7 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 二维码已经进入人们的日常生活中，尤其是日本Denso Wave公司1994年发明的QR码，由于其易于检测、写入信息量大、提供强大的纠错机制，应用最为广泛，可说是名副其实的第一大图像识别应用。 QR码的检测和解码成为很多应用开发的必备，面对众多的开源库，到底哪一种是比较好的呢？ BoofCV的作者Peter Abeles对较有影响力的五大开源库中检测算法进行了比较，值得大家参考。 参与比较的开源库： BoofCV (Ver. 0.33)：一种用Java实现的开源、实时的计算机视觉库； htt......
15 天前 / ???Edison_Guo
计算机视觉领域，利用局部特征、全局特征、深度特征以及上下文特征已经是大家习以为常的操作，尤其是前三种特征的使用，近期对上下文及显著性特征关注较多，今天和大家分享的一个技术，其也是利用了目标所在场景的上下文特征，更精确去得到目标的位置。 【导读】 上下文信息在帮助解决各种图像理解任务方面已经被证明是有效的。以前的工作集中在从图像中提取上下文信息，并利用它来推断图像中某些对象的属性。今天我们分享的，其考虑了一个逆问题，即如何从几个独立对象的属性中产生缺失的上下文信息，我们称之为场景上下文预测。这个问题......
32 天前 / 噶牛爱尚
首发于可达鸭的学习笔记写文章手把手教你用傅立叶变换画可达鸭鸭嘎嘎2,076 人赞同了该文章傅立叶变换能干啥么？ 多图预警 上面的心就是通过傅里叶变换画出来的！ 接下来介绍方法。 离散傅立叶变换假设我有N个复数，表示为向量x。离散傅立叶变换可以把x转换成N个新数，表示为向量X，满足如下等式： 而X又可以反过来变回x 公式都是维基抄的。数学就到此为止。 下面给具体的例子。 我们来看这8个点组成的粗糙的心形 如果我把这些点做傅里叶变换，可以得到这样一些点 看起来很随机没啥规律。把他们的坐标看成向量加起来看看 In [42]: ......
35 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 3D 多目标跟踪在自动驾驶和机器人领域具有重要应用，其意为跟踪检测到的物体包围框位于 3D 空间（点云）而非 2D 平面。 昨日，卡内基梅隆大学开源一个强大的3D多目标跟踪代码，在其论文A Baseline for 3D Multi-Object Tracking中，作者详述了算法思路和实验结果。作者称其为基线baseline，该算法框架简单，使用的各个模块算法也是直接使用或者稍微改进现有算法。 尽管算法简单，但该代码在著名的KITTI车辆多目标跟踪数据集上，将3D多目标跟踪精度（MOTA）从72.23提高到76.47，可谓改进......
52 天前 / 小米云技术官方
本文通过案例引入计算机视觉基本知识，并浅析其基本任务中的图像分类、图像分割进展及应用。 历史文章回顾：HBase Replication详解 Foreword前言先上几个计算机视觉应用的案例： 6月6日至8日，在第23届圣彼得堡国际经济论坛上，新华社、俄罗斯塔斯社和搜狗公司联合推出了全球首个俄语AI合成主播，未来它将被应用于塔斯社的新闻报道中。塔斯社是俄罗斯的国家通讯社，作为全球五大通讯社之一，对外向115个国家和地区提供新闻信息，在全球范围都具有广泛影响力。 MAGIC短视频智能生产平台由新华社和阿里巴巴联合成立的新华智云科技......
54 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 CV君盘点了CVPR 2019 中有关人体姿态的论文，其中研究 3D人体姿态估计的论文最多，有 11 篇，研究 2D 姿态估计的 7 篇，姿态迁移 2 篇，人体图像生成 1 篇，人体捕捉 2 篇，另外还有2篇创建了新的基准数据集。 姿态估计是很实用的CV技术，所以引起了很多工业界巨头的关注，微软、谷歌、Facebook、商汤、字节跳动都有论文。 52CV曾经解读过其中几篇论文，好的工作都是自带光环的，一出来就能被发现^_^ 尤其值得一提的是，这些论文中大部分都有开源代码（少部分为非官方开......
57 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 CV君盘点了 CVPR 2019 文本图像相关论文，总计 17 篇。 其中研究文本检测的最多，共 7 篇，包括已经非常知名的PSENet，还有最近异常火爆的CRAFT。 文本识别 4 篇，其中华南理工大学的 Aggregation Cross-Entropy 代码已经开源，其不仅适用于文本数据，序列数据识别均可参考。 数据增广 2 篇，文本数据是天然易于在训练时进行样本增广的，而GAN也被成功应用于这一方向。 北大的 2 篇文本风格迁移非常有意思，也许在设计领域很有用处。Facebook 将 OCR 引入视觉问答......
58 天前 / 我爱计算机视觉
一年一度的CVPR在美国长滩拉开帷幕了。将近1300篇论文发表于本届会议上。在学术界百花齐放的同时，大家也面临着新的挑战：复现层出不穷的新算法新模型。相信很多尝试过复现别人算法的同学都明白其中的艰辛。 从2018年年中开始，香港中文大学多媒体实验室（MMLab）就启动了OpenMMLab计划。这项计划的初衷是为计算机视觉的一些重要方向建立统一而开放的代码库，并不断把新的算法沉淀其中。我们相信，这一项工作可以推动可复现算法生态的建立，也是对计算机视觉社区的重要贡献。 在OpenMMLab的首期计划中，我们开放了MMCV和MMDetection（初期版本）......
64 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 昨天CVPR 论文终于提供下载： 重磅！CVPR 2019 论文终于全面开放下载！附百度云链接 看到一篇CVPR 2019论文《Learning Individual Styles of Conversational Gesture》，通过语音数据识别说话人手势，觉得蛮有意思。 下面这张图道出了作者们做的事情： 最下面一排是语音信号，中间是通过语音信号生成的手势数据，最上面是通过得到的手势数据合成的人物视频。 看起来还真是那么回事～ 以下是作者信息： 作者来自UC伯克利、Zebra Medical Vision、MIT（......
73 天前 / 极市小助手
加入极市专业CV交流群，与6000+名企名校视觉开发者互动交流，每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~ ps.6月5日（本周三）晚20:00，极市邀请了英特尔（中国）资深视觉应用工程师周兆靖，为我们分享：如何利用开源OpenVINO工具集加速深度学习推理，在公众号后台回复“43”即可获取免费直播链接，欢迎各位小伙伴参与交流~ 本文授权转载自公众号极验 作者简介 张秉异：复旦大学微电子工程硕士研究生，即将入学南加州大学，进修计算机工程博士学位。 基于骨架的动作识别（......
94 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 今天上午arXiv出现一篇非常值得参考的语义分割文章《Efficient Ladder-style DenseNets for Semantic Segmentation of Large Images》，来自克罗地亚的研究人员提出了一种基于DenseNets构建的形状像梯子的语义分割架构，其不仅精度达到目前最高（超越DeepLabV3+），而且参数量少，计算速度快，可谓语义分割领域的新突破。 以下是作者信息： 作者来自克罗地亚的萨格勒布大学。 提出问题 作者指出，在深度学习领域图像分类任务验证的有效网络结构，极大促进了计算机视觉......
107 天前 / 极市小助手
首发于机器学习面经写文章字节跳动计算机视觉算法实习生视频面试JustDoIT每个不曾起舞的日子，都是对生命的一种辜负423 人赞同了该文章此专栏主要总结各大厂机器学习相关的面试经验，欢迎大家投稿分享面试经验岗位信息如下： 一面（时间2019.3.14，形式是视频面试） -- 已凉 下午四点面试，晚上七点半收到了凉凉的邮件通知，不慌的，再接再励，查漏补缺，下面我就详细总结一下面试的经过。 注意：回答不一定正确，仅提供了我个人的回答，答案里有些不正确的地方，我之所以给出我的个人回答只是为了更好地还原面试过程，最近如有时间，我会整理......
113 天前 / kbsc13
2019 第 40 篇，总第 64 篇文章 本文大约7000字，建议收藏阅读 之前通过三篇文章简单介绍了机器学习常用的几种经典算法，当然也包括了目前很火的 CNNs 算法了： 常用机器学习算法汇总比较(上） 常用机器学习算法汇总比较(中） 常用机器学习算法汇总比较(完） 这些算法各有各的优缺点和适用的领域，了解熟悉它们是很有必要的，但如何应用它们还需要具体问题具体分析，而机器学习常见的应用方向，包括以下几个： 计算机视觉(CV) 自然语言处理(NLP) 语音识别 推荐系统 广告 等等 更详细的可以参考之前推荐过的一个网站： https://papers......
116 天前 / 极市小助手
写在前面：一直以来，极市得到了许许多多开发者的关注和支持，极市的成长离不开各位开发者的见证，为此我们特开设极市开发者祝愿帖，期待听到您真实的心声和建议~φ (> ω<*) ： 极市开发者祝愿活动 (有奖回馈） 作者：JustDoIT 本文为作者在极市平台知乎专栏的投稿文章，原文链接：https://zhuanlan.zhihu.com/p/62438746 作者按：本文是在阅读完《Residual Attention Network for Image Classification》所做的笔记，由于本人对注意力机制了解甚浅，笔记当中若有不恰当的地方，还望指出。论文地址：https://arxiv.org/pdf/1704.06904.pdf......
118 天前 / Aelous
Before近期在调研关于RGBD在室内移动机器人下的语义导航的研究。目前帝国理工的Andrew Davison在这边有两个团队在研究，目前最新的分别是Fusion++ 和 这篇 MaskFusion( 还有MID-Fusion, 之前的SemanticFusion 以及各类Fusion属于这俩分支) 。这篇是我阅读文章时的笔记，整理一下发上来和大家一起分享。文章末尾有关于到移动机器人应用rgbd语义slam的一些小想法，有想法欢迎在评论区一起探讨. 这篇文章在上传到axiv的时候即被Fusion++引用，并被其做了一些苍白的比较："虽然其能支持动态环境，但该文章并没有完成精细的物体重建，未来二者融合会是......