什么是特征？ 粗略的讲，特征就是有意义的图像区域，该区域具有独特性或易于识别性。如角点、边缘、斑点（与周围有很大差异的图像区域）等。
OpenCV中最常使用的特征检测和提取算法有：
Haarris：检测角点
SIFT：检测斑点（blob）
SURF：检测斑点
FAST：检测角点
BRIEF：检测斑点
ORB：代表带方向的FAST算法与具有旋转不变
转载
2024-04-05 00:02:50
93阅读
from tensorflow import feature_column
from tensorflow.keras import layers在Tensorflow中，通过调用tf.feature_column模块来创建feature columns。有两大类feature column，一类是生成连续特征dense tensor的Dense Column；另一类是生成离散特征sparse t
转载
2024-03-26 12:44:49
55阅读
特征点检测的应用有很多种，比如人脸特征点检测，人体骨架特征点检测，人体运动特征点检测等。今天我就以人脸特征点为例，通过卷积神经网络来实现检测。
原创
2022-07-21 11:51:46
138阅读
tensorflow笔记系列： （一） tensorflow笔记：流程，概念和简单代码注释 （二） tensorflow笔记：多层CNN代码分析 （三） tensorflow笔记：多层LSTM代码分析 （四） tensorflow笔记：常用函数说明 （五） tensorflow笔记：模型的保存与训练过程可视化 （六）tensorflow笔记：使用tf来实现word2vec本文章内容比
在使用tensorflow搭建模型时会有特征工程的工作，今天介绍一下tensorflow做特征工程的api：tf.feature_column。 1、tf.feature_column.input_layertf.feature_column.input_layer(
features,
feature_columns,
weight_collec
转载
2024-03-24 14:37:29
142阅读
数据输入与特征工程?=??(?)之(?,?)y=fw(x)之(x,y):是模型的输入数据，对应了机器学习算法工程中的特征工程和模型构建中的模型输入。 w也需要初始化。无论输入如何变化，最终都要转成tensor才能被tensorflow计算。 tensorflow 在实现?=??(?)y=fw(x)时， 把x,y抽象成tensor;f_w抽象成Model/estimator;tensor之间的复杂操
转载
2024-07-31 18:14:41
97阅读
1.SIFT 特点 图像的局部特征，对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性。独特性好，信息量丰富，适用于海量特征库进行快速、准确的匹配。多量性，即使是很少几个物体也可以产生大量的SIFT特征高速性，经优化的SIFT匹配算法甚至可以达到实时性扩招性，可以很方便的与其他的特征向量进行联合。可以解决的问题 目标的自身状态、场景所处的环境和成像器材的
转载
2024-03-15 10:02:38
81阅读
# #作者：韦访 1、概述换了个固态硬盘，本想装最新的系统mint 19，谁知道却是个坑，NVIDIA驱动和CUDA工具老是装不上去，各种问题，折腾了几天，还是用回了原来的系统。不过，这次软件改了一下，使用了python3.5+tensorflow1.9+CUDA9.0 。这一讲，来学学非常热门的人脸识别。首先介绍MTCNN原理，然后介绍如何利用深度卷积网络提取人脸特征，以及如何利用提取的特征进行
转载
2024-08-07 08:59:26
50阅读
Attentional Feature Fusion摘要1 引言2 Related Work3. Multi-scale Channel Attention(多尺度通道的关注)4. 注意力特征融合 Attentional Feature Fusion5. Experiments6. Conclusion 注意力特征融合作者：Yimian Dai1 Fabian Gieseke2,3 Stefan
转载
2024-07-08 09:14:32
229阅读
论文原文地址：Towards End-to-End Lane Detection: an Instance Segmentation ApproachTensorflow代码地址：lanenet-lane-detection 现在作者维护的版本更新到了2021.4.29。我上传到了百度网盘里：链接：https://pan.baidu.com/s/1XydBVV-niTo9GybRDhqu
转载
2024-05-06 12:44:02
125阅读
紧接上一篇，此时，已经选择了一个预先训练好的模型，以适应新的对象检测任务。在这篇文章中，将向展示如何将数据集转换为 TFRecord 文件，以便于调整模型。这是整个过程中最棘手的部分之一，并且需要动手编写一些代码，除非选择的数据集已经是特定的格式。TensorFlow 对象检测API教程 - 第2部分：将现有数据集转换为 TFRecord在本教程中，创建了一个可识别交通灯状态的交通灯分类器。预先训
转载
2024-02-25 05:17:35
31阅读
tensorflow架构 Object detection is one of the most popular and used computer vision methods nowadays, where the intention is not only to determine whether the object is found or not in the image in the
转载
2024-08-06 21:05:06
84阅读
本教程主要是对人脸检测及识别python实现系列 及碉堡了！程序员用深度学习写了个老板探测器（付源码） 的实现。主要实现的功能是用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张图片覆盖到整个屏幕上。虽然原教程已经写的很好，但是我们在实现的时候仍然踩了很多坑。本着让后来者少走点弯路的原则，我们特将最详细的步骤记录如下，以期读者朋友只花最少的时间便能体验用tensorflow实现
转载
2024-04-22 14:35:18
254阅读
一、FPN 的作用当我们在使用卷积神经网络的提取图像特征的时候，最后一个 feature map 的长宽会比原始图片小很多，比如原始图片大小为 100x100，feature map 大小为 10x10，这就说明，其实我们是在用 feature map 中的一个特征点来表示原始图片中一个 10x10 的像素区域。然而，在目标检测中，我们可能要对原始图片中的一个 1x1 的像素点中包含的物体进行检测
转载
2024-04-11 10:45:46
139阅读
TensorFlow入门TensorFlow三个基础核心概念：计算图、Tensor、Session一、计算图：在TensorFlow中，计算图是一个有向图，用来描述计算节点以及计算节点之间的关系，所以在TensorFlow中我们存储一个值或者数组的时候，存的其实是这个值或者数组的计算图而不是其本身的数字。我们可以用写一个简单的例子来验证一下：GPU版本import tensorflow as tf
整理：Tom Hardy
对目标检测开源框架进行了汇总，无论是模型的快速实现，抑或是落地调优，都非常方便
1、mmDetection维护：商汤科技Github连接：https://github.com/open-mmlab/mmdetection为目标检测而生的框架，商汤科技和香港中文大学联合开源。支持的模型越来越多（如下图所示），模块化的设计：backbone、neck、box
转载
2024-08-20 21:53:12
50阅读
文章目录写在前面examples/lite/examples/object_detection/android简介使用 Android Studio 在手机上运行安装 demo app 上帝视角：需要准备什么呢？ 上帝视角：Android Studio 运行 demo初见效果再出发关于前面报错模型没有 metadata 信息关于 demo 的主要更新两种 inference 方式的切换关于 dem
本文翻译自Medium上的文章：Step by Step TensorFlow Object Detection API Tutorial — Part 3: Creating Your Own Dataset，进行到这一步，我们已选择了预训练模型，并将现有数据集转化为单个TFRecord文件。但是，如果我们找到的数据集与即将使用的目标检测模型不完全匹配，而我们希望获得最佳效果，该怎么办？ 更极端
转载
2024-05-01 15:08:42
55阅读
摘要本次实战案例，少奶奶给大家带来了使用Tensorflow Lite方式把YOLOV3嵌入Android版APP中，该APP通过调用手机摄像头，实现实时检测并返回具体结果，从而实现自定义网络模型移植边缘设备的可能。通过阅读本篇博客，大家也可以获得以下提升： 1）自定义训练的网络模型都可以通过TensorFlow Lite移植到Android版的APP中，实现实时监测。 2）讲解Android项目
转载
2024-04-22 19:59:04
98阅读
平时工作就是做深度学习，但是深度学习没有落地就是比较虚，目前在移动端或嵌入式端应用的比较实际，也了解到目前主要有caffe2，腾讯ncnn，tensorflow，因为工作用tensorflow比较多，所以也就从tensorflow上下手了。下面内容主要参考&翻译： https://www.tensorflow.org/mobile/?hl
转载
2024-05-27 17:12:24
75阅读
