一.  产生背景       深度学习的发展带动了一批深度学习框架，caffe、tensorflow、pytorch等，对于计算量庞大的CNN，效率一直是大家所关注的，接触过深度网络压缩的同学应该知道网络压缩最关键的两个思路，剪枝和量化。       TensorRT就是量化，将FP32位权值数据优化为 FP16 或者 INT8，而推理精度不发生明显的降低。       关于TensorRT首先要

立体视觉 是通过图像间的对应关系，根据三角测量原理，得到视差图，主要过程包括：摄像机标定、立体标定、立体校正、计算视差图。       在得到视差信息后，很容易根据投影模型 计算原始图像的深度，立体匹配技术被 认为是立体视觉中最困难也是最关键的问题，容易受 光照、噪声、非显著纹理（特征）等问题影响，无法得到较好的匹配效果。       本节主要讲解 OpenCV 自带立体视觉模块 Ster

车辆是视频场景中最关键的对象之一，车辆 和 人 是视频检测永恒的话题。       车辆检测 是车辆分析中关键的一步，是后续进行 车型识别、车标识别、车牌识别、车辆特征 的基础。       关于检测的方法和框架有很多，不外乎是特征训练和分类，这里推荐两篇综述性文章：[1] Benenson R, Omran M, Hosang J, et al.Ten Years of Pe

最近在试着用Three.js做一个简单的赛车游戏，里面有一个需要解决的问题是如何判断两个物体发生了碰撞，比如赛车是否碰上了障碍物或者获得了奖励物品。示例我找了一些资料，发现了两个示例程序：第一个示例、  第二个示例 。 以上两个程序都是用  THREE.Raycaster 类来解决问题的。 Raycaster类Raycaster 应该翻译为“光线投射”，顾名

关于 傅里叶变换，讲的太多了，这里我就不再啰嗦一遍了，原理的东西大家可以搜一下，推荐一篇文章：       如果看了此文你还不懂傅里叶变换，那就过来掐死我吧       这篇文章写得很不错了，从 频域 到傅里叶级数 讲的都比较细，而且都有配图，真看不懂的话就 你掐死他吧！       （PS：冤冤相报何时了，我在一旁看热闹，横批：不嫌事大）       看下效果（居然暴漏了

一. 人工智能应用领域1. 计算机视觉    生物特征识别：人脸识别、步态识别、行人ReID、瞳孔识别；    图像处理：分类标注、以图搜图、场景分割、车辆车牌、OCR、AR；    视频分析：安防监控、智慧城市；2. 自然语言处理    语音识别（Siri、Cortana、讯飞）、文本数据挖掘、文本翻译；3. 数据挖掘    消费习惯、天气数据、推荐系统、知识库（专家系统）；4. 游戏    角

1. VQA       Visual Question Answering，给出一张图片，就该图片提出任何问题？自动get到你所期望的答案。这属于Visual Reasoning 的范畴，学者们不满足于传统的图像识别、分割、Caption等工作，尝试去挖掘更高级的机器推理能力。来看解决思路，CNN、LSTM(RNN)、Attention Model、BOW，都是图像、文本、NLP领域的通用手法，

一. 提出背景       目标检测在图像处理领域有着非常大的占比，过去两年，深度学习在Detection的持续发力，为这个领域带来了变革式的发展：一方面，从 RCNN 到 Fast RCNN，再到 Faster RCNN，不断刷新 mAP；另一方面，SSD、YOLO 则是将性能提高到一个非常高的帧率。       对于视频来讲，相邻帧目标之间存在 明显的上下文关系，这种关系在技术上的表现就是 T

一. 人工智能应用领域1. 计算机视觉    生物特征识别：人脸识别、步态识别、行人ReID、瞳孔识别；    图像处理：分类标注、以图搜图、场景分割、车辆车牌、OCR、AR；    视频分析：安防监控、智慧城市；2. 自然语言处理    语音识别（Siri、Cortana、讯飞）、文本数据挖掘、文本翻译；3. 数据挖掘    消费习惯、天气数据、推荐系统、知识库（专家系统）；4. 游戏    角

1. VQA       Visual Question Answering，给出一张图片，就该图片提出任何问题？自动get到你所期望的答案。这属于Visual Reasoning 的范畴，学者们不满足于传统的图像识别、分割、Caption等工作，尝试去挖掘更高级的机器推理能力。来看解决思路，CNN、LSTM(RNN)、Attention Model、BOW，都是图像、文本、NLP领域的通用手法，