【OpenCV学习】（十二）图像分割与修复背景图像分割本质就是将前景目标从背景中分离出来。在当前的实际项目中，应用传统分割的并不多，大多是采用深度学习的方法以达到更好的效果；当然，了解传统的方法对于分割的整体认知具有很大帮助，本篇将介绍些传统分割的一些算法；一、分水岭法原理图如下：利用二值图像的梯度关系，设置一定边界，给定不同颜色实现分割；实现步骤：标记背景 —— 标记前景 —— 标记未知区域（背

一、概述一句话概括：将一个复杂模型的预测能力转移到一个较小的网络上；（复杂模型称为教师模型，较小模型称为学生模型）Teacher and Student的概念：对大网络学习的知识进行"蒸馏"，并将其转移到小网络上，同时小网络的性能能够接近大网络；蒸馏模型（Student）被训练模仿大网络（Teacher）的输出，而不仅仅是直接在原始数据上训练，通过这种方式让小网络学习到大网络的抽象特征能力和泛化能

Pytorch模型转成ONNX和MNN准备工作一、MNN安装简介：MNN是一个轻量级的神经网络推理引擎，在端侧加载深度神经网络进行推理预测。由阿里巴巴团队研发并开源，目前在一些场景下性能和NCNN相同甚至超越；下载MNNgit clone https://github.com/alibaba/MNN编译安装MNNcd /path/to/MNN./schema/generate.sh./tools/

C++基础总结一、基本的代码含义1、程序的第一行#include <iostream>是预处理器指令，告诉 C++ 编译器在实际编译之前要包含iostream 文件；2、using namespace std表示我们可以使用标准库中对象和变量的名称；3、int main()是主函数，程序从这里开始执行；4、/*...*/将会被编译器忽略，这里放置程序的注释内容。它们被称为程序的注释；5

【OpenCV学习】（十三）机器学习背景OpenCV中也提供了一些机器学习的方法，例如DNN；本篇将简单介绍一下机器学习的一些应用，对比传统和前沿的算法，能从其中看出优劣；一、人脸识别主要有以下两种实现方法：1、哈尔（Haar）级联法：专门解决人脸识别而推出的传统算法；实现步骤：创建Haar级联器；导入图片并将其灰度化；调用函数接口进行人脸识别；函数原型：detectMultiScale（img，

一、DeepSort介绍论文地址：https://arxiv.org/pdf/1703.07402.pdf参考文章：DeepSort讲解代码地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_OSNet（可参考这个源代码，如果需要我这边的源代码可私信）SORT对比DeepSORT：虽然SORT是一个非常简单、有效、实用的多目标跟踪算法，但仅仅通

C++基础总结一、基本的代码含义1、程序的第一行#include <iostream>是预处理器指令，告诉 C++ 编译器在实际编译之前要包含iostream 文件；2、using namespace std表示我们可以使用标准库中对象和变量的名称；3、int main()是主函数，程序从这里开始执行；4、/*...*/将会被编译器忽略，这里放置程序的注释内容。它们被称为程序的注释；5

一、概述剪枝（Pruning）的一些概念：当提及神经网络的"参数"时，大多数情况指的是网络的学习型参数，也就是权重矩阵weights和偏置bias；现代网络的参数量大概在百万至数十亿之间，因此实际上在一个网络中也并不是所有权值都是重要的，剪枝的作用就是削减那些不重要权重矩阵的一种直接压缩模型的方式；对于一个已经训练好的模型，切断或删除某些连接，同时保证不对精度造成重大影响，这样得到的模型就是一个参

Vision Transformer原理及代码实战背景论文地址：https://arxiv.org/pdf/2010.11929.pdf代码参考：https://github.com/BR-IDL/PaddleViT在NLP领域，Transformer深度学习技术已经"统治"了该领域；在CV领域，从2020年底开始，Vision Transformer（ViT）成为该方向的研究热点；基于Trans

【OpenCV学习】（九）目标识别之车辆检测及计数背景本篇将具体介绍一个实际应用项目——车辆检测及计数，在交通安全中是很重要的一项计数；当然，本次完全采用OpenCV进行实现，和目前落地的采用深度学习的算法并不相同，但原理是一致的；本篇将从基础开始介绍，一步步完成车辆检测计数的项目；一、图像轮廓本质：具有相同颜色或强度的连续点的曲线；作用：1、可用于图形分析；2、应用于物体的识别与检测；注意点：1