【AI科技大本营导读】目前，计算机视觉是深度学习领域最热门的研究领域之一。计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学），生物学（神经科学）和心理学（认知科学）等等。许多科学家认为，计算机视觉为人工智能的发展开拓了道路。那么什么是计算机视觉呢？这里给出了几个比较严谨的定义：“对图像中的客观对象构建明确而有意义的描述”（Ballard＆Brown，1982）“从一个或多个数字图像中计算三维世界的特性”（Trucco＆Verri，1998）“基于感知图像做出对客观

关于近几年计算机视觉的发展概述，首先勾勒出一些基本的特征提取方法，然后介绍那些臭名昭着的深度神经网络。接下来，我们继续进行基于梯度直方图的特征提取和匹配 - 它们构建了许多任务的基础，例如目标实例检测和图像检索。然后，我们引入基于滑动窗口技术的目标检测，例如，适用于人脸和行人检测。它遵循图像处理技术的处理 - 分割和形态处理 - 以及形状识别技术。我们概述了基本的跟踪方法 - 针对区域和运动的物体。我们以对视频监控，车载视觉系统和遥感的调查结尾。这些方法在Matlab中进行了探索，并提供了足够的代码片段来立即探索所有这些概念; Python代码部分提供。可以在没有任何特定先决条件的情况下遵循注释，但是懂得线性代数，信号处理和模式识别的基本知识具有很大的优势。

均匀阵列方向图的matlab源代码玉米博士的计算机视觉资源概述 玉米博士项目对玉米中的真菌病原体进行成像，以测量病原体的行为和相互作用。 为此，在此分析任务的管道中开发了许多自动计算机视觉方法。 CV功能包括表面估计，图像/堆栈分割（细胞，真菌，气Kong，孢子），骨架化和定量测量计算。 这些工具可通过可免费下载和运行的源代码获得，也可通过包含安装程序和运行所需组件的每个组件的打包发行版获得。 许可和访问 DrMaize CV代码是根据GNU GPLv3开源许可证发布的。 源代码在GitHub上发布： 依赖关系因每个模块而异，并在各自的部分中列出，但是在将来的更新中，我们将与Docker一起发布。 可运行的可执行文件和安装程序在GitHub上可用： 深度学习权重和模型也可以在GitHub上获得： 斐济ImageJ可以找到： 表面估计 表面估计是获取3D堆栈并从上方为2D视图中的每个像素查找表面深度的过程。 这样可以量化病原体的深度和量化植物表面的特征（例如，气Kong分割和位置）。 我们使用主动轮廓/蛇优化和统一初始化的控制点来执行此操作。 它是在Matlab 2017中开发的，最近在

图像目标检测是找出图像中感兴趣的目标，并确定他们的类别和位置，是当前计算机视觉领域的研究热点。近年来，由于深度学习在图像分类方面的准确度明显提高，基于深度学习的图像目标检测模型逐渐成为主流。首先介绍了图像目标检测模型中常用的卷积神经网络；然后，重点从候选区域、回归和anchor-free方法的角度对现有经典的图像目标检测模型进行综述；最后，根据在公共数据集上的检测结果分析模型的优势和缺点，总结了图像目标检测研究中存在的问题并对未来发展做出展望。

使用网络摄像头和图像处理解码摩尔斯电码闪烁的LED。

海康工业相机自带软件包

从过境车辆图片或视频中提取7014、4204、1223、1225、4010、6038等交通违法。 10万过境车可提取约2000违法车辆，使用英伟达独立显卡，10万记录一小时左右识别完。 识别完成后，软件会把提取到的图片按违法代码分类存在不同的文件夹。 后期用违法录入软件一键导入即可上传到交警集成指挥平台。 注意：电脑要配备英伟达显卡，并安装最新显卡驱动。

基于计算机视觉的手势识别系统研究_周航.caj

课程分为两条主线： 1 从Tensorflow的基础知识开始，全面介绍Tensorflow和Keras相关内容。通过大量实战，掌握Tensorflow和Keras经常用到的各种建模方式，参数优化方法，自定义参数和模型的手段，以及对训练结果评估与分析的技巧。 2 从机器学习基础算法开始，然后进入到图像分类领域，使用MNIST手写数据集和CIFAR10图像数据集，从简单神经网络到深度神经网络，再到卷积神经网络，最终完成复杂模型：残差网络的搭建。完成这条主线，学员将可以自如地使用机器学习的手段来达到图像分类的目的。

2016年64k intro世界编程大赛作品-费米悖论（fermi-paradox），实测360会报警，但没有问题。转载自http://mercury.sexy/。有兴趣的同志可以看看，很震撼。