[1]一、数字图像处理基础一幅图像可以定义为一个二维数组f(x,y)，这里x，y是空间坐标，而在任何一对空间坐标(x,y)上的幅值f称为该点图像的强度或灰度。当x，y和幅值f为有限的、离散的数值时，称该图像为数字图像。 自然界呈现在人眼中的图像是连续的模拟信号，在计算机处理前，必须用图像传感器把光信号转换为表示亮度的电信号，再通过取样和量化得到一副数字图像。取样是对图像在坐标上进行离散化的过程，每
转载
2024-08-27 14:46:02
140阅读
OpenCV图像处理学习笔记-Day1目录OpenCV图像处理学习笔记-Day1第1课：图像读入、显示和保存1. 读入图像2. 显示图像3. 保存图像第2课：图像处理入门基础1. 基本概念2. RGB转灰度第3课：像素处理1. 读取像素2. 修改像素第4课：使用numpy进行像素操作1. 读取像素2. 修改像素第5课：获取图像属性1. 形状：行、列、通道数2. 像素数目3. 获取图像类型第6课：图
转载
2024-07-31 15:38:29
299阅读
目录前言1. 常见深度学习框架2. 图像分类算法2.1 传统类2.2 机器学习2.2.1 人工神经网络（神经元）2.2.2 卷积神经网络3. 目标检测算法3.1 分类+定位（单目标）3.2 分类+定位（多目标，目标检测）3.2.1 R-CNN3.2.2 Fast R-CNN3.2.3 Faster R-CNN3.2.4 YOLO系列 前言本文是自己在读《深度学习与图像识别原理与实践 作者：魏溪含
转载
2024-05-07 13:19:57
593阅读
SmartCropper项目地址：pqpo/SmartCropper 简介：? A library for cropping image in a smart way that can identify the border and correct the cropped image. 智能图片裁剪框架。自动识别边框，手动调节选区，使用透视变换裁剪并矫正选区；适用于身份证，名片，文档等照
文章目录前言物体检测基础YOLO —— 对图像碎片进行物体检测检测单个物体同时检测多个物体多边界框的处理 —— IOU方法参考链接 前言YOLO是目前比较流行的物体检测算法，有着体积小，检测准确度高的强大优点。这里对YOLO的核心思想知识点，使用可视化的方法做一总结。物体检测基础YOLO是用于识别图像中的物体的网络。这类网络解决的问题通常是找到图片中是否存在某种物体（如是否有狗或人），以及找到物
转载
2024-04-25 11:06:16
228阅读
识别图片中的数字------基本思路
1. 读取矩阵 拿到一张带有数字的图片后，首先就是得到它的rgb矩阵。这对于bmp格式文件来说易如反掌，对于jpg的相对麻烦一些。假设我们现在已经得到了rgb矩阵M(m*n)，每个点都有三个属性(r,g,b)。2. 灰度化
转载
2024-05-20 13:09:33
248阅读
图像识别与人工智能的联系对于图像识别，自然应当与当今的时代潮流人工智能相结合起来。正如今年下半年在天津的夏季达沃斯峰会和在上海的中国国际进口博览会中所展示出来的，人工智能就是人类的第四次工业革命，而各个国家、企业都在展示当今时代人工智能的成果。而图像识别，正是人工智能的一个重要的研究方向。如何教会机器像人类一样会看会识别，是当今时代重点研究的一个课题。图像识别，是指利用计算机对图像进行处理、分析和
转载
2024-02-27 22:33:07
131阅读
又一家中国人工智能公司创业公司加入造芯者行列。5月9日，第七届上交会展商依图科技宣布，推出其首款视觉推理AI芯片产品QuestCore（求索），以及基于该芯片构建的软硬件一体化系列产品和行业解决方案。 “求索”自发布之日起就投入商用 在国内，依图和商汤科技、旷世科技、云从科技一起，被业界称为AI“四小龙”。依图拥有世界级算法，是全球首个同时在FRVT和FRPC国际权威标准测试中
流水线自动分拣机器人仿真，vrep与matlab联合仿真，基于机器视觉技术进行自动分拣，采用scara型机械臂，按照不同的颜色与形状分拣，放入不同的盒子并统计数量。 仅供学习使用 基础太差的勿。本文将探讨基于机器视觉技术的流水线自动分拣机器人仿真，并介绍使用vrep与matlab联合仿真的方法。随着人工智能和机器视觉技术的不断发展，自动化分拣技术越来越受到关注。自动分拣机器人可以极大地提高效率和准
转载
2024-07-29 08:44:27
101阅读
目录1. 数字图像概念1.1 图像采样和量化1.2 图像存储格式2.图像的直方图2.1 灰度直方图2.1.1 基本概念2.1.2灰度直方图归一化2.1.3 直方图应用3.图像增强3.1 图像增强概念3.2 图像增强方法3.2.1 方法概述3.2.1 空间域增强3.2.1.1 空间域增强（灰度变换）3.2.1.2 空间域增强（代数运算）3.2.1.3 空间域滤波3.2.2 频率域增强 学习自：M
转载
2024-04-08 22:37:39
253阅读
伴随着图像处理技术的飞速发展，推动了图像识别技术的产生和发展，并逐渐成为人工智能领域中重要的组成部分，并广泛地运用于面部识别、指纹识别、医疗诊断、汽车交通等等领域中，发挥重要作用。图像识别技术概述图像识别技术的含义图像识别是人工智能的一个重要领域，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一
转载
2024-02-18 11:56:10
145阅读
整理 | 专知本文主要介绍了一些经典的用于图像识别的深度学习模型，包括AlexNet、VGGNet、GoogLeNet、ResNet、DenseNet的网络结构及创新之处，并展示了其在ImageNet的图像分类效果。这些经典的模型其实在很多博文中早已被介绍过，作者的创新之处在于透过这些经典的模型，讨论未来图像识别的新方向，并提出图像识别无监督学习的趋势，并引出生成对抗网络，以及讨论了加速网络训练的
转载
2024-05-16 20:05:36
117阅读
关于图像处理方面的收获：五月中旬的时候接了个细胞检测的活，要求识别白细胞、红细胞、脂肪球、霉菌几种细胞，大致看了客户发给我显微镜上的图片，发现能做，于是就接了下来，客户告诉我最终的程序要是C++的编译成DLL给他们的应用程序调用才可以，本人因为一直做Java，做C++还是12年前毕业设计的时候做了图像相关的东西。从那之后，做项目偶尔也会搞点C++但是基本上就一直停留在Hello World的水平上
转载
2024-04-17 17:12:04
126阅读
文章目录K最近邻法-KNNN折交叉验证法KNN总结：线性分类器得分函数损失函数（代价函数）损失函数1：hinge loss/支持向量机损失损失函数2：互熵损失（softmax分类器） K最近邻法-KNN现在用的比较少，因为其比较耗费内存，运行速度较慢练习： CIFAR-10数据集 60000张32*32小图片，总共10类，50000张训练和10000测试 下图第一行，左侧为大量的飞机数据，右侧第
转载
2024-02-24 12:19:23
171阅读
概念框架环境配置data_preparaation.py(作用：摄像头抓拍与保存人脸)import cv2
def CatchPICFromVideo(catch_num, path_name):
face_cascade = cv2.CascadeClassifier('E:/anaconda/Anaconda3/pkgs/libopencv-3.4.2-h20b85fd_0/Libra
转载
2024-06-05 13:26:05
202阅读
（刚刚转C#，一个项目用到，就分享出来，第一次写博客，有不足之处还请指正，某些编写方式只是习惯使然） 1、首先，在百度AI平台进行注册登录：百度AI 2、然后点开右上角的控制台，找到图像识别，创建应用，然后就可以看到创建的密钥，我们主要获取以下几个参数， API_KEY， SECRET_KEY 3、将对应C#版本的SDK下载后，添加引用到工程文件引用中； 主要是以下两个.dll库，分别是 Aip.
转载
2023-12-24 18:31:40
122阅读
模式识别之图像识别笔记图像识别技术的定义为利用计算机对图像进行处理、分析和理解，以识别不同模式的目标和对象的技术。图像识别系统可以分为三个部分： 1、图像处理(1) 基本概念① 定义：把输入图像转化为计算机能够接受处理的信号，再进行图像恢复、增强等预处理操作② 目的：为之后的图像特征做准备(2) 主要方法① 图像的数字化：对图
转载
2024-02-20 11:33:07
282阅读
&nbs
转载
2024-03-28 09:11:40
199阅读
作者：yangyaqin图像识别全流程代码实战实验介绍图像分类在我们的日常生活中广泛使用，比如拍照识物，还有手机的AI拍照，在学术界，每年也有很多图像分类的比赛，本实验将会利用一个开源数据集来帮助大家学习如何构建自己的图像识别模型。本实验会使用MindSpore来构建图像识别模型，然后将模型部署到ModelArts上提供在线预测服务。主要介绍部署上线，读者可以根据【实验课程】花卉图像分类实验（&n
转载
2024-05-10 07:47:00
168阅读
1.背景介绍图像识别技术是人工智能领域的一个重要分支，它旨在自动识别和分析图像中的对象、特征和场景。图像识别技术在许多应用中发挥着重要作用，例如自动驾驶、医疗诊断、物流管理、安全监控等。随着计算机视觉技术的不断发展，图像识别技术也不断进化，从传统算法逐渐向深度学习转变。在本文中，我们将从传统算法的起源和发展，到深度学习的兴起和发展，梳理图像识别技术的发展历程。同时，我们还将深入探讨图像识别技术的核
转载
2024-08-08 16:59:21
592阅读
