一、DCT(分块的离散余弦算法）参考文献：AN H.264/AVC HDTV watermarking algorithm robust to camcorder recording，2015水印嵌入： 1.视频解码后将每帧图像由RGB转化为YUV 2.将每帧Y通道图像分为32x32块，每个块又分为16个8x8块 3.将每个8x8的块分为4x4的块，选择具有最大亮度的4x4的块并调整它的亮度，然后
转载
2023-07-19 12:23:06
400阅读
级别: 初级戴元军, 北京邮电大学信息安全中心博士2002 年 1 月 01 日
多媒体数据的数字化为多媒体信息的存取提供了极大的便利，同时也极大地提高了信息表达的效率和准确性。随着因特网的日益普及，多媒体信息的交流已达到了前所未有的深度和广度，其发布形式也愈加丰富了。人们如今也可以通过因特网发布自己的作品、重要信息和进行网络贸易等 ，但是随之而出现的问题也十分严重：如作品侵权更加容易，篡改也
转载
2024-08-09 08:41:37
35阅读
综述two-stage是基本深度学习的目标检测算法的一种。主要通过一个完整的卷积神经网络来完成目标检测过程，所以会用到的是CNN特征，通过卷积神经网络提取对候选区域目标的特征的描述。典型的代表：R-CNN到faster RCNN。如果不考虑two-stage方法需要单独训练RPN网络这一过程，可以简单的广义的理解为端到端的过程。但不是完全的端到端，因为训练的整个网络过程中需要两个步骤：1.训练RP
转载
2024-03-21 15:28:17
175阅读
扬尘检测算法主要用于监测建筑工地、矿山开采、道路施工以及其他易产生扬尘的工业活动中产生的粉尘，以保障空气质量、工人健康以及环境保护。通过使用先进的图像处理和计算机视觉技术，扬尘检测算法能够实时监控并识别出扬尘事件，为相关部门提供及时的信息以便采取必要的措施。应用场景
扬尘检测算法广泛应用于多种场景中，以下是一些典型的应用实例：
1. 建筑工地
- 施工现场监控：在建筑工地安装扬尘检测系统，能够在施
原创
2024-09-14 14:04:12
58阅读
# Java异常检测算法
## 引言
异常处理是编程中必不可少的一部分，它可以帮助我们在程序运行过程中检测和处理错误情况。在Java中，异常是以对象的形式出现的，它提供了一种机制，用于传递并处理程序中发生的异常情况。本文将介绍Java异常检测算法，并通过代码示例来说明如何在Java程序中使用异常处理。
## 异常基础
在深入讨论异常检测算法之前，我们先来了解一些Java异常的基础知识。
##
原创
2024-01-16 03:46:00
74阅读
目录IoU和mAPAP的计算方法（VOC2012）另一种计算AP的方法（P-R图）F1-ScoreIoU和mAP1. IoU假设输入图像中只有一个物体，那么当我们对这个物体进行定位时，输出的结果应该是这个物体的长方形边界框。在下图中狗的实际位置是方形框B（面积定位B），如果定位不准可能是方形框A（面积定为A） 。而判断只有一个物体的图像定位的准确性，通常用交并比作为评价指标。IoU就是用A和B的交
现在随着数字孪生如火如荼的发展，各地都在建设智慧城市、数字城市、数字乡村、数字园区等等，所有这些数字可视化的基础都离不开建筑物。目前网上开放的建筑物数据最火的当属”77个建筑物轮廓矢量图“，我也下载了一份。 我们以【香港】为例，用qgis打开并转成geojson，然后导入到geobuilding工具里,总计175905个要素数据 发现其中有一些建筑物数据质量并不高，比入这里。这
前言： 作为一名算法菜鸟，想通过写技术博客提升自己的技术水平，顺便吸取各位大佬的建议，互相学习。目标检测算法在工作中用的非常多，可以说是计算机视觉任务的基础，传统的深度学习目标检测算法都是双阶段的，首先通过相关算法生成目标的候选框，然后对这些候选框再使用卷积神经网络对目标进行分类。双阶段目标检测算法由于需要产生大量的候选框，且这些候选框都需要采用卷积神经网络进行分类，所以计算速度都普遍偏慢。YOL
转载
2023-11-07 12:11:39
169阅读
作者：蒋天园前言今年CVPR20-paper-list前几天已经出了，所以这里做一点大致的综述介绍在CVPR20上在3D目标检测的一些文章。如下图所示，3D目标检测按照大方向可以分为室外和室内的目标检测，室内场景数据集一般有ScanNet等，该领域研究比较少，笔者注意到的第一篇文章是来自FAIR的voteNet，采用霍夫投票机制生成了靠近对象中心的点，利用这些点进行分组和聚合，以生成box pro
YOLO算法简介本文主要介绍YOLO算法，包括YOLOv1、YOLOv2/YOLO9000和YOLOv3。YOLO算法作为one-stage目标检测算法最典型的代表，其基于深度神经网络进行对象的识别和定位，运行速度很快，可以用于实时系统。了解YOLO是对目标检测算法研究的一个必须步骤。目标检测思路目标检测属于计算机视觉的一个中层任务，该任务可以细化为目标定位与目标识别两个任务，简单来说，找到图片中
转载
2024-01-27 19:50:25
186阅读
特征融合分类在深度学习的很多工作中（例如目标检测、图像分割），融合不同尺度的特征是提高性能的一个重要手段。低层特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多。高层特征具有更强的语义信息，但是分辨率很低，对细节的感知能力较差。如何将两者高效融合，取其长处，弃之糟泊，是改善分割模型的关键。很多工作通过融合多层来提升检测和分割的性能，按照融合与预测的先后顺序，分类
转载
2024-07-31 16:59:04
72阅读
现今，基于深度学习的目标检测的算法主要有 R-CNN系列、SSD 和 YOLO 等。YOLO 目标检测法，即 you only look once (YOLO) at an image，是一种基于深度学习的目标检测算法。YOLO 是第一个采用了回归思想实现 one-stage 检测的算法，如今它已经发展到 YOLOv3，检测能力已大大好于第一代的 YOLO。相比作为后辈的 SSD 算法，性能也得以
转载
2023-11-24 15:11:32
127阅读
目录：第一章 R-cnn第二章 fast rcnn第三章 faster rcnn第四章 参考文献 第一章 R-cnn一、R-cnn框架流程1.输入图像2.运用selective search算法提取2k左右的region proposals3.将每个region proposal通过warp(扭曲)为22
转载
2024-05-28 22:25:35
51阅读
1.源码下载及转换为VS2012 WIN32版本。4.程序说明http://wenku.baidu.com/link?url=M1VJN_EDd2nHHtxz87mSkxHecKJhcGpuqe8duWbpZxSsR6e2rvcDnaCRnkCekyu1QerZ9VzsH6HetKh3Lq4LGsA1OujwFsrd0pCI8cdWMzC5.总结：
转载
2024-05-21 22:28:59
69阅读
目标检测20年综述之（一）传统方法VJ 检测器—检测人脸方向梯度直方图（Histogram of Oriented Gradient, HOG）特征 从cell到bolck构造检测的特征向量Deformable Part-based Model (DPM)利用HOG和SVM进行后续的分割、分类候选区域/窗 + 深度学习分类在深度学习时代，目标检测可以分为两类：two-stage和one-stage
转载
2024-05-21 11:27:21
77阅读
相信学算法的同学们在刚入门目标检测的时候，都会学到YOLOV1算法，毕竟它是YOLO算法的开端，当然为了做笔记，自己也就直接在这个博客上面进行，供大家一起参考学习。下面我直接根据YOLOv1算法的实现所需要的知识大致分享一下：我们首先对YOLOv1有一个大致的了解，那就是如下图，输入一张图片或者一段图像序列（视频）到模型（训练完成）中，可以直接完成分类和定位功能，比如下面图片的小狗类别和汽车类别，
转载
2024-05-09 08:18:04
102阅读
图像的边缘集中了图像的大部分信息，边缘的检测对于整个图像场景的识别和理解非常重要，同时也是图像分割依赖的重要特征。 1.边缘检测的步骤： 在实际应用中，我们常常把边缘定义为亮度变化显著的地方。 1) 滤波 边缘检测算法主要基于图像强度的一阶和二阶导数，求取图像导数强调了高频的部分而放大了噪声。因为导数对噪声很敏感，因此在边缘检测之前需要采用一个低通滤波器对图像进行平滑。常用的滤波算法是
转载
2023-08-21 19:25:23
143阅读
异常检测 (anomaly detection)，又被称为“离群点检测” (outlier detection)，是机器学习研究领域中跟现实紧密联系、有广泛应用需求的一类问题。但是，什么是异常，并没有标准答案，通常因具体应用场景而异。大多数文献对异常的定义虽然笼统，但其实暗含了认定“异常”的两个标准或者说假设：异常数据跟样本中大多数数据不太一样。异常数据在整体数据样本中占比比较小。为了刻画异常数据
转载
2024-05-08 15:25:29
96阅读
前提目标检测问题是在分类任务是上逐渐发展起来的，首先介绍一下两者之间的差别分类任务： 一张图片往往只有一个目标，通过网络输出目标的得分，得到图像中的物体类别，常见的网络有CNN, Resnet等检测任务： 一张图片包含多个目标，通过网络输出不同物体的种类和标注框(Bounding Box)，常见的网络有Fast-CNN，yolo，SSD等Bounding Box(Bbox):一般有三种表示方法，1
转载
2024-04-07 08:23:50
98阅读
two-stage 和 one-stage近几年来，目标检测算法取得了很大的突破。比较流行的算法可以分为两类，一类是基于Region Proposal的R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage的，需要先使用启发式方法（selective search）或者CNN网络（RPN）产生Region Proposal，然后再在Region
转载
2024-04-09 10:40:53
178阅读
