计算机视觉

计算机视觉人脸相关开源项目总结 https://github.com/ageitgey/face_recognition 深度学习人脸关键点检测方法----综述 来源： CSDN 作者： weixin_33804990 链接： https://blog.csdn.net/weixin_33804990/article/details/85937207

计算机视觉开源代码集合 http://xilinx.eetrend.com/article/8919 在线搜索开源代码 http://www.krugle.org/ 搜索代码 https://searchcode.com/ stack overflow http://stackoverflow.com/ github https://github.com/explore freesourcecode http://freesourcecode.net/ matlab 代码搜索 http://cn.mathworks.com/matlabcentral/fileexchange/ 8. 来源： CSDN 作者： oneTaken 链接： https://blog.csdn.net/u011394059/article/details/58591785

1. Verification and Certification of Neural Networks 神经网络的验证与认证 2. Automated Analysis of Marine Video for Environmental Monitoring 海洋环境监测视频的自动分析 3. Understanding Subjective Attributes of Data: Focus on Fashion and Subjective Search 理解数据的主观属性：关注时尚和主观搜索 4. Deep-Vision: New Frontiers and Advances in theory in Deep Learning for Computer Vision (6th edition) 深度视觉：计算机视觉深度学习理论的新前沿与进展（第6版） 5. Women in Computer Vision 计算机视觉领域的女性 6. Image Matching: Local Features and Beyond 图像匹配：局部特征及其应用 7. Long-Term Visual Localization under Changing Conditions 变化条件下的长期视觉定位 8. Language and Vision 语言与视觉 9. Computational

原文来源：http://www.qianjia.com/zhike/201903/251131323930.html 来源： https://www.cnblogs.com/pujianjian/p/11795120.html

第十三周学习周报 一、本周学习情况 1、学习了吴恩达老师微专业课《深度学习工程师》 第三篇：结构化机器学习项目 第二周内容： 机器学习（ML）策略（2） 2、学习了两节李飞飞计算机视觉的课程 3、跑了一个 小的分类模型 二、学习笔记 计算机视觉就是用各种成象系统代替视觉器官 作为输入敏感手段，由计算机来代替大脑完成处理和解释。 计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。 在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重要应用领域就是自主车辆的视觉导航，还没有条件实现象人那样能识别和理解任何环境，完成自主导航的系统。 在计算机视觉系统中计算机起代替 人脑 的作用，但并不意味着计算机必须按人类视觉的方法完成视觉信息的处理。计算机视觉可以而且应该根据 计算机系统 的特点来进行视觉信息的处理。 因此，用计算机信息处理的方法研究人类视觉的机理，建立人类视觉的 计算理论 ，也是一个非常重要和信人感兴趣的研究领域。这方面的研究被称为计算视觉 。计算视觉可被认为是计算机视觉中的一个研究领域。 三、下周学习计划 1、继续学习吴恩达老师的微专业课程 2、再找一些小的Demo、 看一些源码 3、 学习机器学习内容 来源： CSDN 作者： 千秋莫负 链接：

PointNet++的pytorch实现代码阅读 1. 功能函数文件 1.1 square_distance函数 1.2 farthest_point_sample函数 1.3 index_points函数 1.4 query_ball_point函数 1.5 Sampling + Grouping 1.6 SetAbstraction层 1.7 FeaturePropagation层 2. 模型主文件 2.1 Classification 2.2 Part Segmentation 2.3 Scene Segmentation pytorch代码： https://github.com/yanx27/Pointnet2_pytorch PointNet以及PointNet++的原理可以参考 从PointNet到PointNet++ ，本篇主要详述PointNet++代码的实现。 代码主要由两部分组成，pointnet_util.py封装着一些重要的函数组件，pointnet2.py用来搭建模型。 1. 功能函数文件 1.1 square_distance函数 该函数主要用来在ball query过程中确定每一个点距离采样点的距离。函数输入是两组点，N为第一组点的个数，M为第二组点的个数，C为输入点的通道数（如果是xyz时C=3），返回的是两组点之间两两的欧几里德距离，即 N ×

1 如下表格，根据输入输出确定计算机图形学和数字图像处理的区别 2 根据下图，确定各个学科的联系与区别 来源： https://www.cnblogs.com/LuckCoder/p/11787264.html

SLAM领域牛人列表 Andrew Davison 。 点击打开链接 个人主页：http://www.doc.ic.ac.uk/~ajd/index.html. Imperial College London 机器人视觉宗师，现任英国帝国理工学院教授，机器视觉组及Dyson机器人实验室主任，英国牛津大学博士，单目摄像头SLAM奠基人（MonoSLAM），近年来在视觉slam领域做了大量研究，著名工作包括MonoSLAM, SLAM++, DTAM等。Google Scholar论文引用数：12232(截止2016年4月28日). David Murray . 点击打开链接 http://www.robots.ox.ac.uk/~dwm/. Oxford University 机器人视觉宗师，现任英国牛津大学教授，Active Vision Laboratory主任,PTAM作者，Philip Torr, Andrew Davison，Ian Reid的Phd导师。 lan Reid. 点击打开链接 https://cs.adelaide.edu.au/~ianr/ .University of Adelaide 机器人视觉著名科学家，现任澳大利亚阿德莱德大学教授，英国牛津大学博士，西澳大利亚大学学士。MonoSLAM第二作者。Google Scholar论文引用数：11720

大家好，我是小木，我又回来了，今天我们要讲一些算法，这些算法可以把物体和它的背景分离。这些算法最常用的有两种，一种叫做 GrabCut 我们今天不讲推导过程，原因是本人还没有看明白，所以第九节课给大家普及。这节课我只讲东西是怎么用的。 GrabCut NB 360 40 BB 首先我们有一张图： 额，又是小熊，为啥博主总是用它呢？很简单，我喜欢这个娃娃啊！我们想要把小熊后边的背景都给干掉，那么怎么办呢？ 第一种方法叫做矩形框选法： 首先我们在这个图片上面把前景部分用矩形给圈起来： 接下来，我们假定在红色框框里面的东西一部分可能是前景、一部分可能是背景。而框框外面的物体全部都是背景。 X,Y PS 0 0 1 2 3 OPENCV GCD_BGD =0 GCD_FGD =1 GCD_PR_BGD =2 GCD_PR_FGD =3 1 65=13*5 GrabCut 0~3 4 2~3 2 0 0 3 为 1 1 0 1 OK OPENCV #导入类库 import numpy as np import cv2 #画图类库，很好用，不用自己从头编写了 from matplotlib import pyplot as plt #导入图像（小熊） img = cv2.imread('D:/xiaomu/opencv7-1.png') #建立一个和img图像一样大的蒙版 mask = np

TIP2018的 right @IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 27, NO. 2, FEBRUARY 2018 吸引我的是其中应用的metric learning。我一直以为，metric learning其实和传统的dense prediction以及各种CNN背后的东西是一致的。你现在有这些东西，比方说一堆图片，那么机器怎么看待它们之间的差异？一种度量方式就创建了一个非欧空间，在什么样的理想空间，能够让机器的识别率爆表。很有意思。 我花在abstract上的时间越来越多了，因为我发现，论文读到一半，可以回头看看abstract，佐证一下自己的思路。还有预见性，总之，一个好论文的abstract是作者思路的结晶，值得多读几遍。 1 abstract 本论文研究的领域是人脸再识别 ，比方说苹果手机的解锁，就是再识别你的脸。你要是画个大浓妆，指不定还能不能解锁。画个角度，换个表情，都会影响你的解锁（再识别）。 characteristic logistic discriminant metric learning exploit both original and auxiliary data(privileged information) auxiliary information only avaliable in