这个是包含了多个工程的代码,有字符识别,pix2pix的gan工程。这里用到的身份证水印数据工程是https://gitee.com/yangdashi/k_2019_CCF_BDCI_OCR_MCZJ_fake_data_generator,其中其参考的pixtopix工程的一些数据例如facade数据集跟训练结果已经放到自己的百度盘上,再图像处理文件夹里的深度学习目录下查找。方便以后查看。
这里是人脸融合的python实现代码,其主要是把人脸区域分别形成多个对应的三角形区域,然后分别对这个三角形区域进行放射变化,最后使用不规则形状填充函数fillConvexPoly进行填充会原图。如果两个融合的图像其外形差别很大,则会大致其外部的图像变形很大,完全失真,而人脸则基本一样,所以其变形不大。
1、其特点:将最后一层的平均池化层前移,并且后面用1*1的卷积核来进行代替,并且是有h_swish激活函数,并且添加了Dropout夹在最后一层1*1的卷积层前。 2、V3是融合了三种模型的思想:mobilenetv1的深度可分离卷积(depthwise separable convolutions)mobilenetv2的具有线性瓶颈的逆残差结构(the inverted residual with linear bottleneck)和MnasNet的Squeeze and excitation结构的轻量级注意模型。
这是根据opencv3的封装函数来进行相机标定的,其opencv的依赖库配置是通过文件来进行配置的,不同的人需要修改工程目录下的opencvdebug.props和opencvrelease.props文件,把相应路径改回来即可编译成功。
使用混合高斯模型进行运动物体检测,其是对每个像素建立其对应的高斯模型个数,其代表着这个像素作为背景的值变化范围,然后出现的新像素不在这高斯模型中则判为前景。不具有实时更新背景模型的功能。