Preprocessing的一些工作

本文介绍了V4L2编程的各个方面，包括其简介、视频采集原理、程序实现流程及实例。文章首先解释了V4L2是什么以及如何在Linux操作系统中使用它进行视频和音频数据的采集。接着，文章深入分析了V4L2。

近期为了解决在win工控机中（低端cpu）中的资源消耗问题，此时我想到了微软公司的开源代码库里面一顿翻箱倒柜，可算是让我找到了MFCaptureToFile。在Microsoft中提供了多种API来实

近期在7代i5WIN系统工控机中部署项目，发现使用官方原版的opencv对cpu负载高且挤压了其它程序运行资源，经过我仔细debug调整可以进行压缩空间发现可以对opencv进行替代。这里我使用nih

近期尝试降低在边缘端部署对芯片的资源消耗，合理应用各类子芯片功能时尝试将opencv逐渐进行替代。思考opencv在项目中主要承担读取usb摄像头、图像颜色通道更换和图像尺寸的修改功能点，经查阅搜索发

在RK3588 中OPENCV的应用虽然很便捷但是对资源消耗过高，这里的资源消耗主要是体现在对CPU以及运行内存（RAM）上。为了更高效利用RK3588系统资源，具有针对性优化常用的opencv常用的

图像数据通常是通过某种分割算法或工具生成的，其中每个像素都被赋予了一个标签，表示其所属的目标或区域。最近我图省事情，在网上找了一些红外小目标的开源数据集，但是自己的任务是做目标检测，所以需要对mask

这段时间大模型是大家研究的重点，其中以SegmentAnything为首的模型让我们眼睛一亮，该模型可以对绝大多数图像能够做到较为细致的分割，其中还会返回目标框的bbox坐标。赋能标注工作，解放生产力

人脸关键点检测是计算机视觉中的重要任务，它在人脸识别、表情识别、人脸美化等应用中发挥着关键作用。然而，为了训练高效准确的人脸关键点检测模型，我们需要大量的标注数据集。在本篇博客中，我们将介绍如何快速制

在实际应用中，由于各种因素的影响，采集到的人脸图像可能存在不同的问题，由于摄像机角度不同、人动作不一样，使得过滤后的人脸还是不满足我们进行特征提取的最佳状态所以我们还需要对人脸进行对齐和矫正。

在当今的人工智能领域中，数据的质量和数量对于训练强大模型至关重要。然而，获取足够多的高质量标注数据常常是一项耗时且昂贵的任务。 为此我们将重点介绍一种强大而受欢迎的数据增强技术-Mixup

随着深度学习技术的发展，数据扩增已经成为了训练高质量模型的重要步骤之一。然而，传统的数据扩增方法往往不能完全满足需求，因此，研究人员开始探索更加高效和有效的数据扩增方法。

细粒度分类是一种机器学习任务，旨在将输入的数据分成具有高度相似性的细粒度类别。细粒度分类通常是针对具有相似外观但具有微小差异的对象或图像进行分类。

一.基于图像处理： 几何变换( Geometric Transformations) 翻转变换( Flipping) 移动( Translation) 旋转变换/反射变换( Rotation/Refl

数据增强，使用padding进行数据增可以有效避免数据失真 ** \ 对图片进行resize，使图片不失真。在空缺的地方进行padding

近期在做项目的适合碰到了一个问题：进行图像分割裁剪时由于目标物不规范，我裁剪出的目标矩形框也不是一样的大小，这给我后面的工作进行造成了一定的麻烦，起初自己想直接暴力采用Resize

1.一个密集有遮挡的行人：数据样例(截图CrowdHuman数据) 数据集地址：http://www.crowdhuman.org/download.html CrowdHuman Dataset 2

这里我分享一下加权最小二乘法滤波算法对图像进行滤波处理实现磨皮功能；借助**wlsFilter**函数在MATLAB中实现该功能

前言   在做CV识别或检测任务的时候，想必大家都曾为数据集发愁过，在这里我将介绍一个快捷方式，制作属于自己的的数据集   此数据集我们以人脸为例子，为了区分带口罩和不带口罩的区别。我们需要的图像有两

前言 为了使模型更加具备泛化能力，在数据的处理方面，往往需要进行数据扩增，而数据扩增本人建议放在训练之前完成，减少训练使用时间，同时也便于自己查看扩增后图像的质量，把控好图像的质量间接的把控了模型的质

作为图像处理体系中十分重要的组成部分，如今图像增强技术在各个领域中都获得了越来越广泛的运用，比如在宇航领域、军工领域、生物医学领域、工业领域、公安领域等等。传统图像增强技术在其中起了日益关键的角色。所