dadaHaHa1234-CSDN博客

原创 spatial transformer network (STN)

STN

2022-08-22 22:25:22 900 1

原创 pyInstaller打包python程序

使用 PyInstaller 打包 Python 程序

2022-07-21 16:05:54 399

IoU矩形框的IoUdef compute_iou(rec1, rec2): """ computing IoU param rec1: (y0, x0, y1, x1) , which reflects (top, left, bottom, right) param rec2: (y0, x0, y1, x1) , which reflects (top, left, bottom, right) return : scale value of IoU

2022-07-15 14:42:54 272

原创 python os.path 路径处理

path

2022-04-01 20:17:22 232

原创 linux的dataset测试

result = dataset[0].getitem(1)

2022-03-23 08:34:10 155

原创 Linux FTP

ftp use:https://jingyan.baidu.com/article/9f63fb91e97a6388410f0e59.htmlftp install:sudo apt-get install vsftpdservice vsftpd start

2022-01-27 23:37:08 1055

原创 coco evaluate

指标含义关键过程和解析分别读取检测结果的json文件和gt的json文件，然后进行评估（1）COCOeval的初始化cocoEval = COCOeval(cocoGt, cocoDt, iou_type)其中cocoGt和cocoDt都是pycocotools.coco.COCO类 self.cocoGt = cocoGt # ground truth COCO API self.cocoDt = cocoDt

2021-12-20 23:15:13 2535

原创 Gated-SCNN: Gated Shape CNNs for Semantic Segmentation

lossdual loss代码：Gated-SCNN中的gumbel_softmax: 如公式(9)所示，用gumbel softmax实现argmax()。g = _gumbel_softmax_sample(input_logits.view(N, C, -1), tau=0.5) gumbel_noise = _sample_gumbel(logits.size(), eps=eps) #_sample_gumbel构造gumbel分布g=-log(-log(u+eps

2021-10-25 10:48:13 249

原创 Categorical Reparameterization with Gumbel-Softmax

参考https://www.bilibili.com/video/BV1G64y1b7v3/?spm_id_from=333.788.recommend_more_video.-1

2021-10-22 11:00:26 247

原创 Polygonal Building Extraction by Frame Field Learning

SegEdgeInteriorLoss 预测边缘与预测的屋顶分割结果的制约(1) 根据屋顶预测结果来计算概率seg是屋顶预测结果，值为[0-1],shape为(b,c,h,w); seg_grad_norm是根据seg计算的屋顶边缘概率，值为[0-1],shape为(b,c,h,w)。seg_grads = 2 * self.spatial_gradient(seg) # (b, c, 2, h, w),seg_grad_norm = seg_grads.norm(dim=2)（2）计算整张图

2021-10-18 16:30:06 355

原创 kornia库的使用

官方资料https://github.com/kornia/kornia自己测试计算边缘

2021-10-12 15:53:52 2521

转载 json文件的处理

转载：https://blog.csdn.net/lizhixin705/article/details/82344209json 模块提供了一种很简单的方式来编码和解码JSON数据。其中两个主要的函数是 json.dumps() 和 json.loads()。1.json.dumps将一个Python数据结构转换为JSON：import jsondata = { 'name' : 'myname', 'age' : 100,}json_str = json.dumps(da

2021-09-13 21:54:19 505

转载图像轮廓检测

转载https://blog.csdn.net/zziahgf/article/details/76013881

2021-09-12 10:34:57 95

原创 guided filter

2.bilateral filter其filter kernel的值不仅仅与距离有关，还与image的值有关。对于Gaussian kernel,其值如下而对于值域核，其值与两个像素之间的相似度有关：在图像明显的边缘区域，其值域kernel如下：(值域kenel在平滑区域近似为1，在边缘区域用)最终kernel的结果为空间域kernel(guassian)*值域kenerl(值域kenel在平滑区域近似为1，在边缘区域用)代码：cv2.bilateralFilter源码：参考https

2021-09-02 16:18:26 878

原创 python中好用的库和操作等

使用pathlib替代os.path参考https://zhuanlan.zhihu.com/p/87940289

2021-08-24 19:58:16 116

原创科研绘图matplotlib、cv2、ImageDraw

1.matplotlib绘制图表2.pylab可以在RGB图像中绘制出matplotlib的效果将RGB图片与matplotlib中绘图的功能无缝连接参考https://blog.csdn.net/kingroc/article/details/73088510import pylabpylab.imshow(BigImage) #导入BigImage至画布中pylab.plot([pt1_x,pt2_x],[pt1_y,pt2_y],'o',markerfacecolor='none',mar

2021-08-23 07:08:54 201

原创计算机视觉文章查找方法

1.https://dblp.uni-trier.de/db/conf/cvpr/index.html可以进一步选择时间和期刊等

2021-08-17 22:10:47 111

原创 jetson TX2 刷机jetpack4.4+安装onnxruntime+基本配置

jetson TX2安装jetpack4.4所用：（1）ubutu16(虚拟机安装的即可)，内存大于8G，存储80G, 且需要安装amd64结果的ubuntu（2）jetson TX2，装机时间长，所以需要保证中间不断电；过程：参考 https://www.weixiuzhan.cn/news/show-32142.htmlhttps://blog.csdn.net/qq_40695642/article/details/107936625https://www.freesion.com/ar

2021-07-26 15:53:58 1190

原创 jetson tx2中的onnx

pytorch模型可以转为onnx模型，转变后的onnx模型要如何在jetson TX2中使用呢？1.jetson中运行onnx模型https://developer.nvidia.com/blog/announcing-onnx-runtime-for-jetson/在这里插入图片描述https://github.com/Azure-Samples/onnxruntime-iot-edge/blob/master/README-ONNXRUNTIME-arm64.md相关的视频：https://

2021-07-22 16:34:37 668

转载 mathtype

1.批量修改字体大小参考https://www.mathtype.cn/jiqiao/piliang-tiaozheng.htmlhttps://blog.csdn.net/Vensmallzeng/article/details/105434457

2021-04-19 08:49:47 301

原创 Linux修改文件的权限、命令行提示

修改文件所属的组：chown [-R] :所属组文件或目录-R:表示是否递归修改：修改文件所著的组即，如果递归修改文件所属的组chown -R :组名目录名修改文件权限：chmod [-R] 755 目录...

2021-04-09 16:21:16 165

原创 python 多CPU并行执行for循环

可以用Parallel来多线程执行循环操作from joblib import Parallel, delayedimport multiprocessinginputs = range(10) def processInput(i): return i * inum_cores = multiprocessing.cpu_count()results = Parallel(n_jobs=num_cores)(delayed(processInput)(i) for i in in

2021-03-11 09:47:07 9449

转载 python opencv 模板匹配

转载https://blog.csdn.net/jacke121/article/details/95310595https://zhuanlan.zhihu.com/p/146690373https://www.cnblogs.com/april0315/p/13741888.html公式：①TM_SQDIFF是平方差匹配；TM_SQDIFF_NORMED是标准平方差匹配。利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。②TM_CCORR是相关性匹配；TM_CCORR_NORMED

2021-03-05 15:42:00 293

原创 Aggregating Gradient Distributions into Intensity Orders: A Novel Local Image Descriptor

作者贡献1.Unlike the undertaking in many popular descriptors where a dominant orientation is assigned to the descriptor for it to be rotation invariant, our descriptor is inherently rotation invariant thanks to a rotation invariant way of gradient computation

2021-02-27 20:55:25 185

原创 FCSS: Fully Convolutional Self-Similarity for Dense Semantic Correspondence

这是一篇通过神经网络CNN来计算图像间自相似的文章；3.2：传统方法计算LSS无法得到语义相似性；我们的方法：该方法采用弱监督，满足A->B,B->A一致性的视为正样本，其它视为负样本

2021-02-24 22:25:51 328

原创 SAR and Optical Image Registration Using Nonlinear Diffusion and Phase Congruency Structural Descrip

这是TGRS_2018的一篇文章：针对两个问题做了针对性的改进：关键点的检测，不具有辐射不变性，且分布不均匀。GS-Harris算法使用Gaussian blur处理图像，会将边缘模糊因此，我们提出UND-Harris来检测关键点。UND-Harris结合了nonlinear diffusion,feature proportion和block strategy。其中nonlinear diffusion参考《SAR image registration using phase congruenc

2021-02-23 17:29:33 593 2

原创 A local phase based invariant feature for remote sensing image matching

本文是2018年，发表在ISPRS中的一篇遥感影像配准的文章。本文的创新点：1.提出MMPC-Lap来检测两张图的的关键点，该方法基于minimum moment of phase congruency来检测关键点。相对于Har-Lap,DoG,MSER，该方法的效果有明显的提升2.提出LHOPC特征描述方法，该方法（1）基于PC的大小和方向构造直方图统计特征。其中，类似SIFT+DAISY统计一个区域的直方图,该区域是由多个同心圆构成（2）基于统计特征得到特征的主方向（3）可以得到特征的尺

2021-02-23 11:33:52 440 2

原创 Fast and Robust Matching for Multimodal Remote Sensing Image Registration (CFOG)

1.HOG算法的步骤首先：得到一个block的梯度分布直方图：2*2*9=36，即横轴为1-36，其中1-9表示第一个cell的梯度分布直方图，以此类推1.将template window根据stride分为block,然后将每个block分为2*2的cell2.在每个cell中，获取梯度的方向，进一步得到梯度方向分布直方图然后，使用stride=1/2 block来获得整张图的梯度分布直方图参考：https://www.cnblogs.com/hichens/p/12203071.

2021-02-21 08:43:40 2465

原创 RIFT Multi-Modal Image Matching Based on Radiation-Variation Insensitive Feature Transform

RIFT:radiation-variation insensitive feature transform3个贡献：1.使用时相一致性而不是像素强度做特征检测，更鲁棒；只检测角点和边缘点2.提出 maximum index map来做特征描述3.支持旋转不变性要实现通用的鲁棒图像匹配，需要解决三个难题:(1)几何变换不变性，辐射不变性（2）外点的去除（3）非刚性的配准问题RIFT主要用来解决辐射不变性，尤其是NRD(nonlinear radiation distortiion).目前，

2021-02-17 14:39:46 6169 13

原创卷积，加权和和离散傅里叶变换

假设B.shape=[100,100],A.shape=[50,50]，卷积过程得到的shape为[149,149]卷积过程=翻转+加权和+滑动；共滑动了149*149次，所以得到的shape为[149,149]卷积过程可以使用离散傅里叶变换计算，复杂度降低（具体原理没有弄明白）。代码：...

2021-02-12 18:34:24 376

原创 DASC代码全解析

DASC的project和code参考：https://seungryong.github.io/DASC/计算DASC描述符公式说明：在一张影像中，像素i的DASC是在4040的空间中多次计算。每次计算，采样两个55的方格（记为patch s和patch t），然后计算这两个patch的相似度C(s,t)作为像素i的特征之一;其中C(s,t)的计算方式为：s’和t’是指patch s和patch t中的对应位置，∑是指依次遍历patch s和patch t中对应位置(共5*5=25个位置)；W

2021-01-31 22:08:30 942

原创 HOPC（Histogram of Orientated Phase Congruency）

对应文章：Robust Registration of Multimodal RemoteSensing Images Based on Structural Similarity（ＴＧＡＳ）过程：获得相位信息；提取相位的方向特征；Introduction:SSD(sum of squared differences):尽管计算快，但是不鲁棒quite sensitive to radiometric changes despite its high computational efficie.

2021-01-12 14:59:26 3300 1

原创 numpy总结

1.对array中的每一个元素做处理使用for循环的速度较慢,使用numpy中的内置函数.numpy中内置函数很多,基本可以处理大部分事情.

2021-01-11 16:26:51 129 1

原创傅里叶变换

一维傅里叶变换：https://zhuanlan.zhihu.com/p/19763358二维傅里叶变换：关键：理解频率图像的含义参考https://zhuanlan.zhihu.com/p/99605178?utm_source=qqhttps://www.zhihu.com/question/22611929

2021-01-11 01:09:09 6379 1

原创图像互信息ＭＩ

对应文章Stereo processing by semiglobal matching and mutual information1.两个变量的互信息，参考https://zhuanlan.zhihu.com/p/36192699随机变量的熵一个随机变量的熵越大，意味着不确定性越大，那么也就是说，该随机变量包含的信息量越大两个变量的互信息图像的互信息：参考https://www.it610.com/article/5030530.htm参考：https://blog.csdn.net/t...

2021-01-10 11:45:48 2804

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

caffe的Makefile.config和Makefile.tar.gz

google.tar.gz

空空如也