图像处理

郑育

累计撰写 131 篇文章
累计创建 16 个标签
累计收到 4 条评论

标签搜索

目录CONTENT

以下是图像处理相关的文章

【论文阅读：综述】从手工到深层特征的图像匹配图像匹配算法的综述，包括了特征提取、描述、匹配的发展
- 2023-04-08
- 1540
- 0
- 0
- 三维重建
LeNet网络结构 LeNet-5--经典卷积神经网络。
- 2023-03-07
- 467
- 0
- 0
- 二维图像
目前常用开源的 RGBD 注释数据集 ScanNet其中包含了 1513 个场景数据，21个类别对象，其中，1201个场景用于训练，312个场景用于测试。该数据集有四个评测任务：3D语义分割、3D实例分割、2D语义分割和2D实例分割。数据集下载正常情况下我们需要提交申请，通过审核后才可以下载，这里可以直接利用下面的下载脚本实现。如果直接
- 2022-07-27
- 934
- 0
- 0
- 深度学习
查看图像像素值 import cv2img= cv2.imread('290.png') #定义图片位置#img= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转化为灰度图因为我读取的直接是灰度标签图片就不用转化了def onmouse(eve
- 2022-07-10
- 424
- 0
- 0
- 传统图像
算法汇总汇总遇到有价值的算法
- 2022-06-07
- 854
- 0
- 0
- 深度学习
【论文阅读：RGBD Semantic 】ACNet：基于注意力的网络利用互补特征进行 RGBD 语义分割与 RGB 语义分割相比，RGBD 语义分割通过考虑深度信息可以获得更好的性能。然而，由于 RGB 和深度 (D) 图像的特征分布在不同场景中存在显着差异，因此当代分割器有效利用 RGBD 信息仍然存在问题。
- 2022-05-27
- 642
- 0
- 0
- 论文阅读
【论文阅读：RGBD Semantic 】ESANet：用于室内场景分析的高效 RGB-D 语义分割提出了一种高效且稳健的 RGB-D 语义分割方法，该方法使用 NVIDIA TensorRT 进行高度优化，因此非常适合作为复杂系统中用于移动机器人场景分析的常见初始处理步骤。实验表明，RGB-D 分割优于单独处理 RGB 图像，并且如果网络架构经过精心设计，它仍然可以实时执行。
- 2022-05-27
- 763
- 0
- 0
- 论文阅读
ROS image_pipeline 图像处理模块 image_pipeline 填补了从相机驱动程序获取原始图像和更高级别的视觉处理之间的空白。
- 2022-05-27
- 1014
- 0
- 0
- ROS
三维重建技术总览目前的三维重建技术总览
- 2022-05-20
- 825
- 0
- 0
- 三维重建
ROS_image_proc图像校正模块 ROS_image_proc图像校正模块的节点介绍
- 2022-05-15
- 711
- 0
- 0
- ROS
基于ROS的相机校准（camera_calibration & image_proc）如何下ROS环境下对普通相机利用棋盘模型进行矫正
- 2022-05-15
- 1036
- 0
- 0
- ROS