最近在实验室里遇到了一个问题，就是在有一张轮廓二值图的情况下，如何才能将轮廓进行细化，得到轮廓的骨架。效果如图：可以看到，右边图中的数字变瘦了，这就是细化算法的作用下面我们来讲一下，Thining-Algorithm的算法原理。一、八领域我们先来介绍一下，八领域这一个概念p9p2p3p8p1p4p7p6p5 如图，八领域是指包围了中心P1像素的八个像素点。在很多图像处理算法中，八领域的这
转载
2023-12-29 17:46:08
178阅读
CNN图像语义分割基本上是这个套路：下采样+上采样：Convlution + Deconvlution／Resize 多尺度特征融合：特征逐点相加／特征channel维度拼接 获得像素级别的segement map：对每一个像素点进行判断类别即使是更复杂的DeepLab v3+依然也是这个基本套路。图13 DeepLab v3+Image Segmentation（图像分割）网络...
转载
2021-08-30 14:45:54
1787阅读
# 深度学习图像细化算法的实现指南
深度学习在图像处理中的应用越来越广泛，而图像细化是提高图像质量和可视化效果的重要步骤。本文将带领刚入行的小白通过详细的步骤和代码，了解如何实现深度学习图像细化算法。
## 总体流程
在开始之前，我们先梳理一下实现深度学习图像细化算法的整体流程。以下是每个步骤的介绍。
| 步骤 | 描述 |
|------|------|
| 1 | 数据准备：收集
图像锐化的主要目的有两个：一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分析奠定基础。图像锐化一般有两种方法：一是微分法，二是高通滤波法。高通滤波法的工作原理和低通滤波相似，这里不再赘述。下面主要介绍
转载
2024-05-14 16:39:18
111阅读
目录前言一、经典的深度补全算法(2018-2019)1.Deep Depth Completion of a Single RGB-D Image2.Indoor Depth Completion with Boundary Consistency and Self-Attention3.Disocclusion Handling Using Depth-Based Inpainting二、近几年
将多张图片组合成一张新的图片，特别要注意协调好合成后图片的色调、环境、光感等 所谓图片合成，大致的意思就是将处于不同环境不同光照等各种不同条件下的多张图片组合成一张新的图片，当然也可以是各张图片中的某个部分的组合。 在此过程中特别要注意协调好合成图片的色调、所处环境、光感、光照位置，使合成后的图片看上去仍然是个自然、和谐的整体。 今天我们做的这个例子就是将鼠标和汽车的图片制作为一张
转载
2023-07-05 09:46:20
0阅读
java 深度学习方法是一个技术挑战，而在应对这一挑战的过程中，我总结了环境预检、部署架构、安装过程、依赖管理、安全加固和扩展部署等多个环节，为更多的开发者提供指导。
## 环境预检
首先，我们在进行深度学习的项目时，必须先对硬件配置进行预检。以下是针对项目的硬件配置表格：
| 硬件组件 | 最低要求 | 推荐配置 |
|------------
含有单片机的电子产品在量产的时候会用到.hex文件或者.bin。hex是十六进制的，包含地址信息和数据信息，而bin文件是二进制的，只有数据而不包含地址。任何文件都有一定的格式规范，hex文件同样具有完整的格式规范。今天和大家分享一下，hex是如何解析的。一、hex文件解析hex文件可以通过UltraEdit、Notepad++、记事本等工具打开，用Notepad++打开之后会看到如下数据内容。使
在预处理之后，接下来就要进行码字提取。在码字提取部分，我们采用的就是霍夫（Hough transform）变换。通过霍夫变换我们可以知道整个二维码倾斜的角度，然后我们就可以进行二维码的矫正。采用分级的Hough变换方法，不但降低了Hough变换的运算量，而且精确的求得了条码的倾斜角度。其次，扫描 PDF417条码
作者：WeisongZhao
CNN图像语义分割基本上是这个套路：
1. 下采样+上采样：Convlution + Deconvlution／Resize
2. 多尺度特征融合：特征逐点相加／特征channel维度拼接
3. 获得像素级别的segement map：对每一个像素点进行判断类别
即使是更复杂的DeepLab v3+依然也是这个基本套路。
图13 DeepLab v3+
转载
2021-07-16 18:30:30
189阅读
基于深度学习方法的图像分割
转载
2021-07-22 17:11:37
443阅读
“机器学习/深度学习方法“系列，我本着开放与共享（open and share）的精神撰写，目的是让很多其它的人了解机器学习的概念，
转载
2015-05-15 15:43:00
74阅读
2016年开始，Facebook、谷歌、腾讯、阿里等互联网巨头都已开始抢食VR（虚拟现实）这块的大蛋糕，虚拟现实发展速度惊人。在这样强势发展的背景下，一些产品也开始打着VR的幌子，挂着VR的噱头卖起来360°全景视频。 面对越来越多的“VR产品”，无忧我房李熠将带领大家深入地对虚拟现实，进行了解并且告诉大家如何区分VR与360°全景视频。 一张图告诉你VR与360°全景的区别 什么是VR
语音识别是信息技术领域中的一个关键问题，它利用深度学习方法，从大量的语音数据中提取有效信息并进行准确识别。随着人工智能和深度学习技术的发展，语音识别的准确性和应用场景得到了极大的提升。这篇博文将详细探讨语音识别的深度学习方法，包括技术原理、架构解析、源码分析、案例分析和扩展讨论，以阐述如何有效解决这一问题。
### 背景描述
语音识别技术的发展历程可以追溯到上个世纪的简单模式匹配算法，但随着深
概述单词是一个基本的语义单元，不同于英文，中文句子中没有词的界限，因此进行中文自然语言处理，通常需要先进行分词，分词效果将直接影响词性、句法树等模块的效果。中文分词算法大概分为两大类：一是基于字符串匹配，即扫描字符串，使用如正向／逆向最大匹配，最小切分等策略(俗称基于词典的) ；二是基于统计以及机器学习的分词方式(非词典方法) 。MMSEGmmseg本质上就是前向最大匹配+消除歧义规则+贪心，它由
转载
2024-10-30 08:18:47
35阅读
# 无监督深度学习方法
## 引言
随着大数据时代的到来，我们面临着海量的数据，如何从这些数据中提取有用的信息是一个重要的问题。无监督深度学习方法是一种利用神经网络模型从无标签数据中学习特征表示的方法。与传统的监督学习不同，无监督学习不需要标注数据，可以自动发现数据中的结构和模式。本文将介绍无监督深度学习方法的基本概念，并通过代码示例来演示其应用。
## 深度学习简介
深度学习是一种机器学习方
原创
2023-09-13 23:09:27
155阅读
关于“HDR 深度学习方法 2023”，这项技术在视觉计算领域正变得越来越重要。通过深度学习，我们能够从多张低动态范围（LDR）图像生成一张高动态范围（HDR）图像。本文将涵盖版本对比、迁移指南、兼容性处理、实战案例、排错指南以及性能优化等多个方面，帮助大家更全面地理解与应用HDR深度学习技术。
### 版本对比
HDR 深度学习方法 2023的各个版本间有显著的特性差异。以下是这些版本的演进史
From： 遥感图像拼接研究图像拼接的基本流程(1) 图像预处理：对原始图像进行直方图匹配、平滑滤波、增强变换等数字图像 处理的基本操作，为图像拼接的下一步作好准备。(2) 图像配准：图像配准是整个图像拼接流程的核心，配准的精度决定了图像的拼接质量。其基本思想是：首先找到待配准图像与参考图像的模板或特征点的对应位置，然后根据对应关系建立参考图像与待配准图像之间的转换数学模型，将待配准图像转换到参考
转载
2024-02-04 00:07:52
181阅读
作者丨一点人工一点智能编辑丨3D视觉工坊一篇去年的综述来开始中断的学习之旅《Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review》。这篇文章总结了基于图像和点云基于深度学习的数据融合方法，包括深度估计、目标检测、语义分割、目标分割、传感器在线标定等方面的应用。这里就来学习一下相关的知识点，下图就
转载
2022-10-04 18:06:53
855阅读
作者丨黄浴编辑丨无人车情报局导读：本文由黄浴博士授权发布，作者为黄浴。普通摄像头的图像已经有很多论文讨论各种应用的深度学习方法，但对鱼眼镜头（fisheye）和全向（omnidirectional）摄像头的工作比较少。本文将列出一些，此外之后还将讨论深度学习中对这类图像数据特别适合的模型，比如STN、SCNN和DCN等。1. Graph-Based Classification&nbs
转载
2022-10-05 13:44:36
268阅读
