weixin_43631804的博客

因为代码偏弱，我迫切想要针对图像识别各个模块进行进步，kaggle是一个很好的学习代码比赛，里面会分享很多参赛者的思路，甚至有机会可能学习到其代码和具体实现方法！这周学习的内容，我同样找到了一个农作物的识别比赛，上面针对医学识别和农作物识别还是挺多的，在这里我将记录一下作者的一些想法，方便我后期的学习和使用。用subcenter-arcface代替cross-entropy loss。（最近针对图像的swin模型确实很好，有很大的发展空间！这边的话就是增加公共数据集来提高精度。(粗体是我要看的模型)

因为代码偏弱，我迫切想要针对图像识别各个模块进行进步，kaggle是一个很好的学习代码比赛，里面会分享很多参赛者的思路，甚至有机会可能学习到其代码和具体实现方法！！！这周学习的内容，我找到了一个农作物的识别比赛，但是服务器所需配置貌似很高，到时候我得实验一下看看能否正常运行，在这里我将记录一下作者的一些想法，方便我后期的学习和使用。

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【从本章节开始由董秋雷老师为我们讲述相关知识】【本章节内容针对视觉跟踪进行讲解】接下来我们将主要针对以下内容进行介绍：目标跟踪 模板匹配法 基于Kalman滤波器的跟踪方法 基于相关滤波的跟踪方法 基于CNN的跟踪方法 视觉定位 基于Kalman滤波器的定位方法 基于关键帧的定位方法运动分析的一般流程Tracki...

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【从本章节开始由董秋雷老师为我们讲述相关知识】【本章节内容针对运动分析进行讲解】接下来我们将主要针对以下内容进行介绍：• AdaBoost • 基于DNN的物体检测目标检测 研究目标：自动确定目标在图像中的位置和类别。• 常规的目标检测方法 –AdaBoost • 基于DNN的目标检测方法 –RCNN系列 –YOLO系列A

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【从本章节开始由董秋雷老师为我们讲述相关知识】【本章节内容针对运动分析进行讲解】接下来我们将主要针对以下内容进行介绍：•混合高斯模型 • 光流 • 帧间差分 运动分析的定义：在不需要人为干预 的情况下，综合利用计算机视觉、模式识别、图像处理、人工智能等诸多方面的知识对摄像机拍录的图像序列进行自动分析，实现对动态场景中人的定位、跟踪和识别， 并在此基础上分析..

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【从本章节开始由申抒含老师为我们讲述相关知识】【本章节内容针对立体视觉与三维建模进行讲解】接下来我们将主要针对以下内容进行介绍：• 视差（Disparity）与深度（Depth） • 立体视觉（Stereo） • 多视图立体重建（Multiple View Stereo）...

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【从本章节开始由申抒含老师为我们讲述相关知识】【本章节内容针对相机标定与稀疏重建进行讲解】接下来我们将主要针对以下内容进行介绍：• 三角化：已知x、K、R、t，求X • 相机标定：已知x、X，求K、R、t • 姿态估计：已知x、X 、K ，求R、t • 稀疏重建：已知x，求K、R、t、X • 重投影误差最小化 • 通过线性方法求解初始

【本学期选修国科大计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【从本章节开始由申抒含老师为我们讲述相关知识】【本章节内容针对相机模型和多视几何进行讲解】接下来我们将主要针对以下内容进行介绍：射影空间小孔相机成像模型基本矩阵F，如8点法等一. 计算机视觉发展历史从Marr最开始的图像处理到Hinton提出深度学习，甚至延续到现在，也就40年的时间，也就意味着计算机视觉此时只是处于一种前期发展，更需要人们去投入心思发现其奇

【本学期选修国科大高伟老师的计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【本章节内容针对图像分割进行讲解】因为上篇已经介绍了早期的图像分割方法和基于特定理论的方法，这章节我将详细介绍基于深度神经网络的图像分割 ：FCN、SegNet、R-CNN首先我们先介绍相应的基础内容：一般视觉方面的用途包括分割、分类等等，如下图【左图只考虑像素来进行分类，右图对多个对象进行分类，并且设置不同的方框来划分】语义分割思想:滑动窗口

【本学期选修国科大高伟老师的计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【本章节内容针对图像分割进行讲解】接下来我们将主要针对以下内容进行介绍：早期的图像分割方法 基于特定理论的方法 ：Mean Shift 、Normalized Cut、Graph Cut 基于深度神经网络的图像分割 ：FCN、SegNet、R-CNN一.早期图像分割方法：1. 阈值法* 2. 区域生长法 3. 分裂合并法 4. 基于边缘

【本学期选修国科大高伟老师的计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】【本章节内容针对特征点提取、描述与匹配进行讲解】SIFT特征点检测其性质：• 不变性 对图像的旋转和尺度变化具有不变性 对三维视角变化和光照变化具有很强的适应性 局部特征，在遮挡和场景杂乱时仍保持不变性 • 辨别力强 特征之间相互区分的能力强，有利于匹配 • 数量较多 一般500×500的图像能提取出约2000个特征点 •...

随着时间的推移，计算机视觉的魅力不断展现，包括各类模型我们都可以直接进行网上下载，但是往往我们就会忽略了模型的一些细节所在，正好在课程学习中老师提及这块内容，我觉得很有必要记录下来给大家借鉴学习，借此我将针对LeNet-5这个第一个卷积神经网络进行相关介绍。【相关论文可查阅：Y. Lecun, L. Bottou, Y. Bengio and P. Haffner, "Gradient-based learning applied to document recognition," in Pro

【基础翻译自：Attention Mechanism For Image Caption Generation in Python 借鉴于：Python中图像标题生成的注意机制实战教程_Together_CZ的博客-优快云博客】该文内容主要是针对图像描绘从最基础的baseline:NIC模型开始到引出Attention，并且与Transformer模型进行性能比对，在源内容上进行拓展以及更新。主要针对学期大作业内容进行讲解。任务定义：图像描述是结合了计算机视觉和自然语言处理两个研究..