作者：黄浴
计算机视觉的底层，图像处理，根本上讲是基于一定假设条件下的信号重建。这个重建不是3-D结构重建，是指恢复信号的原始信息，比如去噪声。这本身是一个逆问题，所以没有约束或者假设条件是无解的，比如去噪最常见的假设就是高斯噪声。
以前最成功的方法基本是信号处理，传统机器学习也有过这方面的应用，只是信号处理的约束条件变成了贝叶斯规则的先验知识，比如稀疏编码
转载
2022-08-01 10:12:09
563阅读
仅作学术交流，如有侵权，请联系删文计算机视觉的底层，图像处理，根本上讲是...
转载
2021-08-31 13:35:40
420阅读
来自| 知乎 作者丨黄浴来源丨https://zhuanlan.zhihu.com/p/76960575仅作学术交流，如有侵权，请联系删文计算机视觉的底层，图像处理，根本上讲是...
转载
2021-08-31 11:58:45
203阅读
作者：黄浴 「 超级大牛，知乎搜索可知～超多技术干货」编辑：AI算
转载
2023-04-29 14:02:21
276阅读
作者丨梦寐mayshine
编辑丨极市平台
图像匹配
应用：
目标识别、目标跟踪、超分辨率影像重建、视觉导航、图像拼接、三维重建、视觉定位、场景深度计算
方法：
基于深度学习的特征点匹配算法、实时匹配算法、3维点云匹配算法、共面线点不变量匹配算法，以及基于深度学习的图像区域匹配等。
分类：
局部不变特征点匹配、直线匹配、区域匹配
Part1：局部不变特征点匹配-2D
1. 什么是图像特
转载
2021-08-30 16:40:03
313阅读
基于深度学习的特征点匹配算法、实时匹配算法、3维点云匹配算法、共面线点不变量匹配算法，以及基于深度学习的图像区域匹配等。
转载
2022-12-29 17:20:18
1259阅读
SR取得了显著进步。一般可以将现有的SR技术研究大致分为三大类：监督SR，无监督SR和特定领域SR（人脸）。如今已
编者荐语超分辨率(Super-Resolution)即通过硬件或软件的方法提高原有图像的分辨
转载
2023-05-01 16:57:05
213阅读
SR取得了显著进步。一般可以将现有的SR技术研究大致分为三大类：监督SR，无监督SR和特定领域SR（人脸）。如今已经有各种深度学习的超分辨率模型。这些模型依赖于有监督的超分辨率，即用LR图像和相应的基础事实（GT）HR图像训练。虽然这些模型之间的差异非常大，但它们本质上是一组组件的组合，例如模型框架，上采样方法，网络设计
超分辨率(Super-Resolution)即通过硬件或软件的方法提高原有图像的分辨率，图像超分辨率是计算机视觉和图像处理领域一个非常重要的研究问题，在医疗图像分析、生物特征识别、视频监控与安全等实际场景中有着广泛的应用。SR取得了显著进步。一般可以将现有的SR技术研究大致分为三大类：监督SR，无监督SR和特定领域SR（人脸）。先说监督SR。如今已经有各种深度学习的超分辨率模型。这些模型依赖于有监
◎作者Happy周末在家无聊，偶然兴心想对CV领域常用的数据增广方法做个简单的调研与总结，重点是AI时代新兴的几种反响还不错的方法、各种第三方与官方实现代码等。那么今天由Happy来跟大家聊一聊深度学习中那些常用的数据增广方法。在图像分类任务中，数据增广是一种常用的正则化方法，同时已成为提升模型性能所必不可少的步骤。从引领AI热潮的AlexNet到最近EfficientNet都可以看到数据增广的身
转载
2022-08-30 07:31:19
348阅读
点击上方“机器学习与生成对抗网络”，关注"星标"获取有趣、好玩的前沿干货！作者丨李慕清@知乎来源丨https://zhuanlan.zhihu.com/p/1048546...
转载
2021-07-17 17:44:53
144阅读
作者丨Error@知乎 导读本文先厘清了语义分割、实例分割和全景分割等定义的区别。在此基础上，进一步分析了FCN、Unet、Unet++等算法在医学图像上的适用情况。先上目录：相关知识点解释FCN 网络算法的理解Unet 网络算法的理解Unet++ 网络算法的理解Unet+++ 网络算法的理解DeepLab v3+ 算法简阅Unet在医学图像上的适用与CNN分割算法的简要总结一、相关知识点解释1
