computer-vision

    0热度

    1回答

    从对象变换矩阵获取相机矩阵

    我有一个固定摄像头位置的世界空间中的3d对象的变换矩阵。如果对象没有被转换并且相机被转换，我想导出相机矩阵（位置，查找向量，右向量）。我怎么能计算出来？希望我的问题有道理
    graphics geometry computer-vision 2017-09-27

    0热度

    5回答

    计算轴未对齐的两个矩形之间的交集区域

    我想要计算两个矩形之间的交集的交集IoU，这两个矩形的轴未对齐，但轴的角度小于30度。近似值也被查找。 一个可能的解决方案是检查两个矩形之间的角度是否小于30度，并将它们平行旋转以便轴线对齐。从这里可以很容易计算出IoU。 另一种可能性是使用蒙特卡洛方法的交叉点（生成点，发现如果该点是在某些行一个矩形的并在另一个之上的一些线），但因为我需要使用此这似乎昂贵计算大量次数。 我一直在跳跃，那里有更好的
    python math machine-learning tensorflow computer-vision 2017-09-29

    0热度

    1回答

    没有好的特征点的对象跟踪

    我有一个物体沿着输送线移动，并试图使用计算机视觉来跟踪它的位置。一些将要通过的对象没有“很好的功能来追踪”。然而，角落的模板匹配似乎工作。 如果cv :: goodFeaturesToTrack没有给我好点，我运气不好吗？角落看起来像是显着的特征，我希望我能跟踪它们。模板匹配（可能考虑轮换）是识别角落的最佳选择吗？
    opencv image-processing computer-vision 2017-09-30

    2热度

    1回答

    LDA之前或分区

    我做一个分类，我对使用LDA只是降维这个问题后降维： 难道LDA的是对整个特征矩阵应用，包括训练和测试数据，然后（在减少数据维数之后）做特征矩阵的划分以提供训练和测试集以进行分类？这是真的吗？ 然后，假设我们需要在应用LDA之前划分数据。 如何使用Matlab的内部分类器（如kNN和SVM）对测试数据进行分类？
    machine-learning computer-vision classification 2017-09-30

    1热度

    1回答

    使用filter2D（OpenCV）做Sobel算子时，平方会引入很多噪音

    我试图手动实现sobel算子。 出于某种原因，操作员的水平和垂直分量似乎有良好的结果，但组合图像有很多噪音。 我注意到当我做了像（imgv ** 2）** 0.5之类的东西时，即使理想情况下也会引入大量噪音，但我应该再次获得大致相同的图像。 有人知道这里发生了什么吗？我是否应该以不同的方式组合图像？ 这里是我的代码在Python： import cv2 import numpy as np
    opencv computer-vision sobel 2017-10-01

    1热度

    1回答

    放大numpy图像并用零填充额外的空间

    我正在处理一个图像列表image_list。 image_list中的每个项目是一个具有形状（X，Y，3）的numpy数组。 X是高度，Y是宽度，每个图像有3个颜色通道。 我想获得所有图像的最大宽度和高度，并调整每个图像的大小，使得如果有额外的空间，则底部和右侧将填充0。我可以做第一部分（获得最大高度和最大宽度），但我正在努力与第二部分（调整和填充右边和底部零区域的零）。 max_height =
    python image numpy computer-vision 2017-10-04

    1热度

    2回答

    如何从文档中获取图像的边框（如MNIST手写的字符）？

    我想提取手写字符，写入像这样的框。 我正在提取29像素的宽度的正方形，这给我像这些图像。 正确识别字符，个别字符图像必须非常干净。与此类似， 我在做什么是， 计算水平和垂直投影每个图像的 。 遍历两个数组的每个元素。如果投影值大于某个阈值，则意味着它没有遇到边界。它删除边界周围的空白。 然后在图像中找到轮廓。 如果轮廓的面积大于某个阈值。获取边界矩形并裁剪。 但问题是，该方法并不准确。在某些情况下
    python opencv neural-network computer-vision mnist 2017-10-04

    1热度

    1回答

    在Matlab中不使用梯度（）计算高斯（dx，dy）的一阶导数

    我发起我的高斯为fspecial('gaussian', 4, 1)，我知道gradient()是获得一阶导数的非常方便的方法。有没有反正我可以计算一阶导数而不使用gradient()？我使用它用于创建Harris角点检测器，如图所示如教科书中的第一个步骤： 计算图像Ix和Iy的水平和垂直衍生物通过用高斯 的衍生物卷积的原始图像
    matlab image-processing computer-vision gaussian derivative 2017-10-05

    1热度

    2回答

    正常化为[0,1] vs [-1,1]

    我一直在使用关于使用神经网络进行关键点检测的一些教程。我注意到，对于输入（图像），除以255是很常见的（归一化为[0,1]，因为值介于0和255之间）。但是对于目标（X/Y）坐标，我已经注意到将它标准化为[-1,1]更为常见。任何这种差距的原因。 实施例：http://danielnouri.org/notes/2014/12/17/using-convolutional-neural-nets-
    tensorflow neural-network computer-vision keras normalization 2017-10-06

    0热度

    1回答

    同样的预测，所有的输入与微调起始v3模型

    我想微调2类的初始v3模型。这些是我遵循的步骤1.通过更改imagenet_data.py中的类和示例的数量，使用build_image_data.py从定制数据创建分片文件。使用了一个labelsfile.txt; 2.在flowers_data.py中相应地更改了值，并使用flowers_train.py我训练了模型。 ;我冻结了模型并获得了protobuf文件。 ; 4.我的输入节点（x）需
    python-2.7 tensorflow computer-vision deep-learning 2017-10-06
最新问题