简介起源
信息融合(information fusion）起初被称为数据融合(data fusion），起源于1973年美国国防部资助开发的声纳信号处理系统，其概念在20世纪70年代就出现在一些文献中。在20世纪90年代，随着
信息技术的广泛发展，具有更广义化概念的“信息融合”被提出来。在美国研发成功声纳信号处理系统之后，信息融合技术在军事应用中受到了越来越广泛的青睐。20世纪80年代，
转载
2023-11-27 21:44:29
11阅读
一、目标：二、相关内容调研（一）多模信号组合优点https://blog.mantratec.com/advantages-of-multimodal-biometric-authentication#:~:text=Since%20multimodal%20biometric%20systems%20use%20more%20than%20one,biometric%20system%20is%
转载
2024-01-16 06:20:38
27阅读
1 前言很久没有写博客了，之前也想过要放弃。不过想来当个业余爱好也好啊，也当是知识的巩固和积累。 废话少说，下面介绍这次的主角——Biosppy工具包。2 简介接下来的这段主要是对官方英文文档的翻译和整理，关于官方英文文档具体可访问：https://biosppy.readthedocs.io/en/stable/index.html2.1 概况BioSPPy是基于Python的生理信号处理工具包
转载
2024-01-17 09:37:08
158阅读
什么是多模态图像融合算法参考资料：《综述：一文详解50多种多模态图像融合方法》https://arxiv.org/abs/2202.02703背景：0、这篇paper里边的两个模态分别是：雷达数据、Camera模态；1、多模态融合的能用的场景有很多，比如2D/3D的目标检测、语义分割，还有Tracking任务。在这些任务中，重中之中就是模态之间的信息交互融合的工作。2、融合的类型：大多数方法遵循将
转载
2023-10-05 10:31:18
271阅读
模型融合模型融合采用的的思想，即多个模型的组合可以改善整体的表现。集成模型是一种能在各种的机器学习任务上提高准确率的强有力技术。模型融合是kaggle竞赛后期一个重要的环节，大体来说有如下的类型方式：1. 简单加权融合： 回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean） 分类：投票（Voting） 综合：排序融合(Rank averag
转载
2023-10-16 07:15:26
71阅读
前期预备 百度AI开放平台 # 账号注册 # 用你的百度账号登陆http://ai.baidu.com，百度AI开放平台。然后创建一个人脸识别应用， 你就会得到API Key 和 Secret Key，这我们等会代码里要用到， 因为每个账号的调用次数都是有限的，只能免费500次，且玩且珍惜。所以你们还是自己申请的好。 读接口开发文
转载
2024-08-21 20:06:41
53阅读
机器学习中的模型合并（model combination）可以通过「合并多个模型达到提升性能与稳定性的目的」。模型合并往往被认为是集成学习（ensemble learning）的一个子领域，但其实也可以被单独拿出来讨论，作为一项实用的性能提升的手段。在绝大部分的机器学习/数据挖掘竞赛中（比如Kaggle），最终获胜的方案都是多个模型的合成体。除此之外，模型合并也常被用于减少数据和模型中的随
转载
2023-12-12 22:59:45
145阅读
**OpenCV+Python实现医学影像拼接（一）**内容仅供参考首先是准备拼接的图片，（由于环境原因，本人裁剪的） 原图片为 我的思路是一二先拼接，三四再拼接，拼接后图片如下： 与原图像对比还是有较为明显的瑕疵：如拼接缝、底部内容模糊、旁边线条歪了等。以下是我的程序界面。 给大家介绍下我的环境把 win10，Python 3.7 opencv与contrib版本为4.5.5.62 这里我将一些
转载
2023-08-12 09:53:26
392阅读
提了好几天的人脸融合技术，今天终于被提上日程，该技术是基于之前介绍的技术基础上延伸得到的，如果之前没有了解过这两篇文章，建议提前看下，实现人脸识别、人脸68个特征点提取，或许这个 Python 库能帮到你！利用 OpenCV-Python 进行人脸 Delaunay 三角剖分(人脸检测核心技术之一)1，Image Morphing 介绍图像融合简单来说，通过把图像设置为不同的透明度，把两张图像融合
转载
2023-10-15 13:44:55
8阅读
数据清洗，是进行数据分析和使用数据训练模型的必经之路，也是最耗费数据科学家/程序员精力的地方。这些用于数据清洗的代码有两个优点：一是由函数编写而成，不用改参数就可以直接使用。二是非常简单，加上注释最长的也不过11行。大家可以把这篇文章收藏起来，当做工具箱使用。涵盖8大场景的数据清洗代码这些数据清洗代码，一共涵盖8个场景，分别是：删除多列、更改数据类型、将分类变量转换为数字变量、检查缺失数据、删除列
转载
2023-10-03 18:41:00
127阅读
UNIX / Linux系统提供了在每个单独进程之间进行通信的特殊机制。这些机制之一是信号，属于进程之间的不同通信方法（进程间通信，缩写为IPC）。简而言之，信号是软件中断，它被发送到程序(或进程)，将重要事件或请求通知程序，以便运行特殊的代码序列。接收到信号的程序要么停止或继续执行其指令，要么在有或没有内存转储的情况下终止，甚至干脆忽略该信号。 虽然在POSIX标准中定义了它，但是实际
转载
2024-04-17 08:35:30
54阅读
信号的概念信号（signal）-- 进程之间通讯的方式，是一种软件中断。一个进程一旦接收到信号就会打断原来的程序执行流程来处理信号。几个常用信号:SIGINT 终止进程 中断进程 (control+c)SIGTERM 终止进程 &nb
转载
2023-07-31 12:56:42
169阅读
根据需求，需要读取CAN总线的信息。目前市面上主流的做法是，通过ZLG周立功的CAN设备来进行读取。由此，派生出很多小品牌，其设备的基本用法和ZLG非常相似，本文以创芯科技的CAN设备为例(Windows系统)。 1、安装USB-CAN设备驱动打开创芯科技的官网进入资料下载，下载相应的驱动程序和说明文档。 解压后，直接进行安装程序，如有疑问，查阅驱动安装说明书。 2、
转载
2023-09-25 07:30:07
231阅读
进程补充进程间的信号信号量（信号灯）进程的同步互斥Event事件Lock 锁 进程补充进程间的信号信号是唯一的异步通信方法一个进程向另一个进程发送一个信号来传递某种信息，接受者根据传递的信息来做相应的事$ kill -l查看系统信号说明$ kill -9 pid号对进程发送信号信号名称说明 1) SIGHUP连接断开 2) SIGI
转载
2023-09-09 01:04:52
95阅读
要进行QAM调制的仿真首先要了解QAM调制的基本原理。QAM调制是一种根据数字基带信号同时控制载波的幅度和相位的调制方式。也就是说对应不同的1和0的基带信号，载波的幅度和相位都可以发生变化。 根据这个调制方式可以得到QAM的带通信号的公式可以表示为 根据这个公式我们还不能进行仿真。我们还需要将这个公式做进一步的展开。查看展开
转载
2023-11-06 23:37:57
158阅读
一、图像平滑图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。为了方便做出比较，先给一幅图片中加入噪声，代码如下：import cv2
impor
转载
2023-09-02 14:33:57
74阅读
文章目录前言opencv中的一个方法泊松融合图像梯度图像散度融合图像散度通过散度场进行图像重建泊松融合的一般逻辑 前言最近碰到一个项目上的难题，是要从电动显微镜对焦的多张图像进行融合。因为，显微镜物镜的景深范围较小，可能在同一视野中有多个需要拍摄的物体位于不同的景深范围内，所以想通过图像的融合，将不同景深上的多张图像进行融合，从而把这些物体都在同一张图像中对用户进行展示。opencv中的一个方法
转载
2024-01-03 22:56:41
150阅读
目录一、什么是多模态二、为什么选用多模态三、如何实现多模态3.1、平衡融合3.2、加权融合3.3、堆叠融合3.4、注意力机制3.5、双向循环神经网络（Bi-LSTM）一、什么是多模态 多模态指的是由不同信息源提供的多种信息表示方式。这些信息表示方式可以是文本、图像、声音、视频等。 &
转载
2023-11-08 23:59:27
86阅读
这款插件叫「OKPlus」，是一款免费的PPT插件. 这款插件，解决了我多年以来的一个难题，就是多张图片的融合问题。就是像下图这样的一种效果。我们准备两种照片，拼合在一起的时候，边界很明显。如果直接做背景会有些生硬。 解决这个问题，我们最开始的做法就是用两个渐变蒙版，来实现过渡。 但是这种方法，中间哪一块全是黑色，显得也有些生硬。 之前我都是用PS来解决这个功能，但是现在用这个okplus插件就可
转载
2023-11-08 17:13:34
18阅读
机器学习中的模型合并（model combination）可以通过「合并多个模型达到提升性能与稳定性的目的」。模型合并往往被认为是集成学习（ensemble learning）的一个子领域，但其实也可以被单独拿出来讨论，作为一项实用的性能提升的手段。在绝大部分的机器学习/数据挖掘竞赛中（比如Kaggle），最终获胜的方案都是多个模型的合成体。除此之外，模型合并也常被用于减少数据和模型中的随机性，提
转载
2023-10-26 16:38:34
196阅读
