计算机视觉方向面试宝典

1、imshow展示图像大小随意调整 2、常规图形检测实例 3、检测图形轮廓demo 4、检测多个轮廓取轮廓拟合，取最小能包围住物体的轮廓 5、边缘检测，梯度算法

Linux创始人LinusTorvalds有一句名言：Talk is cheap, Show me the code.（冗谈不够，放码过来！）。 代码阅读是从入门到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。 YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。 YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。 本课程将解析YOLOv3的实现原理和源码，具体内容包括：      YOLO目标检测原理       神经网络及Darknet的C语言实现，尤其是反向传播的梯度求解和误差计算      代码阅读工具及方法      深度学习计算的利器：BLAS和GEMM      GPU的CUDA编程方法及在Darknet的应用      YOLOv3的程序流程及各层的源码解析本课程将提供注释后的Darknet的源码程序文件。 除本课程《YOLOv3目标检测：原理与源码解析》外，

opencv android sdk

Abstract Most image completion methods produce only one result for each masked input, although there may be many reasonable possibilities. In this paper, we present an approach for pluralistic image completion – the task of generating multiple and diverse plausible solutions for image completion. A major challenge faced by learning-based approaches is that usually only one ground truth training instance per label. As such, sampling from conditional VAEs still leads to minimal diversity. To overcome this, we propose a novel and probabilistically principled framework with two parallel paths. One is a reconstructive path that utilizes the only one given ground truth to get prior distribution of missing parts and rebuild the original image from this distribution. The other is a generative path for which the conditional prior is coupled to the distribution obtained in the reconstructive path. Both are supported by GANs. We also introduce a new short+long term attention layer that exploits distant relations among decoder and encoder features, improving appearance consistency. When tested on datasets with buildings (Paris), faces (CelebA-HQ), and natural images (ImageNet), our method not only generated higherquality completion results, but also with multiple and diverse plausible outputs.

本课程系列是OpenCV中国团队推出的OpenCV官方英文课程的授权中文版，主要内容来自官方课程。OpenCV中国团队对英文内容进行了中文化和改造，以更适于中国学员。 本课程系列分两部分，OpenCV课程I（基础）和 OpenCV课程II（应用），特别是嵌入式开发。课程将按星期更新，每个星期发布新的一章内容。这个课程是一个重视实训环节的课程，有大量实例供练习。学员完成课程学习并提交全部作业后，将获得由OpenCV中国团队颁发的培训证书。 OpenCV中国团队是一个非营利组织，致力OpenCV的开发、维护和推广。本课程仅以官方英文课程1/3的价格提供，课程收入将用于支付版权费、平台费和其他成本，以及支持OpenCV中国团队持续创建优质课程。

python红绿灯检测opencv识别红绿灯信号灯检测 效果简介：https://blog.csdn.net/xifenglie123321/article/details/124653316

目标检测-RCNN.pptx 图像识别（classification）： 输入：图片 输出：物体的类别 评估方法：准确率 定位（localization）： 输入：图片 输出：方框在图片中的位置（x,y,w,h） 评估方法：检测评价函数 intersection-over-union ( IOU ) 卷积神经网络CNN已经帮我们完成了图像识别（判定是猫还是狗）的任务了，我们只需要添加一些额外的功能来完成定位任务即可 物体检测需要定位出物体的bounding box，就像下面的图片一样，我们不仅要定位出车辆的bounding box 我们还要识别出bounding box 里面的物体就是车辆。对于bounding box的定位精度，有一个很重要的概念，因为我们算法不可能百分百跟人工标注的数据完全匹配，因此就存在一个定位精度评价公式：IOU

TruthEyeTool 比软好的opencv深度学习软件 比VIDI deepmind优秀 主要是功能模块都有，适合学习研究

Opencv项目中人脸识别模型文件