https://blog.csdn.net/weixin_46291251/article/details/117996591
文章对应的代码以及所需要的依赖文件
2022-03-16 15:37:55
150KB
1
水位线检测
sjtu中计算机视觉课程的家庭作业和最终项目（水位线检测）。
最终项目
检测并计算图像的水位线。
结果显示在./final/result文件夹中。 所有检测到的字母“ E”都包含在框架中。 红色的帧被滤除。 图像中有两条线，一条是水位线，另一条是根据检测到的“ E”拟合的线。
算法
字母“ E”的检测
猪特征提取和svm分类器
不同规模的不同分类器
检测水位线
使用grabCut可以大致获得标尺的位置
提取下轮廓以适合线条
水位线计算
预处理检测到的“ E”，包括筛选出错误的，重叠的“ E”，以补充丢失的“ E”。
选择检测到的框架的中心以适合一条线，然后计算该线与水位线的交点。
其他
仿射变换将应用于获得正常的“ E”。
作业1：形态
基本形态运算的执行
编写自己的形态扩展和腐蚀操作实现。 您的程序应输入一个二进制图像（请参见附件的“ lena-binary.bmp”文件
2022-03-16 10:52:00
38.73MB
1
matlab开发-Voigtfuntcionapproximation Humlicekregion1。此代码近似于困难的Humlick区域3和4中的Voigt函数。
2022-03-13 14:09:38
2KB
1
带有OpenCV和CUDA的动手GPU加速计算机视觉
Packt发布的具有OpenCV和CUDA的动手GPU加速计算机视觉
这是Packt发布的的代码存储库。
**使用GPU实时处理复杂图像数据的有效技术**
这本书是关于什么的？
计算机视觉已在各行各业发生了革命性变化，OpenCV是计算机视觉中使用最广泛的工具，它能够以多种编程语言工作。 如今，在计算机视觉中，需要实时处理大图像，这对于OpenCV本身很难处理。 这就是CUDA发挥作用的地方，它使OpenCV可以利用功能强大的NVDIA GPU。 本书详细介绍了将OpenCV与CUDA集成以用于实际应用。
本书涵盖了以下令人兴奋的功能：了解如何从CUDA程序访问GPU设备的属性和功能
了解如何加快搜索和排序算法
检测图像中的线条和圆形等形状
使用算法探索对象跟踪和检测
在Jetson TX1中使用不同的视频分析技术处理视频
从P
2022-03-12 16:05:35
23.77MB
1
OpenSet_ReciprocalPoints
开源，重新实现已发布的ECCV '20关于互认点的论文，以实现开放集识别。 截至2020年10月，本文是开放式识别的最新技术。
正在进行代码清理； 测试集上的结果将很快更新。
与论文作者确认此实现是正确的。 使用作者的数据加载器，该实现实际上超过了tiny-imagenet上已发布的性能。 使用我自己的数据加载器，结果略低于发布的性能（数据拆分有所不同，所以这可能是原因）。
我还在这两个数据集上运行了标准的深度学习基准。 实际上，我发现当前的公开文献低估了基线； 当前的文献报道的基线数字比我用自己的代码获得的数字低得多。 这可能表明，开放集识别的进度比看起来要温和得多。
方法
CIFAR + 10
微型Imagenet
公布的基准
81.6％
57.7％
我对基准的实施
89.24％（价值）
66.35％（价值）
我对
2022-03-12 13:48:32
24KB
1
移动机器人路径规划技术是机器人研究领域中的核心技术之一。通过对全局路径规划和局部路径规划中各种方法的分析，指出了各种方法的优点和不足以及改进的办法，并对移动机器人路径规划技术的发展趋势进行了展望。
2022-03-11 10:19:31
141KB
1
Opencv3.4.7 python3.7在linux环境下的whl安装包。。 ，。
2022-03-09 10:10:33
27.4MB
1
机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度。
2022-03-08 23:51:45
139KB
1
介绍如何创建优化Pytorch/onnx C++部署框架，如果用英伟达的显卡加速（CUDA/TensorRT）模型的推理，如何在产品中应用。在此课程中会定义统一的借口，可以加载各种onnx模型，最主要的是如何在部署的时候避坑。
2022-03-08 21:18:22
1KB
1