Перейти к содержимому
Compvision.ru

mrgloom

Пользователи
 Профиль  Активность

  • Количество публикаций

    2 302

  • Зарегистрирован

  • Посещение

  • Days Won

    142

Сообщения, опубликованные пользователем mrgloom

  2. Опубликовано · Report reply

    У каждой точки есть дескриптор и точки сравниваются по дескрипторам, обычно L2 norm.

    Положение точки хранится в KeyPoint, а вот получить 'окрестность' точки, на сколько я понимаю, не тривиально, хотя это наверно зависит от метода подсчёта дескриптора.

    Например в FAST окрестность вроде фиксированная, но все равно наверно ищется на нескольких скейлах.

    fast1.png?w=640&h=320

  5. Опубликовано · Report reply

    А какая точность достижима?

    Тут вот например пишут про погрешность при определении центра фотографирования, но не пишут про то как эта погрешность потом будет влиять на привязку ортофотоплана сгенерированного Photoscan'ом.

    http://gisinfo.ru/techno/photoscan.htm

  7. Опубликовано · Report reply

    Самый простой вариант просто по threshold'y

    Если вопрос про несколько пиков.

    http://stackoverflow.com/questions/3684484/peak-detection-in-a-2d-array

     

    А мой вопрос был про то, как найти центр жирного пика, т.к. теоретически глобальный максимум на карте откликов может быть просто 1 пикселем шумом.

     

    Есть еще такая штука как уточнение пика

    https://github.com/opencv/opencv/blob/0e4dde1781d6439eb5377e22208a0eb6f6cd404e/modules/imgproc/src/phasecorr.cpp#L562

  12. Опубликовано · Report reply

    На любой чих вам придётся писать свой loss или свой layer и надо подумать на чем вы это сможете сделать.

     

    Тут  есть неплохое сравнение

    http://cs231n.stanford.edu/slides/2016/winter1516_lecture12.pdf

    Caffe не нравится тем ,что python api без нормальной документации. Куча библиотек-зависимостей не весело деплоить и интегрировать в С++ проект. Не удобно править prototxt (6к строк для ResNet), можно дефайнить сеть в питоне только через дурацкие трюки.

    Так же говорят что в Caffe свертка не оптимальна по памяти.

    https://github.com/Yangqing/caffe/wiki/Convolution-in-Caffe:-a-memo

     

    Кто то сравнивал какой нибудь AlexNet на Caffe/Tensorflow по скорости?

    Тут не очень понятно т.к. есть только Caffe(native)

    https://github.com/soumith/convnet-benchmarks

    Мои результаты:

    https://github.com/mrgloom/kaggle-dogs-vs-cats-solution

     

    P.s. можете порыться тут

    https://github.com/mrgloom/Semantic-Segmentation-Evaluation

     

     

     

    • Like 1

  16. Опубликовано · Report reply

    Ну например какой нибудь dating service где у нас связь user-user надо предсказать like\dislike.

    Хотя может быть можно свести эту задачу к задаче классификации (или как задачу регрессии - предсказывать 'силу' лайка) типа concatenate(feature_vector1,feature_vector2)->{0,1}, но в таком случае проблема, что так придётся прогнать всё пары user-user.

  17. Опубликовано · Report reply

    Допустим есть некий стандартный pipeline HOG+LinearSVM, там мы ищем на нескольких скейлах и потом мерджим ректы через non-maxima supression.

    Но если посмотреть на это с другой стороны то на каждом уровне мы имеем некую карту откликов - назовем её heatmap, можно ли как то замерджить эти heatmap'ы? Т.е. на выходе у нас по идее будет 1 heatmap и на его базе мы уже построим ректы.

  18. Опубликовано · Report reply

    Есть стандартные рекомендательные системы типа Netflix, где мы имеем user-movie и надо предсказать rating который user поставит movie, получается такая sparse matrix отсюда много методов пляшет.

     

    А что если у нас есть например user-item, где user описывается feature vector 1, а item через feature vector 2 и надо предсказать бинарное событие да-нет, как такой тип рекомендательной системы называется?

  20. Опубликовано · Report reply

    >А что за информация в skin_no_skin.txt?

    https://github.com/mrgloom/Simple-skin-detection/blob/master/tree/tree.py#L10

    Data in format [B G R Label]

     

     

    Тут пишут про размер входных изображений 600×800 http://xiaoyongshen.me/webpage_portrait/index.html

     

    Matting как я понял не обязателен, он дополнительно даёт 'мягкие' границы на пушистых объектах типа волос и т.д.

     

     

    p.s. векторизация и оверсегментация это другая задача.

  22. Опубликовано · Report reply

    Вопрос в том на сколько изменяется бэкграунд и насколько он совпадает с одеждой, а так да это очень простой подход.

    Имеется ввиду делить на 2 класса background/foreground, а не skin/non-skin.

  24. Опубликовано · Report reply

    Секция floodfill

    Цитата

    С помощью FloodFill (заливка или метод «наводнения») можно выделить однородные по цвету регионы. Для этого нужно выбрать начальный пиксель и задать интервал изменения цвета соседних пикселей относительно исходного

    https://habrahabr.ru/company/intel/blog/266347/

     

    т.е. в floodfill используется просто < max pixel difference или попадание в range который видимо строится на базе изначального seed'a.

     

    А вам надо в каждом окошке свой порог?

     

    Какая изначальная задача уточнить границу?

  25. Опубликовано · Report reply

    Хм, мне тут сказали, что forward pass блокирует GPU (где найти подтверждение или опровержение?), т.е. второй поток будет ждать пока первый поток не сделает forward pass, но даже в таком случае выгода по идее есть, т.к. мы пока 1 поток работает загрузили батч со второго на GPU.

     

    А вот кстати по теме:

    https://habrahabr.ru/post/307140/

    • Like 1
×