人脸姿态估计指的是根据一幅2维的人脸图像，计算出这个人在实际3维空间中的面部朝向。问题的输入条件就是一张人脸图片，输出自然就是可以表示方位的三个旋转角度 (pitch, yaw, roll)，其中 pitch 表示俯仰角（关于x轴的旋转角度），yaw 表示偏航角（关于y轴的旋转角度），roll 表示翻滚角（关于z轴的旋转角度），分别如下面 3 图所示：(说句题外话，如果我们把下面图中的物体看作是一架向我们飞来的飞机，就可以理解为何这三个角要如此命名了) 算法的思路很简单，可以考虑这样一种场景，假设我们有一张标准的3d人脸模型，如果投影和输入图片的人脸大致重合，那么此时 3d 模型的方位就可以看作是图片中人脸在实际空间中的方位了。如果投影和图像的差异很大，那我们再对 3d 模型...

对数据进行归一化或者标准化是一种常用的数据预处理步骤，一般给出的解释是消除数据量纲差异对模型训练的影响，为了搞清楚会产生何种影响，我们尝试使用自造的数据集来一次模拟分析。 现在给一个3维空间中的平面 \[z(x, y) = 100 x + 20 y\] 在此平面附近随机生成样本集合 \(S = {(x_i, y_i, z_i)\mid i=1…n, 0\le x \le 10, 0 \le y \le 50}\)，然后利用这个样本集来做回归学习，将模型定义为 \[\hat{z}(x, y) = \theta_1 x + \theta_2 y\] 其中 \(\theta_1 , \theta_2\) 便是要训练的系数。 下面我们生成训练数据，方法是在上述平面上取点，并添加随机...

实现效果 关键函数 /** * Imgproc.java * @param src 原图 @param dst 目标图 @param kernel 膨胀参数 */ public static void dilate(Mat src, Mat dst, Mat kernel) 实现思路 分离出 alpha 通道； Core.split(img, channels); Mat alpha = channels.get(3); 应用 dilate 函数膨胀； Mat kernel = Mat.ones(thick, thick, CvType.CV_32S) dilate(alpha, alpha, kernel) 为原始图...

实现效果 保持原图内容不发生缩放； 旋转后空缺的区域为透明色； 关键函数 /** * Imgproc.java * 计算旋转矩阵 */ public static Mat getRotationMatrix2D(Point center, double angle, double scale) /** * Imgproc.java * 应用仿射变换 */ public static void warpAffine(Mat src, Mat dst, Mat M, Size dsize, int flags, int borderMode, Scalar borderValue) 实现思路 首先尝试一下最简单的实现 Mat src = ......

问题背景 最近的项目遇到一个问题，我们的程序要不停的处理第三方源源不断发送过来的图片，出于某种需要，如果收到的图片和前面的图片有重复或者相似，那么就不再处理了。由于数据量很大，不可能每收到一张图片就暴力的对比前面的所有图片，所以就需要一种能够快速进行相似搜索的算法。当然类似的问题已经有很多成熟的方案了，这里就记录一下我所理解的局部敏感哈希算法原理。 问题分解 相似搜索大致可以分为下面几个子问题： 对我们要搜索的对象做编码，将需要占据大量内存的图片、文本或者其他什么玩意儿映射成一个字符串或者整数，此编码在这里又被称为签名向量； 选择距离度量函数，确保相似的签名在度量空间中有较近的距离； 建立签名向量的数据结构，使得相似签名可以很高效的搜索出来。 第一个问题我们采用...