文中讨论了二维仿射变换的平移、旋转和缩放等特性。对可见光波段和红外波段图像采
用基于特征的配准,以边界作为特征进行相关运算,求出边界对应位置的关系,建立仿射变换模型,
按照最大相关原则自适应确定最佳配准参数k 、θ、Δx 和Δy ,能够实现图像的自动配准。并利用实
际可见光与红外图像给出了运用仿射变换模型的实验结果,表明该模型可有效解决图像配准中的
平移、旋转和缩放
2021-04-10 08:40:42
122KB
1
为了进一步改善自适应算法收敛速度和稳态偏差的性能，在对仿射组合滤波器自适应算法性能分析的基础上，提出了一种新的组合参数更新公式，该更新公式中的固定系数改为与子滤波器输出相关的函数，使仿射组合自适应滤波算法可以更好地实时跟踪子滤波器的性能变化。仿真结果表明，基于新组合参数更新公式的仿射组合自适应滤波算法与基于理想组合参数更新公式的仿射组合自适应滤波算法性能一致，同时具有快的收敛速度和低的稳态偏差，且对子滤波器步长变化具有良好的跟踪性能。
2021-04-06 15:40:51
385KB
1
mtcnn对齐facenet部署
项目简介
本项目参考了bubbliiiing的和两个工程，在此对作者表示感谢！
这两个工程都是keras模型，所提供的模型文件都只有权重没有网络结构，我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件。某个原始先只有权重的模型文件pnet.h5 ，生成包含网络结构和权重的模型文件PNET.h5 。接着用keras2onnx工具把它（ PNET.h5 ）转换成onnx模型pnet.onnx ，其他胶水部分的逻辑没什么变化。具体的转换代码请参考keras_onnx.py文件。
另外我还尝试了将keras h5模型转成tensorflow pb模型，具体代码请参考h5_to_pb.py文件。需要注意的是：每个tensorflow PB请模型单独执行h5_to_pb.py脚本生成。 （每次修改weight_file参数）
如果你想简单地测试一下mt
2021-03-31 01:46:32
2.53MB
1