篇文章：《RCNN算法详解》

前深度学习时代的计算机视觉互联网巨头看重深度学习当然不是为了学术，主要是它能带来巨大的市场。那为什么在深度学习出来之前，传统算法为什么没有达到深度学习的精度？在深度学习算法出来之前，对于视觉算法来说，大致可以分为以下5个步骤：特征感知，图像预处理，特征提取，特征筛选，推理预测与识别。早期的机器学习中，占优势的统计机器学习群体中，对特征是不大关心的。我认为，计算机视觉可以说是机器学习

OpenCV 如何对图像的像素进行操作对图像的像素进行操作，我们可以实现空间增强，反色,大部分图像特效系列都是基于像素操作等目的。先来看一下内存空间中图像矩阵，也就是Mat的矩阵数值部分是怎么存储的：如果图像是一幅灰度图像，他就像这样，从左到右，从上到下，依次是矩阵的每一行每一列，这时候矩阵M(i,j)的值自然就是当前点的灰度值了。而对于一幅彩色图像，由于它

搞了两天的图像拼接，借用opencv例程自带的stitching.hpp 例程，网上也找了很多例程，但是无奈，每次运行的时候，Stitcher::Status status = stitcher.stitch(imgs, pano);//拼接总是错误，随后在网上找了很多解决办法，都不行。不是路径问题。后来的解决办法： 在Debug 模式写和 Release模式下，链接器opencv_ts3

CUDA基本使用方法在介绍OpenCV中GPU模块使用之前，先回顾下CUDA的一般使用方法，其基本步骤如下：1.主机代码执行；2.传输数据到GPU；3.确定grid，block大小；4.调用内核函数，GPU运行程序；5.传输结果到CPU；6.继续主机代码执行。下图是两个向量相加的简单示例程序和处理流图。注意的问题：cu，cpp文件的组织内核函

感谢之前一个博友的留言说工程实际中OpenCV各个模块封装成一个world的dll会太过冗余，所以今天来把几个主要的功能模块的主要功能整理下，方便之后的拆分调用。如果对于某些模块有疑问，欢迎留言交流，之后或可以重点再去补充文章中某些部分的内容。Opencv官方首页给的Reference说明文档是2.4.13.2版本的…………官网说明链接3.2版本的模块说明：Opencv3.

原文  http://blog.youkuaiyun.com/scutjy2015/article/details/72881361 （一）HOG特征1、HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合

一:Opencv2与opencv1的区别:Opencv1.0版本于2006年面世，主要基于C语言。2009年发布opencv2，主要基于C++。此时OpenCV库被划分成多个模块，这些模块被编译成库文件后，位于lib文件夹中。主要有以下模块(版本1的结构见我的这篇blog:http://blog.youkuaiyun.com/lu597203933/article/details/13614377):

FROM:    http://www.cnblogs.com/einyboy/p/3594432.html一、特征提取Feature Extraction：SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [Op

1. R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation技术路线：selective search + CNN + SVMsStep1:候选框提取(selective search)训练：给定一张图片，利用seletive search方法从中提取出2000个候

Deep Residual NetworksDeep Residual Learning for Image Recognition https://github.com/KaimingHe/deep-residual-networksIdentity Mappings in Deep Residual Networks (by Kaiming He)arxiv: ht

可以看看这个 http://blog.youkuaiyun.com/workerwu/article/details/46537849Deep Residual NetworksDeep Residual Learning for Image Recognition https://github.com/KaimingHe/deep-residual-networksIdentity Ma

数字图像处理和图像识别中常用的OpenCV函数1、cvLoadImage：将图像文件加载至内存；2、cvNamedWindow：在屏幕上创建一个窗口；3、cvShowImage：在一个已创建好的窗口中显示图像；4、cvWaitKey：使程序暂停，等待用户触发一个按键操作；5、cvReleaseImage：释放图像文件所分配的内存；6、cvDestro