PR曲线与ROC曲线都是机器学习中性能评估的重要指标，本文主要讲这两个曲线。预备知识熟悉基础定义TP, FN, FP, TN。理解主要评估指标概念机器学习-基础知识 - Precision, Recall, Sensitivity, Specificity, Accuracy, FNR, FPR, TPR, TNR, F1 Score, Balanced F Score等。示例数据 样本
0、所需了解的知识数据集数据集的类别已有不需要另外指定，这是因为在读取之前已有数据集的时候，数据集中就会包含了许多数据，其中结构如下：包括类别序号以及类别名字预训练模型或者模型 预训练模型也有了基本的参数，如下所示：训练集、验证集以及测试集的区别： 一般会认为训练集、验证集以及测试集没有很大区别，但是在halcon由于比较固定和标准，所以三者的作用是区分开来的，比如：训练集：用来对模型的数据进行训
转载
2024-03-20 13:40:18
123阅读
这个问答来源于知乎，本文摘抄如下。问题：感觉已经饱和了，很难再出顶级算法的样子。我所指的饱和是说围绕目标检测感觉没有什么好文章能发出来了，现有算法很难在短时间有突破了。想请教大家有什么好做的点子么？回答：饱和是相对于占坑来说的，对于去探索未来踩坑来说，目标检测还远远没有达到饱和的地步。只是说想发简单的好论文越来越难了，并不是说不会有什么突破了。单就检测来说，2018年顶会出的目标检测论文也并不算少
转载
2024-08-18 13:48:53
18阅读
一直以来，对于手眼标定所涉及到的坐标系及坐标系之间的转换关系都没能有一个很好的理解，最近找了halcon手眼标定的实例在研究，发现对于相机的两种安装方式（眼在手和眼在手外），其坐标转换关系是类似的，这样说好像太抽象了，下面具体说说。我觉得标定最基本的是要将坐标系理清楚，这里涉及到的坐标系有四个：机器人基坐标系base、法兰上的工具坐标系tool、相机坐标系camera和标定板坐标系cal；此外，涉
转载
2024-09-13 06:45:20
50阅读
过程： 反向投影，meanShift算法，camShift算法。简要概述：基于颜色分布的目标跟踪（需将RGB空间转到HSV空间，利用H分量计算） 反向投影：利用直方图，求输入图中对应像素在目标图中的概率（出现次数频率），作为输出图对应像素的值。 meanShift算法：均值漂移，知道收敛到设定值。  
R-CNN： Region with CNN feature，是一个双阶段目标检测算法系列。 内容基于 b站霹雳吧啦Wz 博主，讲的很好，这里只是做简要总结。R-CNN：只有Feature extraction是CNN，其他是传统的机器学习方法。关键步骤：SS得到约2k个候选区域将约2k个候选区域分别使用AlexNet提特征，将提的特征用SVM做分类（假设分类20类，即voc数据集的类别数）。然后
转载
2024-09-24 19:28:19
97阅读
这几天学习了目标检测/R-CNN/SPP-Net/Fast R-CNN/Faster-R CNN这几个框架， 想做点笔记加深印象，如有理解错误，请指出，Thanks！目标检测主要有两个任务：定位图片中的物体识别物体的类别故目标检测是一个定位 + 分类的任务，比图像分类更有难度。 传统的目标检测大体流程可以表示如下： 随着深度学习的兴起，以及CNN所表现出的强大的视觉处理性能，目标检测也有传统方法想
转载
2024-05-23 22:29:46
14阅读
一、理论为什么要进行单相机标定？广义：畸变矫正和一维和二维测量畸变矫正： 在几何光学和阴极射线管(CRT)显示中。畸变是对直线投影的一种偏移。简单来说直线投影是场景内的一条直线投影到图片上也保持为一条直线。那畸变简单来说就是一条直线投影到图片上不能保持为一条直线了。这是一种光学畸变（optical aberration）。畸变是一种相差，可能
1、先看程序read_image (Image, 'D:/like/model1_src1.jpg')
regiongrowing (Image, Regions, 3, 3, 1, 500)
area_center_gray (Regions, Image, Area, Row, Column)
cooc_feature_image (Regions, Image, 6, 0, Energy,
转载
2024-10-29 11:42:26
110阅读
论文地址：https://arxiv.org/pdf/2106.08322.pdf目录1、动机2、方法2.1、整体描述2.2、Dynamic Head: Unifying with Attentions2.3、泛化到已有检测器2.4、与其他注意力机制的关系3、实验结果1、动机在目标检测方法中，由于分类和定位组合的复杂性，产生了多种多样的算法。这些算法尝试在检测heads上提升性能，不过它们缺乏一种
转载
2024-04-29 14:22:42
84阅读
HALCON 20.11：深度学习笔记(5)---设置超参数HALCON 20.11.0.0中，实现了深度学习方法。关于超参数的有关设置内容如下：不同的DL方法被设计用于不同的任务，它们的构建方式也会有所不同。它们都有一个共同点，即在模型的训练过程中都面临着一个最小化问题。训练网络或子网络，一个目标是努力使适当的损失函数最小化，参见“网络和训练过程”一节。为此，有一组进一步的参数，这些参数是在开始
目标检测论文阅读：Trident Networks论文链接：https://arxiv.org/abs/1901.01892 代码链接：预计本月公开 这周来介绍一下王乃岩大神团队比较新的一个成果。我在他的专栏中看到了这篇文章后，很感兴趣，看了之后，感觉有很多值得注意的点，方法比较直接、效果很好，对目标检测中的尺度问题比较关注的推荐亲自去看一下。1. Background尺度问题一直是目标检测领域比
转载
2024-04-15 23:09:50
128阅读
一、点击选项卡：---助手--创建新的calibration，可以设置自己的摄相机参数。二、选择描述文件,cpd文件，就是选择你所需要的标定板的尺寸样式。如果没有你想使用的标定板，可以通过生成标定板函数进行创建自定义的标定板文件：打开程序窗口，添加以下代码gen_caltab(::XNum,YNum,MarkDist,DiameterRatio,CalTabDescrFile,CalTabPSFi
转载
2024-03-29 19:11:40
669阅读
halcon深度学习1.halcon目标检测总工作流程:准备工作开始训练 1.halcon目标检测总工作流程:*
* 深度学习目标检测工作流程:
*
* This example demonstrates the overall workflow for
* object detection based on deep learning, using axis-aligned boundin
转载
2024-06-24 05:56:29
42阅读
论文提出anchor-free和proposal-free的one-stage的目标检测算法FCOS，不再需要anchor相关的的超参数，在目前流行的逐像素(per-pixel)预测方法上进行目标检测，根据实验结果来看，FCOS能够与主流的检测算法相比较，达到SOTA，为后面的大热的anchor-free方法提供了很好的参考 论文: FCOS: Fully Convolutional One-
转载
2024-08-09 10:58:56
49阅读
继续上一篇RCNN之后，继续介绍FAST-RCNN, 因为RCNN虽然实现了bbox的预测，但是非常缓慢，存在大量的重复运算。fast-rcnn就是在rcnn基础上进行的改进。 改进：Fast RCNN方法解决了RCNN方法三个问题：问题一：测试慢 RCNN一张图像内候选框之间大量重叠，提取特征操作冗余。 本文将整张图像归一化后直接送入深度网络。在邻接时，才加入候
转载
2024-08-12 11:49:11
98阅读
目标检测作为计算机视觉领域的顶梁柱，不仅可以独立完成车辆、商品、缺陷检测等任务，也是人脸识别、视频分析、以图搜图等复合技术的核心模块，在自动驾驶、工业视觉、安防交通等领域的商业价值有目共睹。正因如此，YOLOv5、YOLOX、PP-YOLOE、PP-PicoDet等优秀算法层出不穷，各有优劣侧重。而在当前云、边、端多场景协同的产业大趋势下，运行速度、模型计算量、模型格式转化、硬件适配、统一部署方案
转载
2024-04-28 10:01:26
99阅读
之前作者用滑动窗口和HOG来进行船体监测，在开放水域和港湾取得了不错的成绩，但是对于不一致的复杂背景，这个方法的性能会下降。为了解决这个缺点，作者使用YOLO作为物体检测的流水线，这个方法相比于HOG提高了对背景的辨别力，并且可以快速的在不同尺度和多样传感器上进行快速检测。ReviewImageNet上的目标检测和卫星图像上的检测有以下四个方面的不同：1.卫星图像的目标检测通常都很小（~20像
目录目标分割介绍图像分割的定义任务类型任务描述任务类型常用的开源数据集VOC数据集城市风光Cityscapes数据集评价指标像素精度平均像素精度平均交并比总结 目标分割介绍学习目标知道图像分割的目的知道图像分割的任务类型知道图像分割的常见数据集知道图像分割的评估方法计算机视觉旨在识别和理解图像中的内容，包含三大基本任务：图像分类(图a)、目标检测(图b)和图像分割,其中图像分割又可分为：语义分割
转载
2024-03-28 09:41:07
231阅读
# Halcon目标检测深度学习
随着人工智能和深度学习的快速发展，目标检测已经成为计算机视觉领域的重要任务之一。Halcon作为一款强大的视觉处理软件，提供了丰富的图像处理和分析功能，也可以结合深度学习进行目标检测。
## Halcon简介
Halcon是一款由MVTec Software GmbH开发的专业视觉处理软件，被广泛应用于工业自动化、质量控制和机器视觉等领域。Halcon提供了
原创
2023-12-20 06:43:43
686阅读
