针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第2个残差块中增加2个残差单元。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的YOLO V3算法和原YOLO V3算法在VEDAI数据集上进行对比实验,结果表明改进后的YOLO V3算法能有效检测小目标,对小目标的召回率和检测的平均准确率均值都有明显的提升。

基于机器视觉的学习环境及状态监测装置.pdf

Computer Vision: Algorithms and Applications 机器视觉算法与应用 作者Richard Szeliski 2010 文字版，可编辑

1 python开发环境搭建，2 python基础语法，3 矩阵，4 算法：降维，5 导入数据，6 类别的数据统计，7 数据标准化归一化，8 OverSampled和UnderSampled，9 UnderSampled划分训练集、验证集、测试，10 训练的目的是什么，11 导入机器学习相关的库，12 交叉验证，.........30 把数据写入文件

这个是张静翻译的的那本《OpenCV2计算机视觉编程手册》中的所有源代码，以案例的形式介绍OpenCV 2.X的新特性和C++新接口，案例中包含具体的代码与详细的说明。非常棒的书，这里给大家上传代码。

国外官网上下的yolov3.weights权重，容易的断，不太好下，好不容易下载成功，230多兆，有需要的朋友可以下载。

《数字图像处理与机器视觉 Visual C++与Matlab实现》配套CD中的内容 《数字图像处理与机器视觉 Visual C++与Matlab实现》配套CD中的内容

针对长短时记忆网络(LSTM)不能有效地提取动作前后之间相互关联的信息导致行为识别率偏低的问题,提出了一种基于Bi-LSTM-Attention模型的人体行为识别算法。该算法首先从每个视频中提取20帧图像,通过Inceptionv3模型提取图像中的深层特征,然后构建向前和向后的Bi-LSTM神经网络学习特征向量中的时序信息,接着利用注意力机制自适应地感知对识别结果有较大影响的网络权重,使模型能够根据行为的前后关系实现更精确的识别,最后通过一层全连接层连接Softmax分类器并对视频进行分类。通过Action Youtobe和KTH人体行为数据集与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别率。

HALCON机器视觉课件

在光学设计阶段，公差的分配直接影响着镜头加工的成本以及镜头的实际成像效果，因此在设计过程中考虑现有工艺基础，对镜头的公差灵敏度加以控制是设计过程中的一个重要环节。根据镜头几何像差理论，结合Zemax软件设计了一款大孔径高清工业短焦镜头。通过软件公差分析算法可知，镜头后组公差灵敏度过高。通过编写的特殊光线追迹程序，分析得出光学系统中敏感面产生公差较为严格的原因。针对孔径角和高级像差变化的关系，提出了设置最优化光线孔径角的方法，有效地控制了公差的灵敏度。