目前CV领域最广泛应用，同时带来商业价值的算法莫过于人脸相关算法，主要包括人脸检测、关键点定位和人脸识别。一、人脸检测人脸检测算法和通用物体检测算法类似，不同之处包括：1、物体类别数量不同，人脸检测就2个类别，而通用物体检测类别较多；2、人脸框aspect ratio单一，而通用物体检测aspect ratio多变，一般对通用物体检测算法进行适当修改可用于人脸检测。目前开源的人脸检测算法较
转载
2023-11-07 05:15:38
232阅读
在本篇博文中，我们将探讨如何解决“基于深度学习关键节点的识别”问题。通过一些清晰易懂的步骤，我们将一步步入门这个重要的技术领域，帮助你快速部署并验证你的深度学习模型。
## 环境准备
在开始之前，让我们梳理一下我们的环境需求。在这里，我们需要适宜的软硬件设施来支持我们的深度学习模型运作。
首先，硬件要求：
- **CPU:** 至少具有4个核心
- **GPU:** NVIDIA GTX 1
SIFT关键点检测SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。Harris角点具有旋转不变的特性.但是缩放后, 原来的角点有可能就不是角点了.SIFT可以应用到物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪
转载
2023-12-25 09:11:29
362阅读
简介TF-IDF算法（Term Frequency-Inverse Document Frequency，词频-逆文档频率算法）是一种基于统计的计算方法，常用于评估在一个文档集中一个词对某份文档的重要程度，由两部分组成：TF算法以及IDF算法。TF算法是统计一个词在一篇文档中出现的频次，其基本思想是，一个词在文档中出现的次数越多，则其对文档的表达能力也就越强。IDF算法则是统计一个词在文档集的多少
转载
2024-01-12 10:59:12
57阅读
# 深度学习在识别算法中的应用
深度学习是一种通过模拟人类大脑神经元之间的连接来实现机器学习的方法。在识别算法中，深度学习技术已经取得了巨大的成功，例如在图像识别、语音识别和自然语言处理领域都有广泛的应用。
## 深度学习在图像识别中的应用
图像识别是深度学习应用的一个重要领域。通过深度学习算法，计算机可以识别图片中的对象、场景等信息。下面我们以一个旅行图为例，来展示深度学习在图像识别中的应
原创
2024-06-08 06:37:52
84阅读
前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术。R
QAM调制实际上是幅度调制和相位调制的组合。相位 + 幅度状态定义了一个数字或数字的组合。QAM的优点是具有更大的符号率，从而可获得更高的系统效率。QAM调制实际上是幅度调制和相位调制的组合。相位 + 幅度状态定义了一个数字或数字的组合。QAM的优点是具有更大的符号率，从而可获得更高的系统效率。通常由符号率确定占用带宽。因此每个符号的比特(基本信息单位)越多，效率就越高。对于给定的系统，所需要的符
1、什easypr数据集；
e
asyPR是一个开源的中文车牌识别系统，其目标是成为一个简单、高效、准确的非限制场景(unconstrained situation)下的车牌识别库。 相比于其他的车牌识别系统，EasyPR有如下特点：它基于openCV这个开源库。这意味着你可以获取全部源代码，并且移植到opencv支持的所有平台。它能
最近研究OCR技术实现较多，各种OCR实现方式做了一些测试和对比，针对不同的业务需要采用不同的实现方式，今天写的这个案例是利用百度AI来实现的通用OCR文字识别。实现方式非常简单，十几行代码就能搞定，但识别率如何就要看图片质量和所用字体了。从根本上来说，OCR的技术实现有两种方式：第一种较为简单，就是调用各个云平台提供的OCR服务来识别图片上的文字。这种实现方式的优点是简单易用，识别率较高，灵活性
转载
2024-01-30 18:56:01
66阅读
近年来，还出现了一些基于深度学习的目标识别算法的改进和变种，如Faster R-CNN、SSD、YOLO等。基于深度
# 基于深度学习的手文字识别算法实现指南
手文字识别（Handwritten Text Recognition, HTR）是一项复杂但是迷人的计算机视觉任务，涉及将手写文本转换为机器可读格式。随着深度学习的兴起，构建一个手文字识别系统变得相对简单。本文将为一名刚入行的新手开发者详细讲解如何实现这一系统。
## 开发流程
以下是实现基于深度学习的手文字识别算法的步骤概述：
| 步骤 | 描述
原创
2024-09-17 07:07:46
165阅读
基于深度学习的目标识别算法在计算机视觉领域中取得了重大突破，其中最著名和广泛应用的算法是卷积神经网络（Convolutional Neural Networks，CNN）。CNN通过多层卷积和汇聚（或采样）层来提取图像的特征，并通过全连接层和softmax分类器进行目标分类。下面是基于CNN的目标识别算法的一般步骤：数据准备：收集和准备用于训练和测试的图像数据集，确保标注正确且具有代表性。网络设计
AI算法半路出家的过程其实是有点痛苦的，告别了曾经熟悉的领域，在陌生又熟悉的道路上摸索着前进，其中的焦虑、彷徨以及面对信息过载的不知所措，常常让人怀疑当初的选择。好在，硬核人生不会被小小的困难劝退，我们有很多路径可以到达彼岸。也特别感谢科技和网络的进步，让知识的获取不再是少数人的专利。前些天找到了一个比较牛的AI学习网站，老师的授课方式风趣幽默，通俗易懂，让学习的过程兴趣盎然，忍不住推荐给大家。点
转载
2024-01-02 15:54:42
94阅读
1.算法概述频谱感测是认知无线电的一项关键技术。我们将频谱感知作为一个分类问题，提出一种基于深度学习分类的感知方法。我们归一化接收信号功率以克服噪声功率不确定性的影响。我们使用尽可能多的信号以及噪声数据来训练模型，以使训练后的网络模型能够适应未训练的新信号。我们还使用迁移学习策略来提高实际信号的性能。进行了广泛的实验以评估该方法的性能。 1.1能量检测能量检测法是一种非相干的检测手段，与
转载
2023-10-16 20:44:33
400阅读
OpenCV+Python实现 shif算子（一）SIFT算法分解为如下四步：1.尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。 2.关键点定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。 3.方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相
转载
2023-08-25 14:55:10
192阅读
1. 简介 手势识别相对来说可以简单也可以很复杂，这取决与要识别的手势。有三种基本的方法可以用来识别手势：基于算法，基于神经网络和基于手势样本库。每一种方法都有其优缺点。开发者具体采用那种方法取决与待识别的手势、项目需求，开发时间以及开发水平。基于算法的手势识别相对简单容易实现，基于神经网络和手势样本库则有些复杂。1.1 基于算法的手势识别 &
转载
2023-12-16 17:53:20
90阅读
这里写自定义目录标题参考的教程第一步，安装NVIDIA 显卡驱动程序：第二步，安装CUDA第三步，安装CUDA过程会提示没有安装visio studio。第四步，下载cuDNN 参考的教程参考了以上链接的代码：由于电脑本身没有安装NVIDIA。也没有安装Visio Studio（注意与Visio Studio Code区分，只安装用于C++桌面编程的部分） 所以需要从头安装。第一步，安装NVID
你有没有遇到过这样的情况？看到一张充满文字的照片或者海报，却无法立即获取其中的信息？或者，你在研究某个领域时，想要快速提取图书、论文或报告中的文字内容，却不想花费大量时间手动输入？现在，我们可以利用计算机视觉技术和人工智能的力量来识别图片中的文字信息。那么大家想知道这项技术怎么使用吗？接下来我就为大家介绍图片的手写文字如何识别。方法一：使用掌上识别王进行识别文字掌上识别王这个家伙就像是你的识别大师
转载
2023-09-06 16:24:34
141阅读
简介其实自动语音识别（Automatic Speech Recognition，ASR）这个研究领域已经活跃了五十多年，但一直并没有真正成为一种重要的人机交流的形式，一个是缘于当时技术的落后，语音技术在大多数实际用户实际使用的场景下还不大可用；另一个是，很多情况下使用键盘、鼠标这样的形式比语音更有效、更准确、约束更小。近年来，首先是，由于摩尔定律持续有效，今天可用的计算力仅仅相比十几年前就高了几个
转载
2023-12-26 16:13:27
154阅读
学习机器学习也有段时间了，借《机器学习 实战》的第一篇中的例子来记录下自己的学习过程吧，《实战》中的第一讲即是利用k近邻分类器进行手写体的识别，原理很简单，由于手写体的数字已经被处理成用01表示的文本，如图所示 在进行识别的时候，把要识别的文本转化成一个32*32的矩阵，为了方便计算，又将该矩阵转化为一个1024维的向量，然后将该向量与训练的样本相减求模，选择模最小的几
转载
2023-12-27 17:14:27
63阅读
