没有深度学习之前的图像检测

最新推荐文章于 2025-05-06 14:32:32 发布
原创 最新推荐文章于 2025-05-06 14:32:32 发布 · 492 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

在深度学习普及之前，图像检测主要依赖于Haar级联检测器，尤其在人脸识别中。然而，这种方法在面对遮挡、倾斜和肤色差异大等情况时效果不佳。图像分割技术主要依靠传统方法，而深度学习则带来了语义分割的突破。文章还提及了OTSU大津算法在图像阈值选择中的应用，以及HOG特征和梯度计算在图像处理中的作用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述
在没有深度学习的时候也是可以识别人脸的 ，利用Haar的级联检测

在这里插入图片描述
传统的方式在遮挡严重，倾斜严重，肤色差严重的情况下识别不出来
在这里插入图片描述
这种方式的图像分割还是传统的，利用深度学习可以实现语义分割。
在这里插入图片描述
在这里插入图片描述
关于如何切直方图是很有讲究的，比较著名的方法是OTSU大津算法：https://baike.baidu.com/item/otsu/16252828
在这里插入图片描述
先定义一个区域，然后一点一点往进加，扩大范围，在阈值范围内，就加入，否则，不加入

最低0.47元/天 解锁文章

200万优质内容无限畅学
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 34万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
神经网络的图像识别技术,人工神经网络图像识别
Supermen333的博客
08-29 1874
看到这里，感觉神经网络是不是很神奇，要想让神经网络预测得准确，我们就必须给予大量的数据进行训练模型，优化模型，以至于达到准确识别图像的目的，图像识别作为人工智能的一部分，现在已经慢慢走向成熟，虽然机器也有出错的时候，但是进过不断优化，错误率将会越来越小，相信机器智能或者人工智能时代能够创造出更多智能而美好的东西。深度学习已经深入各个领域无人车，智能回答，智能翻译，天气预报，股票预测，人脸比对，声纹比对，等其他许多有趣的应用，比如智能插画，自动作诗，自动写作文，等都可以通过深度学习来完成。...
未有深度学习之前
Wonderland_ds的博客
09-17 117
本章内容 图像分割 基于阈值、基于边缘 基于区域、基于图论 人脸检测 Haar-like特征+级联分类器 行人检测 HOG + SVM DPM Graph Cuts分割 先取两个种子点 然后建立一个图，图中边的粗细表示对应权值的大小 然后找到权值和最小的边的组合 完成图像分割的功能 K-means 算法流程： 选取k个类中心 计算每个点跟k个类中心的距离 把数据点分配给距离最近的一个类中心 计算新的类中心->对该类中的所有点取均值 满足终止条件后终止迭代 弱分类器和强分
图像检测：未有深度学习之前
qq_45022743的博客
05-05 2195
图像分割 所谓图像分割指的是根据灰度，颜色，纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。经典的数字图像分割算法一般是基于灰度值的两个基本特征之一：不连续性和相似性 传统的图像分割方法 基于阈值的分割方法：阈值法的基本思想是基于一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中。 基于边缘的分割方法：所谓边缘是指图像中的两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续性的
不用深度学习，(行人检测 目标检测 ）基于图像处理的人体粗略估计
matlab_python22的博客
05-28 1232
这是进行粗略估计的 结果 原始的视频是基于yolov5的结果 本文主要采取图像处理的结果 通过观察视频，可以看出小姐姐的肤色腿部很明显 那么根据图像处理的基本常识，首先定位到肤色，基于ycbcr的模型 得到粗略的分割模型 也就是杉树图中的第二幅图 然后对分割的图进行一系列的操作，比如闭运算等，得到第三幅图，并且画出来连通域 通过观察第三幅图的连通域，可以知道很多小的连通域也被标记出来，因此删除了很小的面积的，得到了第四幅图 通过第四幅图，可以看出在上册有一个横幅是在干扰...
不用深度学习，怎么提取图像特征？
AI科技大本营
06-09 556
来源 |小白学视觉头图 |下载于ICphoto图像分类是数据科学中最热门的领域之一，在本文中，我们将分享一些将图像转换为特征向量的技术，可以在每个分类模型中使用。VATboxVATbo...
基于深度学习的舌苔检测毕设 留档.zip
02-19
该项目是关于基于深度学习的舌苔检测的毕业设计，旨在利用人工智能技术，特别是深度学习算法，来实现对中医诊断中的舌苔特征进行自动分析。在中医理论中，舌苔的变化可以反映出人体健康状况，因此这一系统对于医疗...
基于深度学习算法的AI图像视觉检测
可为测控的机器视觉专栏
01-02 2207
什么是深度学习？深度学习是机器学习技术的一个分支，由人工神经网络组成分类识别器。其工作原理是教机器通过实例学习，为神经网络提供特定类型数据的标记示例，然后提取这些示例之间的共同模式，将其转换为包含这些信息的神经网络模型，这有助于对未来获取的信息进行分类。基于深度学习技术的视觉检测，可以实现定位，区分缺陷、字符识别等，在运行过程中，实现模拟人类视觉检测效果。那么到底是什么意思呢？举个例子。如果要为锂电池检测创建视觉检测软件，需要开发一种基于深度学习的算法，并使用必须检测的缺陷示例对其进行训练。
计算机视觉-深度学习图像检测方法梳理
qq_41662991的博客
08-06 9638
计算机视觉-深度学习图像检测方法梳理 由于之后要转方向啦，趁这段时间整理手中硕士研究方向的一些阅读笔记，这是一篇关于计算机视觉的基础知识梳理 先搞清一些小知识点 首先我们要弄清楚图像分类、目标定位、语义分割、实例分割的区别 a. 图像分类 ：给定一张输入图像，图像分类任务旨在判断该图像所属类别； b. 目标定位 :在图像分类的基础上，我们还想知道图像中的目标具体在图像的什么位置，通常是以包围盒的(bounding box)形式； c. 语义分割 ：语义分割是目标检测更进阶的任务，目标检测只需要框出每个目
基于深度学习的核磁共振图像检测癌症模型.zip
03-07
本文将深入探讨“基于深度学习的核磁共振图像检测癌症模型”，这个项目旨在利用先进的深度学习算法来识别和预测核磁共振（MRI）图像中的癌症病变。 核磁共振成像是一种无创、非侵入性的医学诊断技术，能够提供体内...
深度学习应用于眼科糖尿病视网膜病变预测【原论文】
02-25
原Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs 深度学习应用于眼底图眼科糖尿病视网膜病变预测
无需深度学习即可提取图像特征
小白学视觉
06-02 481
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 一、简介图像分类是数据科学中最热门的领域之一，在本文中，我们将分享一些将图像转换为特征向量的技术，...
传统图像检索方法和深度学习图像检索方法
qq_41956697的博客
05-20 3310
最近计算机视觉大作业让比较一下图像检索的各种方法，于是进行了学习： 1.LSH LSH(Locality-Sensitive Hashing)较为官方的理解为：将原始数据空间中的两个相邻数据点通过相同的映射后，这两个数据点在新的数据空间中仍然相邻的概率很大，而不相邻的数据点被映射到同一个桶的概率很小。也就是说，如果我们对原始数据进行一些hash映射后，我们希望原先相邻的两个数据能够被hash到相同的桶内，具有相同的桶号。因此，LSH算法使用的关键是针对某一种相似度计算方法，找到一个具有以上描述特性的hash
日常学习记录——pycharm+tensorflow简单图像识别
weixin_39276221的博客
09-05 2703
使用pycharm+tensorflow实现对bus和taxi数据集进行识别和分类：1 具体实现教程：Python深度学习之图像识别。Win-10 安装 TensorFlow-GPU。深度学习训练自己的数据集（车辆图像识别分类）。1、总结：今天花了很多时间在配置开发环境上面，具体代码实现的时间和开发环境搭建的时间是差不多的。2、标记：目前只是对bus和taxi进行了二分类识别的情况。
【数字图像处理课程设计】基于非深度学习方法实现身份证定位与正反面识别
Yann的博客
01-15 5916
文章目录基于透视矫正与区域特征匹配的身份证图像定位与正反面识别摘要实现细节1.总体流程2.前景背景分割3.身份证角点定位4.透视变换5.模板匹配5.1 基于区域颜色匹配的国徽检测5.2 基于区域字符数统计的身份ID检测5.3 基于排版布局匹配的身份证正反面识别6.算法优化(基于视频流检测)6.1 面向识别算法的优化6.2 面向透视矫正算法的优化Github链接自取 基于透视矫正与区域特征匹配的身份证图像定位与正反面识别 摘要 ​ 本次课程设计基于Python 开源计算机视觉库OpenCV实现了一种通用的基于
SAR图像识别技术的深入解析与实际应用
最新发布
weixin_42560991的博客
05-06 1166
合成孔径雷达(Synthetic Aperture Radar, SAR)图像识别是一项在遥感技术领域中应用广泛的技术。SAR图像识别.zip是一个包含理论基础、图像获取、处理技术、二进制数据转换、特征提取和模型构建等多个环节的系统过程。通过分析和理解这些环节的理论基础和应用实践，可以深入探讨如何从SAR图像中提取有价值的信息。通过这个案例，我们可以总结出以下经验：选择合适的工具和库：对于SAR图像数据的处理，选择像GDAL这样的成熟库，可以大大简化开发过程，并保证数据处理的准确性。
图像的特征提取（非深度学习方法）
热门推荐
Assure_zhang的博客
05-29 3万+
图像识别无非是 特征提取 加分类识别从本节开始， 我们将逐步从数字图像处理向图像识别过渡。 严格地说， 图像特征提取属于图像分析的范畴， 是数字图像处理的高级阶段， 同时也是图像识别的开始。本文主要包括以下内容常用的基本统计特征， 如周长、面积、均值等区域描绘子， 以及直方图和灰度共现矩阵等纹理描绘子主成份分析(PCA, PrincipaJ Component Analysis)局部二进制模式(L...
非深度学习的图像分割及人脸检测
w1nd_的博客
05-27 1384
Day43非深度学习的图像分割及人脸检测图像分割基于阈值、边缘基于区域、图论分水岭算法Graph CutsGrabCut人脸检测Haar-like特征+级联分类器行人检测HOG+SVMDPM 非深度学习的图像分割及人脸检测 图像分割 基于阈值、边缘 基于区域、图论 分水岭算法 Graph Cuts GrabCut 人脸检测 Haar-like特征+级联分类器 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210
我从非科班转到图像算法工程师（图像识别、机器学习、深度学习）(3个月)的经历
Dontla的博客
09-01 2万+
浅谈我从非科班转到算法工程师3个月的经历   应@王子瑞/Aliloke邀请，我来谈谈我从非科班转行到算法工程师的经历吧。 首先，我对算法这块的理解是非常的肤浅的，因为我接触这块也就三个多月的时间，说起来为何当上算法工程师，其中还真有些机缘巧合。   我2015年从南理工机械工程专业毕业，毕业后在南京待了近两年，从事机械、气动方面工作，后想着离家太远，自己的事业发展也一般，遂回家。回家后自己在家开...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值