Computer Vision Metrics
2016-04-05 19:59:25 0 举报AI智能生成
计算机视觉度量（Computer Vision Metrics）是用于评估和比较计算机视觉算法性能的一种方法。这些度量通常基于图像或视频的特定属性，如准确性、速度、鲁棒性和可解释性等。常见的计算机视觉度量包括准确率、召回率、F1分数、平均精度均值（mAP）、计算复杂度等。通过使用这些度量，研究人员可以量化不同算法之间的差异，从而为实际应用选择合适的计算机视觉技术。此外，计算机视觉度量还可以用于指导算法的优化和改进，以提高其在特定任务上的性能。总之，计算机视觉度量在计算机视觉领域的研究和应用中起着至关重要的作用。
作者其他创作
大纲/内容
1.图像的抓取和呈现
图像传感器
光谱介绍
图片成像的像素，跟传感器的像素单元有关
传感器构成
微镜头
RGB颜色过滤器
CMOS成像器
一般都是用硅
传感器图像二极管单元排列方式
颜色和光照的修正
多镜头的几何的修正
传感器的结构
Foveon
一个单元在不同深度，吸收不同的RGB颜色进行处理
Mosaic（应用比较广泛）
一个单元只吸收对应的RGB中的一种进行处理
BSI
需要单独看论文
马赛克(Mosaic)传感器的布局
马赛克都是2x2的四个像素的基本阵列组成
Bayer RGBG
Bayer RGBW
CYYM
阵列的长宽比用于不同用途
4：3 一般用于数码相机
3：2 一般用于35mm 电影
相机的成像原理
一般相机和可计算相机组成
成像原理
单像素计算相机
2.图片预处理
图片特征描述分类
feature description methods
1、局部二值化特征：Local Binary Descriptors (LBP, ORB, FREAK, others)
2、光谱特征：Spectra Descriptors (SIFT, SURF, others)
3、Basis Space Descriptors (FFT, wavelets, others)
4、Polygon Shape Descriptors (blob object area, perimeter, centroid)
仿射(Affine)
计算图片形变矩阵,进行形状恢复
图片操作分类
点算子(Point operators)
Pixel transforms
Color transforms
合图与扣图:Compositing and matting
直方图均衡化:Histograme qualization
Application:Tonal adjustment (应用在色调和对比度调整)
线性滤波（Linear filtering）
填塞(边界效应)
border effects
平滑
锐化
保边平滑滤波
膨胀
距离变化
连通量
非线性滤波
应用：锐化、去噪、模糊
金字塔
拉普拉斯
插值（提升分辨率）
降采样（降低分辨率）
几何变换
平移
刚性（欧shi）
相似
仿射
投影
wiki
卷积
0 条评论
下一页
