个人技术分享

视觉检测实战项目——九点标定

整个步骤：先识别圆，提取圆心坐标；然后根据对应的机械坐标计算转换矩阵；最后读取测试图片，提取圆心坐标，转换到机械坐标，计算圆心距。已知 9 个点的图像坐标和对应的机械坐标，直接计算转换矩阵，核心原理即最小二乘拟合。假定图像坐标、机械坐标如下，Matlab 测试一下。校正图，圆直径 1.5cm，圆心距 2cm。准备两张图，一张用来校正，一张用来测试。测试图，圆直径 2cm，圆心距 3cm。结果如下，识别的圆心坐标会有一定误差。图像坐标系和机械坐标定义如下。

【计算机视觉（1）】

计算机视觉是人工智能 (AI) 的一个领域，是指让计算机和系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。如果说人工智能赋予计算机思考的能力，那么计算机视觉就是赋予发现、观察和理解的能力。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。

深度学习之基于YoloV7+OpenPose姿态识别系统

一、系统背景随着深度学习技术的快速发展，其在计算机视觉领域的应用也日益广泛。姿态识别作为计算机视觉的一个重要分支，对于人机交互、运动分析、动作捕捉、虚拟现实等领域具有重要意义。YOLOv7和OpenPose作为两种先进的深度学习算法，分别在目标检测和人体姿态估计方面表现出色。因此，结合YOLOv7和OpenPose的优势，构建基于YOLOv7+OpenPose的姿态识别系统，具有广阔的应用前景。二、系统组成。

Rust：编写 CUDA 程序的示例

请注意，这个示例代码是一个简化的例子，用于演示 Rust 中 CUDA 编程的基本概念。在实际应用中，你可能需要处理更复杂的场景和错误处理逻辑。核函数的 CUDA 模块，并设置核函数的参数。最后，我们执行核函数，将结果从设备复制回主机，并验证结果的正确性。函数中，我们首先初始化 CUDA 运行时，然后分配设备内存，并将数据从主机复制到设备。以下是一个简单的 Rust CUDA 源代码例子，它展示了如何在 Rust 中调用 CUDA 核函数。应该是一个包含编译后的 CUDA 核函数的 PTX 文件。

【长春理工大学主办 | EI检索稳定 | SPIE独立出版 】第五届计算机视觉和数据挖掘国际学术会议（ICCVDM 2024）

此前，ICCVDM系列会议于2020年在中国西安、2021年在中国长沙（线上）、2022年在中国呼伦贝尔（线上+线下）、2023年在中国长春（线上+线下）皆已成功举办。ICCVDM为世界各地该领域的专家、学者、研究人员及相关从业人员提供一个共享科研成果和前沿技术，了解学术发展趋势，拓宽研究思路，加强学术研究和探讨，促进学术成果产业化合作的平台。大会诚邀国内外高校、科研机构专家、学者，企业界人士及其他相关人员参会交流。

图像相加去噪

当我们拍摄一张照片或者录制一段视频时，经常会遇到噪点的问题。这些噪点通常是由于相机或摄像机传感器在低光条件下无法完全捕捉图像所造成的。为了去除这些噪点并改善图像质量，我们可以使用图像相加去噪的技术。图像相加去噪是一种基于图像处理的技术，通过将多张具有相同内容的图像进行叠加，去除图像中的噪点和随机变化。这种方法可以在不损失图像细节的情况下有效地降低噪点水平。在下面的教程中，我们将学习如何使用Python编程语言来实现这种技术。第一步是收集多张具有相同内容的图像。

计算机视觉与深度学习实战：以Python为工具，基于霍夫曼图像编码的图像压缩和重建

随着信息技术和互联网的飞速发展，图像数据呈现出爆炸式的增长。然而，图像数据的传输和存储需要消耗大量的资源。因此，图像压缩技术成为了解决这一问题的关键。近年来，深度学习在计算机视觉领域取得了显著的成果，为图像压缩提供了新的思路和方法。本文将以Python为工具，介绍基于霍夫曼图像编码的图像压缩与重建技术，并探讨深度学习在该领域的应用。

分割模型部件——将gt用边界在原始图像上展示，将pred用掩膜在原始图像上展示

在论文可视化结果时，简介明了的展示我们自己模型的分割结果与gt的区别是十分重要的，因此这里记录一下自己的可视化方式。因为大多数操作都是基于cv2进行的，因此你需要保持输入图像的h，w，c的顺序，RGB的顺序等。没办法贴全自己的所有代码，因此以下代码建议各位借助Chat-GTP学透了再使用，不可盲目使用。