LCon的博客

halcon_tu_instroduction

机器学习，就是在任务 T 上，随经验 E 的增加，效果 P 随之增加。 机器学习的过程是通过大量数据的输入，生成一个模型，再利用这个生成的模型，实现对结果的预测。 庞大的神经网络是基于神经元结构的，是输入乘以权重，再求和，再过非线 性函数的过程。 本节课目标：搭建神经网络，总结搭建八股。 本节目标：复现已有网络，实现实际应用。

CVPR2020致力于计算机视觉和模式识别包括颜色检测、跟踪、运动、物体识别、音响和目标检测。 包含了：分段和分组、运动和跟踪、人类的认识、Shape-from-X、音响和结构与运动、颜色和纹理、照明和反射建模、基于图像的建模、传感器、形状表示和匹配、计算摄影和视频、早期和生物启发的愿景、视频分析和事件识别、优化方法、脸和姿态分析、视频监控、现场了解、图像和视频检索、医学图像分析、对机器人的愿景、对图形的愿景、统计方法和学习、计算机视觉的应用、文档分析、对象识别、检测、分类。

检测 28分割 36分类、识别 15跟踪 19人脸 8人体姿态估计、位姿估计 18行为/动作识别、手势识别 10时序动作检测、视频相关 18Related to Networks 34GAN、图像文本生成 21图像/视频处理、超分辨 18点云、三维重建 25VQA、视觉语言导航 10OCR、文本检测 8自动驾驶、SLAM 12人群计数 3数据集 6行人重识别、行人检测 8其他 254

OpenCV Computer Vision Projects with Python; This Learning Path is for someone who has a working knowledge of Python and wants to try out OpenCV. This Learning Path will take you from a beginner to an expert in computer vision applications using OpenCV. OpenCV's applications are humongous and this Learning Path is the best resource to get yourself acquainted thoroughly with OpenCV.

图形神经网络（GNN）主要用于分子应用，因为分子结构可以用图形结构表示，它可以有效地建模系统中对象之间的关系或交互。GNN有各种应用，例如分子应用，网络分析和物理建模。

该资源根据冯卡门涡街理论，对于经过圆柱的流体流动，在流体中安置阻流体，在特定条件下在阻流体下游的两侧，会产生两道非对称地排列的旋涡，其中一侧的旋涡循时针方向转动，另一旋涡则反方向旋转，这两排旋涡相互交错排列，各个旋涡和对面两个旋涡的中间点对齐，如街道两边的街灯般。

halcon算子实例，包括车牌识别，缺陷检测，文字识别，颜色识别，halcon学习笔记等