首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏小鹏的专栏

    OpenCV之图像ROIROI操作

    cy = h//2 cx = w//2 roi = src[cy-100:cy+100,cx-100:cx+100,:] cv.imshow("roi", roi) # copy ROI image = np.copy(roi) # modify ROI roi[:, :, 0] = 0 cv.imshow("result", src) # modify copy roi image[:, : , 2] = 0 cv.imshow("result", src) cv.imshow("copy roi", image) # example with ROI - generate mask src2 ("roi", roi); Mat image = roi.clone(); // modify ROI roi.setTo(Scalar(255, 0, 0)); imshow("result roi", image); // example with ROI - generate mask Mat src2 = imread(".

    68920发布于 2021-07-19
  • 来自专栏深度学习和计算机视觉

    RoI Pooling 与 RoI Align 有什么区别?

    基本概念 RoI RoI(Region of Interest)是通过不同区域选择方法,从原始图像(original image)得到的候选区域(proposal region)。 需要注意的一点是RoI并不等价于bounding box, 它们可能看起来像,但是RoI只是为了进一步处理而产生的候选区域。 RoI Pooling = crop feature + resize feature 通过上图的容易得到,RoI Pooling的作用本质上是为了将不同尺寸的RoI特征转换为相同的特征图输出,保证特征图展开 下图中绿色框为RoI对应的实际区域(由于经过特征尺度变换,导致RoI的坐标会可能会落到特征图的单元之间), 蓝色框代表量化(网格对齐)后的RoI所对应的特征图。 Rol Align 原理 RoI Align 在 Mask RCNN 中被首次提出。 针对RoI Pooling在语义分割等精细度任务中精确度的问题提出的改进方案。

    1.3K10编辑于 2022-02-14
  • 来自专栏互联网数据官iCDO

    ROI已死?

    似乎只有这几个了,另外一些猛投效果类广告的行业,其实根本不可能仅仅通过购买流量实现利润为正(请注意是利润为正,不是ROI大于1,ROI大于1比比皆是,但是ROI很多时候大于2甚至3也未必有正向利润),他们投效果的目的是为了更长时间维度的盈利 流量变现的ROI永远不可能升高。流量在不断涨价,cpi却基本上很稳定。所以,ROI怎么升高呢。 4 ROI不能反映归因状况 低ROI的渠道并不一定就差,高ROI的渠道也不见得就牛逼。 这样ROI的价值必然会下降。 ROI,但ROI早已不是营销的标的。

    91420发布于 2019-10-06
  • 来自专栏唐国梁Tommy

    笔记分享 : 一文读懂3个概念 : RoI, RoI pooling, RoI Align

    哈喽,大家好,今天我们一起学习一下三个重要的概念:RoIRoI pooling 和 RoI Align 相信学习CV(Computer Vision)的同学对此并不陌生,完全理解这三个概念有助于我们掌握深度学习目标检测与识别算法 接下来,我们一起开启“RoI探险之旅” : 第一部分:RoI 1. 上帝之问:RoI是个什么鬼?? 第二部分:RoI pooling 当我们将原图上的RoI映射到feature map上之后,我们可以应用pooling。其实,这里也有一个问题:为什么要用RoI pooling ? 总结:RoI pooling最大的问题就是操作会导致数据丢失,影响整个模型分类和定位的准确性,解决方式就是引入了RoI Align。 第三部分:RoI Align 1. 什么是RoI Align ? RoI Align 解决了 RoI pooling中的数据丢失问题,这里使得数据能够保全,没有丢失。它们之间的区别在于量化,RoI Align在data pooling中没有使用量化。 2.

    21.1K1111发布于 2021-05-28
  • 来自专栏计算机视觉理论及其实现

    RoI Pooling与RoIWrap Pooling与RoIAlign Pooling与Precise RoI Pooling

    前言文章标题给出了四种Pooling的方法,这feature pooling方法是我在看论文的时候看到的,从最开的PoI Pooling到目前最新的Precise RoI Pooling由Pooling RoI Pooling这种Pooling方法我是在Faster RCNN中看到的,该种Pooling方法采用的运算方法比较直接。下面是其计算的流程图:? 最后的RoI Pooling的输出是固定的为 7 ∗ 7 7*7 7∗7,那么就要对这个特征图进行划分,那么划分出来的每一块的大小就是 25 / 7 ∗ 18 / 7 = 3.57 ∗ 2.57 25/ 对于一个选出来的预测框,它的对应的RoI区域可以通过 f e a t s t r i d e feat_{stride} featstride​算出来(crop操作),如下图所示:? Precise RoI Pooling? 这里的这个方法就更厉害了,其第一步与前面一种方法一样通过双线性运算得到。

    1.3K20编辑于 2022-09-02
  • 来自专栏我的知识小屋

    八、ROI泛洪填充

    一、学习目标 了解什么是ROI 了解floodFill的使用方法 如有错误欢迎指出~ 二、了解OpenCV中图像ROI的颜色填充 2.1 了解ROI是什么 ROI指的是region of Interest 以上代码读取图片后,通过选取图片区域进行ROI选择。 我们得到ROI内容后,可以对该部分的内容进行编辑,例如转为灰度图像: gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) cv2.imshow("gray_roi =img[200:400,280:450] cv2.imshow("roi", roi)#显示图像 gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) cv2 .imshow("gray_roi", gray_roi)#显示图像 gray_roi_rgb = cv2.cvtColor(gray_roi, cv2.COLOR_GRAY2BGR)#灰度图像转RGB

    97410发布于 2021-01-14
  • 来自专栏疯狂学习GIS

    ENVI感兴趣区ROI文件由XML格式转为ROI格式

      本文介绍在ENVI软件中,将用户自行绘制的.xml格式的感兴趣区(ROI)文件转换为.roi格式的方法。    绘制完毕后,我们需要通过右击ROI列表,选择“Save As”保存我们刚刚绘制好的ROI文件。   可是这样保存后,软件强制设定默认的文件格式为.xml格式,而非.roi格式;如下图所示。    当然,对于新版本的ENVI软件,其虽然默认保存.xml格式的ROI文件,但也完全支持对老版本.roi格式ROI文件的读取;但有时由于一些原因,我们可能必须要将绘制好的ROI文件保存成.roi格式。 在我们的ROI文件列表中,任意选择一个ROI类型并双击,打开Region of Interest (ROI) Tool窗口。    选择我们要保存的ROI文件类别,并配置后文件名与路径。   即可看到,我们已经成功获得了.roi格式的ROI文件,即完成了由.xml格式向.roi格式的转换。   至此,大功告成。

    1.5K10编辑于 2022-08-10
  • 来自专栏服务端技术杂谈

    ROI解决什么问题?

    在工作中,大家经常讨论ROI。 但,有时你会发现,ROI已经被滥用了。 有时,ROI变成了一种僵化的流程。用ROI当作挡箭牌,让不作为藏在背后,给自己的主动性差、执行力差找到了借口。 我们可以想象下,工作中什么时候大家习惯提到ROI。 其实ROI一般是用于实现某个目标的过程上。 比如目标确定了,我们要完成目标,这时才通过ROI考虑哪种实现方式最合适。 在多种方式中,我们会考虑结合自身能力、资源以达成目标成本最低的那个,那这个过程就是考虑ROI合适的那个方式。 但有些人,误将ROI当作是否树立目标的参考方式。 比如,因为ROI低,所以这个目标不成立,或者考虑不去完成这个目标。 这种就大错特错了。 因为目标是一定要完成的,ROI才是你选择最合适实现目标的那种方式的评估标准。 尽管我们知道了ROI存在于how的部分,那过度聊ROI其实也是一种偷懒的行为。 这往往是由我们对于一件事情所树立的世界观决定的。

    71110编辑于 2023-03-22
  • 来自专栏AIUAI

    Caffe源码 - RoI Pooling 层

    RoI Pooling 层 caffe prototxt 定义: layer { name: "roi_pool5" type: "ROIPooling" bottom: "conv5" : 0.0625 # 1/16 } } caffe caffe.proto ROI Pooling 层参数说明: optional ROIPoolingParameter roi_pooling_param = this->layer_param_.roi_pooling_param(); CHECK_GT(roi_pool_param.pooled_h(), 0) << "pooled_h must _); // bottom-fight y2 CHECK_GE(roi_batch_ind, 0); CHECK_LT(roi_batch_ind, batch_size); int roi_height = max(roi_end_h - roi_start_h + 1, 1); int roi_width = max(roi_end_w - roi_start_w + 1, 1); // RoI

    1K50发布于 2019-02-18
  • 来自专栏AI深度学习求索

    ROI操作:ROIPooling和ROIAlign

    目标:为了使得检测网络可以输入任意size的图片,使用ROIPooling在网络中某一个阶段将不同尺度的图片ROI pooling成相同的尺度,使得fc的存在也无法写死输入图片的size。

    4.5K20发布于 2018-12-11
  • 来自专栏腾讯大讲堂的专栏

    【活动推荐】ROI 深度解读沙龙

    PMTalk携手腾讯大讲堂联合举办 PMTalk4周年产品ROI主题活动 分享的嘉宾拥有7年以上产品/运营经验,案例实操分享 让互联网产品/运营从业工作者年底来一次思维的冲击!

    38920编辑于 2022-01-06
  • 僵尸API清理ROI评估技术指南

    步骤二:评估ROI 原理说明:计算清理僵尸API后节省的成本与实施清理的成本之间的比例。 操作示例:通过腾讯云API网关的成本管理功能,可以计算出API的调用成本,进而评估清理僵尸API的ROI。 通过腾讯云API网关,企业可以更高效、安全地进行僵尸API清理,从而提高ROI

    18110编辑于 2025-07-28
  • 来自专栏AI机器学习与深度学习算法

    OpenCV-感兴趣区域ROI

    本小节介绍的是ROI。 什么是ROIROI(region of interest),即感兴趣区域。感兴趣区域,就是分析图像所关注的焦点。 比如说,我们对一张图片进行人脸的识别,此时我们只需要关注图片中人脸的部分即可,也就是说此时人脸所在的区域就是我们所关注的焦点,也就是感兴趣的区域(ROI)。 提取图片中ROI 提取ROI图片名为"my_love.jpg": ? 此时我们感兴趣的地方为美女的脸,提取图片中人脸的部分,具体代码如下: ? 提取出来的人脸部分: ? 将图片转换为了三维数组,其实提取roi,简单来说就是获取数组中指定区域的值,由于第三个维度是通道数,我们只关注整张图片中的某一区域,因此在提取的时候不需要考虑第三个维度。 可以把我们关注的区域(ROI)提取出来,相应的也可以将ROI区域合并到原始的图像中去。为了效果明显,我们将提取出来的face进行色彩空间转换,然后将转换后的face合并到原始的图像中。 ?

    1.7K00发布于 2019-11-13
  • 来自专栏贾志刚-OpenCV学堂

    OpenCV中如何提取不规则ROI区域

    微信公众号:OpenCV学堂 关注获取更多计算机视觉与深度学习知识 什么是ROI ROI是英文Region Of Interest的三个首字母缩写,很多时候我们对图像的分析就是对图像特定ROI的分析与理解 ,对细胞与医疗图像来说,ROI提取正确才可以进行后续的分析、测量、计算密度等,而且这些ROI区域往往不是矩形区域,一般都是不规则的多边形区域,很多OpenCV初学者都不知道如何提取这些不规则的ROI区域 其实OpenCV中有个非常方便的API函数可以快速提取各种非正常的ROI区域。 提取ROI区域 在做这个之前,首先来了解一下什么图像处理中的mask(遮罩),OpenCV中是如此定义Mask的:八位单通道的Mat对象,每个像素点值为零或者非零区域。 实际应用演示 最后看两个在实际处理会用到mask实现ROI提取然后重新背景融合之后生成新图像效果: ? ?

    7.5K32发布于 2019-12-24
  • 来自专栏wym

    opencv学习笔记--ROI与泛洪填充

    官方定义为:floodFill(InputOutputArray image, Point seedPoint, Scalar newVal, Rect* rect=0, Scalar loDiff=Scalar(), Scalar upDiff=Scalar(), int flags=4 ) 

    88120发布于 2018-08-30
  • 来自专栏狗哥的专栏

    面向价值编程:高ROI工程之旅

    2. 盛年不再来,一日难再晨:一把梭的代价 当我们发出了新版的QPlus后,公司正在做一个新的产品线,主要是做数据同步相关的事,我对它非常感兴趣,便申请转过去了。 当时产品线已经有了天使客户,落地效果以及利润也不错。所以想着寻找一些行业里的典型客户,成为行业解决方案后再在行业里复制开来。这个版本的版本号我们定为2.0。当时的产品经理对迭代速度是有要求的,于是乎大家都热火朝天的迭代,以至于大家review代码都要省着时间——PM认为这事当前没有价值。同样的是我们对于老框架的质疑,这让我们的开发人员一次又一次的陷入底层细节,这也给后面的质量问题埋下了伏笔。 底层细节:诸如数据同步有误、位点丢失等等等。我们在使用Kafka与Storm时常常遇到这样的问题。 这事再一次告诉我们——软件开发中的不可能三角是真实存在的:人力、质量、速度。当人力固定时,速度和质量只能二选一。 2.0后面迭代出来,落地到一半时,公司成立了新的产品线,从我们这里抽调了一部分人走,再加上人员变动,当我作为主程时,研发最少的时候只有3个人。那是最难熬的时候,我要处理一堆2.0的问题,食了前人种的果。 后来随着业务机会的变多,我们打算逐渐停止v2版本的维护,去做v3版本的开发——这个版本主要是对v2版的技改,意在降本增效——通过框架的封装来避免开发陷入底层细节逻辑。再后面就是团队逐渐扩招,研发扩招至7人,整个团队最多的时候有16个人。因为一开始项目是三跑的,v2的落地和v3的开发都要推进,v1的维护也要关注。后面我们放弃了v2版本的落地,专心开始v3的迭代了。 v3版部分组件是完全重写的,基于新框架,底层基础功能的确再也没有出现过问。但管控平台部分沿用了之前的代码。因此仍有一系列质量相关问题需解决,如:

    19810编辑于 2024-01-09
  • 来自专栏深度学习和计算机视觉

    机器视觉------- SciSmart图像定位-ROI校正算法

    小编讲解的内容是ROI生成和ROI校正两大功能。 什么是ROI生成? ROI生成,通过在图像上绘制一个ROI或者用前面模块的输出结果,或用户定义的指定数据生成特定ROI。可以创建的ROI类型有:点、直线、旋转矩形、椭圆、环形、不规则。 图1 ROI生成功能界面 三、ROI生成参数设置 ROI类型:支持自定义的ROI类型。 图2 ROI类型示例 四、应用场合案例 图3中矩形框即为划定的矩形ROIROI设置选定ROI生成后,找直线功能只在该ROI区域进行搜索边缘点。 ? 图3 ROI生成案例 什么是ROI校正? 选择支持的ROI校正方式的算子(例如定位、测量、检测、识别等算子工具),在算子中引用ROI基准对应的仿射变换矩阵,使ROI跟随基准进行移动,保证ROI能够准确框住测量区域。

    2.2K30发布于 2021-08-06
  • 来自专栏存储公众号:王知鱼

    307| TheCUBE Research 2026预测:企业ROI元年

    随着2025年的进展,她说对话开始转向AI ROI。 在她的研究中,当被问及自助AI基础设施或托管AI平台是否会产生更高的ROI时,大多数人说自助会提供更高的ROI,很少有人说自助会提供比托管服务更低的ROI。 分析师反馈 Dave Vellante同意CX和EX是ROI明显出现的地方,并将ROI与tokenomics联系起来,将ROI描述为收益除以成本。 他还将ROI速度与新云构建多租户GPU环境相关联,帮助组织更快地扩展并更快地获得ROI,他说他很期待看到当AI为CX和EX中的一线员工带来有形好处时统计数据如何改善。 Paul Nashawaty同意ROI焦点但挑战了提供ROI和稳定状态之间的差异。他引用了2025年研究,显示40%的受访者从自己构建中看到了更高的ROI

    14810编辑于 2026-03-09
  • 来自专栏快学Python

    OpenCV基础 | 6.ROI与泛洪填充

    作者:小郭学数据 源自:快学python 学习视频可参见python+opencv3.3视频教学 基础入门[1] ROI与泛洪填充 1.ROI ROI(region of interest),感兴趣区域 对lena图进行脸部的获取,代码如下 def roi_test(src): #第一个参数,高度范围,第二个参数宽度范围 face = src[200:410, 200:400]

    42310发布于 2021-08-09
  • 来自专栏漫谈测试

    聊聊接口自动化测试ROI提升策略

    一、 ROI不只是金钱首先,必须和管理层以及团队在认知上对齐:接口自动化的价值不能仅仅用“节省了多少人力”来衡量。 精准选择自动化范围,最大化ROI遵循 “二八定律” ,优先自动化那20%能带来80%回报的接口。判断标准包括:核心业务流: 直接影响主营业务收入的流程。高频使用的接口: 被多个前端调用的基础服务接口。 三、 让ROI尽早可见,获得持续支持“立竿见影”很难,但“尽早可见”是可以做到的。1. 融入CI/CD,快速展示价值这是最关键的一步。

    23110编辑于 2025-11-25
领券