什么是模糊测试 ？ 模糊测试（Fuzzing），是一种通过向目标系统提供非预期的输入并监视异常结果来发现软件的方法。测试的基本思想就是通过向程序中输入大量的随机数据，然后观察输入这些数据之后程序的情况，记录下使程序发生异常的数据，从而判断程序是在那些地方发生了异常。模糊测试之实例讲解 本文作者：i春秋签约作家——天天模糊测试的实现是一个非常简单的过程：1. 准备一份插
转载
2024-05-20 20:00:00
32阅读
一个实用价值很大的人脸关键点检测算法PFLD paper：https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1905.00641.pdf github：https://github.com/biubug6/Pytorch_Retinaface Retinaface是来自insightFace的又一力作，基于one-stage的人脸检测网
（配置项目环境前，电脑环境需要安装好Anaconda3） 1. 下载项目地址： git clone https://github.com/wangbm/MTCNN-Tensorflow.git 先使用命令创建MTCNN虚拟环境： conda create --name MTCNN python=3.6 进入 MTCNN虚拟环境，conda deactivate退出 MTCNN虚拟环境： sourc
转载
2024-09-02 13:12:00
42阅读
作者：Edison_G架构变化、训练方法和扩展策略是影响模型性能的不可或缺的重要因素，而当前的研究只侧重架构的变化。谷歌大脑和 UC 伯克利的一项最新研究重新审视了 ResNet 架构，发现对于提升模型性能而言，改进训练和扩展策略或许比架构变化更重要。他们提出了 ResNet 的变体架构 ResNet-RS，其使用的内存不仅更少，在 TPU 和 GPU 上的训练速度也数倍于 EfficientNe
参考：人脸识别图像的模糊度判别算法的优化 - 简书python版：import cv2
imagePath ='./data/y10.jpg'
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
print('y1 blur:',cv2.Laplacian(gray, cv2.CV_64F).va
转载
2023-11-02 12:51:33
449阅读
模糊检测模糊图像特点：边缘模糊，梯度变化小。传统方法更多方法模糊图像检测-无参考图像的清晰度评价 - 知乎 (zhihu.com)拉普拉斯方差从空间域出发，分析模糊图像的梯度比较小。拉普拉斯算子测量图像的二阶导数，突出显示包含快速强度变化的图像区域。如果方差低，表示图像边缘非常少。使用OpenCV库，技巧是设置正确阈值，阈值太低会错误将图像标记为模糊，太高，模糊图像不会被标记。缺点：阈值需要自己设
转载
2024-01-28 07:40:18
206阅读
R-CNN算法流程：输入图像每张图像生成1k - 2k个候选区域。对每个候选区域，使用深度网络CNN提取特征。（AlexNet、vgg、resnet等CNN）4-1.将特征送入每一类的SVM分类器，判别是非属于该类。 4-2.使用回归器精细修正候选框位置。生成候选区域使用selective search（选择性搜索）方法对每一张图生成1k - 2k的区域。 5. 分割区域 使用一种过分割手段，将图
转载
2024-03-26 13:24:44
91阅读
一.目的及方法为了在深层次提高小目标检测精度和效率。为了保持大尺寸和小尺寸目标检测结果的一致性，本文提出了一种新的结构ReBiF特征金字塔。它是双向的，可以融合深部和浅部特征，使目标检测更加有效和稳健。由于“残差”的性质，类似于ResNet[5]，可以很容易地训练和集成到不同的骨干（甚至更深或更轻）比其他双向方法。在这种结构的基础上，提出了一种新的双融合模型，使残差特征形成一个紧凑的表示，将更精确
转载
2024-05-14 11:59:04
81阅读
传统机器学习方法机器学习----人脸对齐的算法-ASM.AAM..CLM.SDM人脸对齐之GBDT(ERT)算法解读深度学习人脸关键点检测方法----综述 OpenCV实现人脸对齐 【LBF算法】Face Alignment at 3000 FPS via Regressing Local Binary Features. 有牛人改编的C++代码。https://gith
rcnn首先会做一个region proposal，也就是任意的找到一些疑似完整物体的区域，这一步是任意的，根据梯度信息找到一些边缘，然后就圈出来了。这一步会找到非常多的区域作为候选框，给接下来的分类提供素材。论文说的是找了两千多个接着把那些候选框一个一个输入神经网络，算出特征接着把算出的特征交给svm去做分类，得到分类与置信度。最后每个类别在训练出四个向量，保证预测的时候特征这四个向量可以得到
以resnet作为前置网络的ssd目标提取检测
1.目标
本文的目标是将resnet结构作为前置网络，在imagenet数据集上进行预训练，随后将ssd目标提取检测网络（一部分）接在resnet前置网络之后，形成一个完整的ssd网络。
&
转载
2024-08-23 17:50:50
32阅读
# 如何实现 Python 模糊检测
## 1. 流程图
```mermaid
flowchart TD
A[准备数据] --> B[导入模糊检测库]
B --> C[设置模糊检测参数]
C --> D[进行模糊检测]
D --> E[输出结果]
```
## 2. 步骤表格
| 步骤 | 操作 |
|------|-----------
原创
2024-03-30 05:42:11
98阅读
一，首先我们对函数先进行分析findHomography：（就是对图片的矫正），使用最小均方误差或者RANSAC方法函数功能：找到两个平面之间的转换矩阵。 这里涉及到映射变换的知识， 下面介绍下什么是映射变换： 1，如下图所示：如果平面上点场的点建立了一个一一对应，并且满足：（1）任何共线三点的象仍是共线三点；（2）共线四点的交比不变。则这个一
ROS-OpenCV1. 环境配置1.1 realsense SDK2.0安装①通过官网找到最新的SDK包并下载Intel RealSense SDK 2.0 ②解压安装包（librealsense-2.47.0.tar.gz） ③注册服务器的公钥：sudo apt-key adv --keyserver keys.gnupg.net --recv-key F6E65AC044F831AC80A0
转载
2024-03-27 06:46:23
333阅读
目标检测中由2D检测矩形框到3D检测框的估计算法、3D检测框绘制1. 3D Bounding Box Estimation Using Deep Learning and Geometry1.1 简介time:2017提出了一种三维目标检测和姿态估计的方法。与当前只有回归对象的三维方向技术相比，我们的方法首先回归使用深度卷积神经网络相对稳定的三维对象属性，然后结合这些估计与几何约束提供的2维对象边
转载
2024-03-22 14:09:34
80阅读
smartdeblur是一款图片去模糊工具。smartdeblur能够自动智能地对模糊图片去模糊，智能分析图片模糊区域，让图片变得更加清晰，主要用于解决图片拍摄过程时对焦不正确造成的模糊问题。smartdeblur使用说明：自动检测模糊：在这种模式下,SmartDeblur会自动分析并确定模糊的图像路径。它适用于常见的运动模糊缺陷(如相机抖动)和小型/中型散焦。自动检测模糊模式下单击“分析模糊”按
转载
2023-10-18 12:55:19
236阅读
opencv中的模糊检测设定好的摄像头若是无意中被移动或是失去焦距而变得视像模糊，若没有人工发现，对后续的图像和视频操作精度影响很大。所以首先检测视频中图像的模糊程度是有必要的。话不多说，先讲结论。opencv中我目前所知检测图片质量或是模糊程度的方法原理是:检测图片中清晰的边缘数量。清晰的图像中一般来说能显示出各个物体的清晰边缘线条，模糊图像中的边缘占据的像素较多，所以模糊，此为判断前提。一般场
转载
2023-12-09 14:31:42
107阅读
A NO-REFERENCE PERCEPTUAL BLUR METRICPina Marziliano, Frederic Dufaux, Stefan Winkler and Touradj Ebrahimi∗一种无参考感知模糊算法摘要在本文中，我们提出了一种对图像和视频
转载
2024-08-24 10:44:27
163阅读
作者介绍1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面2.2 主界面2.3 检测过程的界面3 总结4.后续可优化的部分 作者介绍张伟伟，男，西安工程大学电子信息学院，2019级硕士研究生，张宏伟人工智能课题组。 研究方向：机器视觉与人工智能。1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面封面界面用于软件打开时跳出的界
转载
2024-04-24 14:58:22
217阅读
目录1. R-CNN1.1 R-CNN 算法流程（4个步骤）1.2 R-CNN 存在的问题2. Fast R-CNN2.1 Fast R-CNN 算法流程（3个步骤）2.2 损失函数2.3 Fast R-CNN 的改进和不足3. Faster R-CNN3.1 Faster R-CNN 算法流程（3个步骤）3.2 RPN3.3 正样本和负样本3.4 损失函数 1. R-CNN Region C
转载
2024-04-15 14:48:51
36阅读
