- 博客(65)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 opencv中四种立体匹配算法示例（StereoBM,StereoSGBM，StereoBinaryBM, StereoBinarySGBM）
#include <opencv2/opencv.hpp>#include “opencv2/stereo.hpp”#include #include #include #include #include <io.h> //对系统文件进行操作的头文件 11.26 by zwwusing namespace std;using namespace cv;u...
2019-02-22 00:44:56
13568
7
原创 mask-rcnn训练完自己的数据集之后的测试demo
import osimport sysimport randomimport mathimport numpy as npimport skimage.ioimport matplotlibimport matplotlib.pyplot as pltimport cocoimport utilsimport model as modellibimport visualiz...
2018-04-11 21:21:06
4198
1
原创 mask-rcnn训练自己的数据集
import osimport sysimport randomimport mathimport reimport timeimport numpy as npimport cv2import matplotlibimport matplotlib.pyplot as pltimport yamlfrom config import Configimport utils...
2018-04-11 21:17:51
4774
4
原创 图像语义分割标注工具labelme制作自己的数据集用于mask-rcnn训练
labelme（标注mask数据集用的）github地址：https://github.com/wkentaro/labelmewindowspython2pip install pyqtpip install labelmepython3pip install pyqt5pip install labelmeubuntu16.04 系统自带的pyt...
2018-03-29 12:03:13
60741
48
原创 tensorflow版的Mask_RCNN
源代码github ：matterport/Mask_RCNN系统环境ubuntu / Windows10 都行运行环境Python 3.4+TensorFlow 1.3+Keras 2.0.8+Jupyter NotebookNumpy, skimage, scipy, Pillow, cython, h5py参考： ubuntu16.04上安...
2018-03-29 12:02:11
4583
原创 经典卷积神经网络 之 VGG
VGGnet牛津大学 Visual Geometry Group（视觉几何组）的同志写的论文，所以叫VGG时间：2014年出处：Very Deep Convolutional Networks forLarge-Scale Image Recognition 论文的翻译：http://blog.csdn.net/roguesir/article/detail...
2018-03-17 15:03:50
10688
2
原创 经典卷积神经网络 之 ZFNet
ZFNet时间：2013年出处：Matthew D.Zeiler 和 Rob Fergus （纽约大学）2013年撰写的论文： Visualizing and Understanding Convolutional Networks目的：AlexNet的提出使得大型卷积网络开始变得流行起来，但是人们对于CNN网络究竟为什么能表现这么好，以及怎么样...
2018-03-17 15:02:25
8117
原创 经典卷积神经网络 之 AlexNet
AlexNet时间：2012年出处：ImageNet Classification with Deep Convolutional Neural NetworksAlexNet可以说是现代深度CNN的奠基之作，揭开了深度学习的热潮。2012年，Hinton的学生Alex Krizhevsky在寝室用GPU死磕了一个Deep Learning模型，一举摘下了视觉领域竞赛ILSVRC 桂冠，在百万量级的
2018-03-17 14:55:58
4666
3
原创 经典卷积神经网络 之 LeNet-5
LeNet-5—-1998LeNet-5是卷积网络的开上鼻祖，它是用来识别手写邮政编码的，论文可以参考Haffner. Gradient-based learning applied to document recognition.大名鼎鼎的LeNet5诞生于1994年，是最早的深层卷积神经网络之一，并且推动了深度学习的发展。从1988年开始，在多次成功的迭代后，这项由Yann LeCun...
2018-03-17 14:51:11
1532
原创 windows下使用自己制作的数据集训练faster-rcnn（tensorflow版）用于目标检测
步骤一下载配置windows下tensorflow版faster-rcnn，参考博客： windows10下运行tensorflow版的faster-Rcnn步骤二制作自己的数据集参考博客：http://blog.csdn.net/u011574296/article/details/78953681步骤三用你的Annotations，ImagesSets和JPEGIm
2018-01-10 22:53:16
10579
41
原创 使用labelImg制作自己的数据集（VOC2007格式）用于Faster-RCNN训练
一、数据集文件夹新建一个文件夹，用来存放整个数据集，或者和voc2007一样的名字：VOC2007 然后像voc2007一样，在文件夹里面新建如下文件夹：二、将训练图片放到JPEGImages将所有的训练图片放到该文件夹里，然后将图片重命名为VOC2007的“000005.jpg”形式图片重命名的代码（c++，python，matlab），参考：http://blog.c...
2018-01-02 17:13:59
35002
25
原创 windows10下运行tensorflow版的faster-Rcnn
源码： https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5
2018-01-02 14:37:54
9716
32
原创 计算机视觉领域不同的方向：目标识别、目标检测、语义分割等
计算机视觉任务： 图像分类（image classification）图像分类：根据图像的主要内容进行分类。 数据集：MNIST, CIFAR, ImageNet目标检测（object detection）给定一幅图像，只需要找到一类目标所在的矩形框 人脸检测：人脸为目标，框出一幅图片中所有人脸所在的位置，背景为非目标 汽车检测：汽车为目标、框出一幅图片中所有汽车所在的位置，背景为非目标 数
2017-12-29 17:09:45
11701
原创 各版本的anaconda下载地址
官网首页总是现实最新版本的anaconda，如果我们想下载旧版本就得找半天， 所有版本在这个网站都可以下载：https://repo.continuum.io/archive/安装anaconda后 conda的使用方法：https://conda.io/docs/user-guide/tasks/manage-pkgs.html#installing-multiple-packages...
2017-12-22 21:06:26
42644
3
原创 安装Ubuntu 16.04后的系统设置和软件安装（搜狗输入法、Chrome、网易云音乐等）
Ubuntu 16.04安装完后，还需要做一些配置，才能像使用windows下一样愉快的玩耍，包括系统设置，更换软件源，配置快捷键，安装搜狗输入法、Chrome浏览器、网易云音乐等等检查更新设置->软件更新->更新驱动设置->软件更新->附加驱动修改系统启动顺序双系统用户刚装完Ubuntu的时候，开机进入紫色的系统选择界面，默认的启动项为ubuntu。如果希望将windows作为默认启动项，需要调整
2017-12-22 16:03:25
2338
原创 windows下 python 子模块管理（安装，更新，卸载）
python 子模块下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#userconsent#方式一：pip直接运行-cmd 控制台操作1.安装包方式一： 安装最新的版本：pip install SomePackage # latest version安装指定版本：pip install SomePackage==1.0.4 # specific v
2017-12-21 17:11:41
956
原创 【Tensorflow实战计算机视觉】 之 MNIST数据集
计算机视觉方向使用深度学习主要是卷积神经网络，可以参考这篇文章：零基础入门深度学习(4) - 卷积神经网络 卷积神经网络改善MNIST数据集识别准确率在上一篇博客中，MNIST上只有91%正确率。我们用一个稍微复杂的模型：卷积神经网络来改善效果。这会达到大概99.2%的准确率。构建一个多层卷积网络权重初始化为了创建这个模型，我们需要创建大量的权重和偏置项。这个模型中的权重在初始化时应该加入少量的噪声
2017-11-02 16:03:40
930
原创 深度学习入门基础 ----- Python快速教程 、深度学习理论基础、Tensorflow基础
Python快速教程给深度学习入门者的Python快速教程 - 基础篇给深度学习入门者的Python快速教程 - numpy和Matplotlib篇给深度学习入门者的Python快速教程 - 番外篇之Python-OpenCV深度学习理论基础零基础入门深度学习(1) - 感知器 零基础入门深度学习(2) - 线性单元和梯度下降 零基础入门深度学习(3) - 神经网络...
2017-11-02 15:46:57
1748
原创 ubuntu16.04上安装CUDA8.0 + cuDNN v6 + tensorflow-gpu1.4
CUDA cuDNN tensorflow版本对应关系 CUDA8.0 cuDNN v5.1 tensorflow1.2及以下版本 CUDA8.0 cuDNN v6 tensorflow1.3、1.4 CUDA9.0 cuDNN v7 tensorflow1.5及以上版本—————考虑到新版本可用的资源少，我们选择安装CU...
2017-11-02 15:41:56
1551
原创 Windows10上安装 TensorFlow1.4 + CUDA8.0 + cudnn6.0
安装TensorFlow 1.4版本 的环境要求 如图所示：安装3.5以上版本的python，推荐直接安装Anaconda：https://www.continuum.io/downloadsCPU版本：打开运行—-输入命令“cmd”—-输入命令“pip install tensorflow-cpu ”GPU版本：检查GPU是否支持CUDN：其实这一步是可以省略...
2017-10-01 23:02:10
1237
原创 win10+VS2015 编译64位的gdal，并配置环境
一、下载gdal下载地址：http://trac.osgeo.org/gdal/wiki/DownloadSource 我下载的是最新版gdal2.2.1二、修改编译文件解压后的文件中应该有一个nmake.opt文件，在编译之前需要修改nmake.opt中的一些配置。1、 GDAL_HOME = “C:\warmerda\bld”，编译后的生成的头文件、静态库、动态
2017-08-02 00:59:58
15099
14
原创 【立体视觉】双目测距，生成深度图
参考： 双目匹配与视差计算双目测距原理：经过之前的标定工作，我们已经得到了\frac{f}{dx}和T_{x}，要计算一个物体上某一点的深度Z，只需要知道其在左右相片上的像素坐标就可以了
2017-07-26 23:54:03
11188
4
原创 【立体视觉】双目图像立体匹配，生成视差图
参考： 【图像配准】基于灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法 双目立体视觉SAD匹配算法
2017-07-26 23:53:15
4035
原创 【立体视觉】单应矩阵H、本质矩阵E和基本矩阵F
参考： 基本矩阵、本质矩阵和单应矩阵 单应矩阵 基本矩阵 本质矩阵的区别与联系 单应矩阵，基本矩阵，本质矩阵 本质矩阵和基础矩阵的区别是什么？单应矩阵H本征矩阵E对极几何在双目问题中非常的重要，可以简化立体匹配等问题，而要应用对极几何去解决问题，比如求极线，需要知道本征矩阵或者基础矩阵，因此双目标定过程中也会把本征矩阵和基础矩阵算出来。本征矩阵常用字母E来表示，其物理意义是左右图像坐标系相互
2017-07-26 23:50:31
5397
1
原创 【立体视觉】双目立体标定与立体校正
参考： 机器视觉学习笔记（6）——双目摄像机标定参数说明 机器视觉学习笔记（8）——基于OpenCV的Bouguet立体校正 双摄像头立体成像(三)-畸变矫正与立体校正人类可以看到3维立体的世界，是因为人的两只眼睛，从不同的方向看世界，两只眼睛中的图像的视差，让我们可以看到3维立体的世界。类似的，要想让计算机“看到”3维世界，就需要使用两个摄像头构成双目立体视觉系统。想要让双目视觉系统知道视差，
2017-06-28 09:54:40
32262
5
原创 【OpenCV3学习笔记 】相机标定函数 calibrateCamera( ) 使用详解（附相机标定程序和数据）
函数作用：根据校准模式的几个视图（也就是相机拍的几张不同的图片），求解摄像机的内在参数和外在参数。 在每个视图中，必须指定三维物体点及其相应的二维投影的坐标。这可以通过使用已知几何形状和易于检测特征点的对象来实现。这样的对象称为标定或校准模式，而且OpenCV有对棋盘标定的内置支持（见findchessboardcorners）。目前，固有参数的初始化（当cv_calib_use_intrinsi
2017-06-27 20:47:32
59565
60
原创 【立体视觉】单目相机标定-张正友标定法
上两篇博客介绍了坐标系之间的关系和相机成像模型，地址：【计算机立体视觉】世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的关系 【计算机立体视觉】相机成像模型—包含相机畸变这篇博客介绍相机标定，重点是张正友相机标定法相机标定在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件
2017-06-24 13:58:02
2291
1
原创 【立体视觉】相机成像模型---包含相机畸变
相机的理想成像模型为小孔成像模型，针孔成像模型坐标转换，参考上一篇博客：【计算机立体视觉】世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的关系相机光学系统实际上会存在存在加工和装配的误差，透镜就并不能满足物和像成相似三角形的关系，所以相机图像平面上实际所成的像与理想成像之间会存在畸变。畸变属于成像的几何失真，是由于焦平面上不同区域对图像的放大率不同形成的画面扭曲变形的现象，这种变形的程度从画面中
2017-06-24 13:56:50
2566
原创 【立体视觉】世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的关系
相机的成像过程涉及到四个坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系。这篇博客介绍相机的成像过程，以及四个坐标系之间的装换关系。世界坐标系：是客观三维世界的绝对坐标系，也称客观坐标系。因为数码相机安放在三维空间中，我们需要世界坐标系这个基准坐标系来描述数码相机的位置，并且用它来描述安放在此三维环境中的其它任何物体的位置，用（X, Y, Z）表示其坐标值。相机坐标系（光心坐标系）：以相机的光
2017-06-24 11:02:36
36141
13
原创 【OpenCV3图像处理】仿射变换 透视变换
图像处理的仿射变换和透视变换仿射变换和透视变换更直观的叫法可以叫做“平面变换”和“空间变换”。一个是二维坐标(x,y)，一个是三维坐标(x,y,z)仿射变换：二维平面的变换 ； 线性变换 ；已知3对坐标点就可以求得变换矩阵透视变换：三维空间的变换 ； 非线性变换 ；已知4对坐标点可以求得变换矩阵仿射变换仿射变换是空间直角坐标系的变换，从一个二维坐标变换到另一个二维坐标，仿射变换是一个线性变换，他保持
2017-06-23 21:11:31
7618
原创 【OpenCV3图像处理】图像简单几何变换：旋转、平移、缩放
仿射变换仿射变换（Affine Transformation或 Affine Map），又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间的过程。它保持了二维图形的“平直性”（即：直线经过变换之后依然是直线）和“平行性”（即：二维图形之间的相对位置关系保持不变，平行线依然是平行线，且直线上点的位置顺序不变）。 一个任意的仿射变换都能表示为乘以一个矩阵(线性
2017-06-23 16:43:03
7704
原创 【OpenCV3图像处理】图像特征点检测
特征点：图像的特征点是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点。图像特征点 在基于特征点的图像匹配算法中有着十分重要的作用。图像特征点能够反映图像本质特征，能够标识图像中目标物体。通过特征点的匹配能够完成图像的匹配。在物体检测，视觉跟踪，三维常年关键等领域都有很广泛的应用。常用的图像特征点：HarrisHarris角点检测原理详解 Opencv学习笔记（五）Harr
2017-06-20 15:48:44
1825
原创 【OpenCV3图像处理】直线检测 圆检测 椭圆检测
直线拟合直线拟合的原理就比较简单了，它是一个最小二乘算法。使得这些点到直线的距离之和最小；考虑到一些本不应该存在的点对直线拟合产生的干扰，通常也可以使用加权最小二乘，让权值与点到直线的距离成反比。OpenCV提供fitLine函数来进行直线拟合。让我们看一个例子：直线检测参考博客： http://blog.csdn.net/thefutureisour/article/detai...
2017-06-20 15:45:35
1920
原创 【OpenCV3图像处理】图像直方图均衡化、直方图匹配
一、直方图均衡化通过累计函数对图像灰度进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像元个数大致相等。 就是把原始图像的灰度直方图从比较集中在一定范围变换到全灰度范围的均匀分布， 直方图均衡化常用来增强图像全局对比度。但变化后图像灰度级减少，某些细节消失。 步骤： （1）统计每个灰度级的像元个数 （2）统计每个像素级的累计像元个数 （3）重新计算每个像元灰度值 代码如下：
2017-06-17 16:45:42
2063
原创 【OpenCV3图像处理】边缘检测：Sobel算子 Laplace算子 Canny算子
边缘检测Sobel算子函数原型（opencv帮助文档）void cv::Sobel ( InputArray src,OutputArray dst,int ddepth,int dx,int dy,int ksize = 3,double scale = 1,double delta = 0,int bor...
2017-06-17 16:36:28
1585
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人