首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

有没有一种方法可以从经过背景减去的视频中检测出白色像素

是的,可以使用图像处理和计算机视觉技术来从经过背景减去的视频中检测出白色像素。以下是一个完善且全面的答案:

方法:

  1. 预处理:首先,对经过背景减去的视频进行预处理,包括去噪、图像增强等操作,以提高后续检测的准确性。
  2. 阈值分割:使用阈值分割算法,将视频帧转换为二值图像,将白色像素与其他颜色像素分离开来。
  3. 像素检测:对二值图像进行像素级别的检测,识别出白色像素的位置。
  4. 区域检测:根据像素的位置信息,进行区域检测,将相邻的白色像素点组成一个区域。
  5. 特征提取:对每个区域进行特征提取,例如区域的大小、形状、纹理等。
  6. 分类器训练:使用机器学习或深度学习方法,训练一个分类器,将白色像素区域与其他区域进行区分。
  7. 检测结果输出:根据分类器的结果,输出检测到的白色像素区域的位置和相关信息。

优势:

  • 高效性:通过图像处理和计算机视觉技术,可以快速准确地检测出白色像素,提高工作效率。
  • 自动化:一旦建立了检测模型,可以自动化地对大量视频进行检测,无需人工干预。
  • 可扩展性:该方法可以应用于各种类型的视频,适用于不同的应用场景。

应用场景:

  • 视频编辑:在视频编辑过程中,可以使用该方法检测出背景减去后的白色像素,进行后续处理或修复。
  • 视频监控:在视频监控系统中,可以使用该方法检测出白色像素,用于异常检测或目标识别。
  • 视频分析:在视频分析领域,可以使用该方法检测出白色像素,用于目标跟踪、行为分析等。

推荐的腾讯云相关产品:

  • 腾讯云图像处理(https://cloud.tencent.com/product/img)
  • 腾讯云计算机视觉(https://cloud.tencent.com/product/cv)

请注意,以上答案仅供参考,具体的实现方法和推荐产品可能因实际需求和环境而有所不同。

相关搜索:有没有一种方法可以根据特定的条件从dataframe中的datetime列中找出经过的时间?有没有一种方法可以从类中的方法生成函数有没有一种方法可以播放之前在flutter中停止的视频?有没有一种方法可以在去除背景的同时减少图像中的噪声?有没有一种方法可以从GitHub中的代码生成图表?有没有一种方法可以从DataTable填充DataGrid中的DataTable?有没有一种方法可以从CloudFormation中删除它的踪迹?有没有一种方法可以获取像素的颜色值并将其存储在.txt文件中?ffmpeg:有没有一种方法可以从图像中创建视频并同时覆盖在图像上?有没有一种简单的方法可以从其摘要中恢复因子对象?在Python中,有没有一种有效的方法从列表的其余元素中减去一个元素?有没有一种方法可以从Tkinter中的条目表中逐行获取数据?有没有一种方法可以从R中的Mclust分类图中删除点?有没有一种方法可以让HTML5视频在视频中的特定位置显示div?在dplyr中,有没有一种方法可以从多列中的数据形成组?有没有一种方法可以从r中的语料库中删除前导空格?有没有一种方法可以从R中的对象列表中提取值列表?有没有一种方法可以从散列的密钥秘密中创建AES密码?有没有一种简单的方法可以使用glom从字典中获取未知的密钥?有没有一种优雅的方法可以将键/值从数组添加到对象中
相关搜索:
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

老人跌倒检测识别算法 基于图像识别

然后用基于人体比例的方法初步判断跌倒情况,再用基于运动趋势的精准判断跌倒情况。算法总体效果可以,误检较少。...颜色中不包含任何的色彩成分,仅由白色和黑色组成的是黑白。在颜色模型RGB中,当R=G=B,那么颜色(R,G,B)则表示为一种黑白的颜色;其中R=G=B的值是灰度值,所以黑白色即灰度颜色。...1.2 目标提取算法背景差分法利用当前待处理视频帧图像与已经建模好的背景图像进行差分运算,利用阈值处理减少图像中的噪声干扰。...通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。...然后用基于人体比例的方法初步判断跌倒情况,再用基SVM精准判断跌倒情况。算法总体效果可以,误检较少。

34000

走近人脸检测:从 VJ 到深度学习(上)

VJ人脸检测器采用Haar特征来描述每个窗口,所谓Haar特征,其实就是在窗口的某个位置取一个矩形的小块,然后将这个矩形小块划分为黑色和白色两部分,并分别对两部分所覆盖的像素点(图像上的每个点称为一个像素...)的灰度值求和,最后用白色部分像素点灰度值的和减去黑色部分像素点灰度值的和,得到一个Haar特征的值。...数目,即检测器检测出来的人脸中出现错误(实际上不是人脸)的数目——检测器一共检测出80张人脸,然而其中有10个错误,只有70个是真正的人脸,那么误检数目就是10。...通过变换阈值,我们就能够得到多组检测率和误检数目的值,由此我们可以在平面直角坐标系中画出一条曲线来:以x坐标表示误检数目,以y坐标表示检测率,这样画出来的曲线称之为ROC曲线(不同地方中文译法不一,如接收机曲线...从100个误检时的检测率来看,从最初VJ人脸检测器的30%,发展到现在已经超过了90%——这意味着检测器每检测出50张人脸才会产生一个误检,这其中的进步是非常惊人的,而检测器之间的比拼还在继续。

73760
  • 人脸检测发展:从VJ到深度学习(上)

    VJ人脸检测器采用Haar特征来描述每个窗口,所谓Haar特征,其实就是在窗口的某个位置取一个矩形的小块,然后将这个矩形小块划分为黑色和白色两部分,并分别对两部分所覆盖的像素点(图像上的每个点称为一个像素...)的灰度值求和,最后用白色部分像素点灰度值的和减去黑色部分像素点灰度值的和,得到一个Haar特征的值。...数目,即检测器检测出来的人脸中出现错误(实际上不是人脸)的数目——检测器一共检测出80张人脸,然而其中有10个错误,只有70个是真正的人脸,那么误检数目就是10。...通过变换阈值,我们就能够得到多组检测率和误检数目的值,由此我们可以在平面直角坐标系中画出一条曲线来:以x坐标表示误检数目,以y坐标表示检测率,这样画出来的曲线称之为ROC曲线(不同地方中文译法不一,如接收机曲线...从100个误检时的检测率来看,从最初VJ人脸检测器的30%,发展到现在已经超过了90%——这意味着检测器每检测出50张人脸才会产生一个误检,这其中的进步是非常惊人的,而检测器之间的比拼还在继续。

    1.7K70

    『前端必修课』视频文字特效

    第一句代码,背景颜色为白色注意这个是设置文字的背景颜色为白色来看看效果: .txt { + background: #fff; } 运行到浏览器查看效果: 哎,视频没有了,好看好,第二行代码叫 mix-blend-mode...像素点就是浏览器中的像素点,那么 f(颜色1,颜色2) return 新的颜色 中的颜色1是啥呢?...我想让除了文字以外的点保持白色,然后如果说另外一种情况呢,某一个颜色是黑色呢?...所以说你可以看到文字它由于是黑色,因此它算出来呢它就会把背后的那个视频的颜色展现出来,这就是为什么这个文字部分它是可以完成透视到背后的背景的原因,这就解释清楚了,当然你要说什么情况下用什么样的函数来进行运算那我就不清楚了这个问题要去问设计师...四、总结 通过本文的学习,您可以掌握以下知识点: 1.视频与文字的融合特效:通过 mix-blend-mode 的 screen 属性值,轻松实现文字与背景视频的完美融合,形成炫酷的文字燃烧效果。

    7120

    马车竟变出大活人,特斯拉「幽灵」车又犯脸盲!

    这种方法对运算资源消耗最少,最容易达到实时性,但缺点是准确度不高。 所谓帧差法,即检测相邻帧之间的像素变化。...帧差法的基本原理是: 运动目标视频中,可以根据时间提取出系列连续的序列图像,在这些相邻的序列图像中,背景的像素变化较小,而运动目标的像素变化较大,利用目标运动导致的像素变化差,则可以分割出运动目标。...有特斯拉车主在经过无人区时,发现车上自动识别障碍物的雷达探测出很多“人形”物体。...还有网友发布了一则特斯拉行经墓地的视频, 视频中,车辆行驶过程中,屏幕上的雷达一直显示前方出现众多行人从车辆路过,但观看视频录制的车辆前方,却未见一人。...8个摄像头是用来来识别现实中的物体。摄像头可以获取路上行人、车辆、动物或其他障碍物等等。 要知道,8个摄像头捕捉的都是二维图像,并没有深度信息。

    37220

    背景提取算法——帧间差分法、背景差分法、ViBe算法、ViBe+算法

    因为摄像机不动,因此图像中的每个像素点都有一个对应的背景值,在一段时间内,这个背景值是比较固定的。背景提取的目标就是根据视频图像序列,找出图像中每一点的背景值。 背景提取有很多算法。...若设It,Bt I_{t}, B_{t} 分别为当前帧与背景帧图像,T为前景灰度阈值,则其中一种方法流程如下: 取前几帧图像的平均值,将其作为初始的背景图像Bt B_{t} ; 当前帧图像与背景图像作灰度减运算...——摘自ViBe算法官网 ViBe是一种像素级视频背景建模或前景检测的算法,效果优于所熟知的几种算法,对硬件内存占用也少。...图(a)红框中的人在等地铁,从图(a)到图(c)经过498帧,长时间驻留未运动,该人物运动目标逐渐被背景吸收。而在本视频中,将在450帧以上都没有明显位移的运动目标区域定义成为静止目标区域。...阴影的存在导致检测出来的运动目标形状不准确,影响后续目标分类、跟踪、识别和分析等其他智能视频处理模块。

    9.9K110

    CV | 2.颜色阈值&蓝幕替换

    下图解释截自百度知道 所以,蓝幕其实就是一种处理图片/视频背景的工具,至于具体该怎么用还得结合颜色阈值。 颜色阈值 颜色阈值是什么,有什么用? 阈值又叫临界值,是指一个效应能够产生的最低值或最高值。...颜色阈值怎么设置,三维数组中的值是什么意思? 我们的目的是替换掉图片中的蓝幕部分,即挖出我们感兴趣的图像部分(跑车),有两种做法可以达到目的: 1....]) # 并不是一开始就能够调出这么完美的两个矩阵数据, ## 会经过一定数量的尝试 代码中颜色阈值上下限的设置这里,我们采用了第二种方法,因为车身有红色,所以第一维的 R 我们设置成了下界50,上界...小结 总结一下本文的内容 蓝幕与颜色阈值的概念:用于背景检测和替换 掩膜:定位出我们感兴趣的图像部分 图层叠加:注意上下层图片的像素一致,且背景图需要先经过处理 结合流程的小结如下: 美中不足的是...从原图跑车车窗就可以看出,这张图片在拍摄时是处在阳光下,所以车身的不同部位的光照强度不同。至于该如何完整地检测出处于不同光线下的物体,下一章的颜色空间见~

    93920

    【数字视频技术介绍】| 编码中的时间冗余和空间冗余

    原始帧 我们可以做个减法,我们简单地用 0 号帧减去 1 号帧,得到残差,这样我们就只需要对残差进行编码。 ? 残差帧 但我们有一个更好的方法来节省数据量。...原始帧运动预测 我们预计那个球会从 x=0, y=25 移动到 x=6, y=26,x 和 y 的值就是运动向量。进一步节省数据量的方法是,只编码这两者运动向量的差。...这个场景大部分由蓝色和白色组成。 ? smw 背景 这是一个 I 帧,我们不能使用前面的帧来预测,但我们仍然可以压缩它。我们将编码我们选择的那块红色区域。...如果我们看看它的周围,我们可以估计它周围颜色的变化。 ? smw 背景块 我们预测:帧中的颜色在垂直方向上保持一致,这意味着未知像素的颜色与临近的像素相同。 ?...smw 背景预测 我们的预测会出错,所以我们需要先利用这项技术(帧内预测),然后减去实际值,算出残差,得出的矩阵比原始数据更容易压缩。 ?

    2.3K30

    结合语义和多层特征融合的行人检测

    Yun等提出一种基于显著性和边界框对齐的部分卷积神经网络(PL-CNN), 其用RPN提取候选区域,对特征图中前景和背景设置不同的权重来消除背景干扰引起的误检,有效解决了行人检测中遮挡和复杂背景干扰等问题...上述行人检测方法虽然添加了语义分割以解决遮挡及背景干扰等问题,但把语义分割作为一个独立的任务来设计额外的分割网络,计算复杂。并且在检测过程中没有针对漏检和误检问题设计独立模块。...其中,分割语义信息增强行人特征,抑制背景信息,可以减少相似背景干扰,同时提高小目标的检测率。但当图像中存在与行人特征相似的目标,如停车牌、树木等,也会出现误检。...行人检测误检是指将背景中的相似物预测为行人,而传统目标检测中存在多个类别,其误检是指将一个正确的目标错误地预测为另一个目标。...Caltech数据集是目前规模较大的行人数据库,采用车载摄像头拍摄10个小时左右,背景主要是公路或街道,视频的分辨率为640×480像素。

    75620

    一文读懂视频编解码原理

    依据方法论,可压缩的内容有以下几种: 单幅图像压缩 一幅图像,分成若干小块,每块8×8像素大小,如果这个小块的每个像素的颜色都是白色,是不是就可以用一个点的值来代替这所有64个点的值?...这在编码中的标准术语叫空间冗余,相应的方法叫帧内压缩。...对于绝大多数的背景区域,它是没有变化的,那么除了含有闭眼动作的这块区域,是否可以只用一幅图像来代替这么多个连续的图像呢?...再比如:有连续两幅运动图像 ,对一幅图像不做改变,保存本来的像素值,然后以此图像的值为基础,对另一幅图像使用公式计算来做运动预测,即把第一幅图像的某个像素的值,经过公式计算后,预测出第二个图像指定位置的像素值...,以此类推,得到一幅完整的预测出来的图像。

    2.8K10

    opencv 8 --背景减除 -- BackgroundSubtractorMOG2

    技术上来说,我们需要从静止的背景中提取移动的前景 如果你有一张背景(仅有背景不含前景)图像,比如没有顾客的房间,没有交通工具的道路等,那就好办了。我们只需要在新的图像中减去背景就可以得到前景对象了。...OpenCV 中已经包含了其中三种比较容易使用的方法 一、BackgroundSubtractorMOG(弃用) 这是一个以混合高斯模型为基础的前景/背景分割算法。...使用这些颜色(在整个视频中)存在时间的长短作为混合的权重。背景的颜色一般持续的时间最长,而且更加静止。 一个像素怎么会有分布呢?...然后在整个视频中我们是需要使用backgroundsubtractor.apply() 就可以得到前景的掩模了 移动的物体会被标记为白色,背景会被标记为黑色的 前景的掩模就是白色的了 import numpy...它是以 2004 年 和 2006 年 Z.Zivkovic 的两篇文章为基础的。这个算法的一个特点是它为每 一个像素选择一个合适数目的高斯分布。(上一个方法中我们使用是 K 高斯分布)。

    6.6K40

    一个开源小项目,如何使用「分类网络」实现排球追踪

    可是视频数据集是很重要的,一个好的数据集对最终的表现有很大影响。经过仔细评估,最终我选择了一个开源的排球数据集。选择的原因是清晰度较高,拍摄时长恰好,但是该数据集没有可供使用的真值。...为了解决没有真值的问题,我用了以下方法,也是跟别人学习来的。通过观察排球在视频中的位置,我发现排球在运动的时候,倾向于在图像中的较高点。...所以如果有办法能把图像中较高点的物体所在位置拿到(比如一些封装好的轮廓),自然就得到了真值。为了实现这一方法,我用了基于自适应混合高斯背景建模的背景减除法(MOG)。 接下来是提出一个合理的解决方案。...如果可以把球所在的位置标出来,然后提取出来周围的像素,说不定可以拿来学习,帮助判断对应的一张输入图像有没有球,并且帮助映射球的飞行轨迹。...这里举一个实际的例子, 排球一般是白色背景,而室内场景的日光一般也是白色的,以及场地附近的墙体也会是白色,两者会互相叠加,因而有可能不利于物体分类。

    40120

    ISP Pipeline | camera成像原理

    可以把这部分的传感器的信号作为矫正值,从可感光部分的信号中减去,就可获得校正后信号。...下面左边是滤波前的图像,右边是滤波后的图像 image-20231123164935146 双边滤波(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理...华为P30pro夜间拍摄牛逼,用到了RYYB的滤镜阵列设计,RYYB就是将两个绿色像素(G)换成黄色像素(Y)替代, Y(红色和绿色组合) 处理原理:在补充图(b)中白色像素点的数值时,我们可以认为每个白色像素点的值...也有人称为WDR(Wide Dynamic Range) 宽动态技术可以使场景中特别亮的区域和特别暗的区域在最终成像中同时看清楚 处理原理: 主要是通过tone mapping的方法,将像素值在特别暗的区域拉高...YCbCr 则是在世界数字组织视频标准研制过程中作为ITU - R BT.601 建议的一部分,其实是YUV经过缩放和偏移的翻版。

    1.3K11

    ISP Pipeline | camera成像原理

    可以把这部分的传感器的信号作为矫正值,从可感光部分的信号中减去,就可获得校正后信号。...下面左边是滤波前的图像,右边是滤波后的图像 image-20231123164935146 双边滤波(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理...华为P30pro夜间拍摄牛逼,用到了RYYB的滤镜阵列设计,RYYB就是将两个绿色像素(G)换成黄色像素(Y)替代, Y(红色和绿色组合) 处理原理:在补充图(b)中白色像素点的数值时,我们可以认为每个白色像素点的值...也有人称为WDR(Wide Dynamic Range) 宽动态技术可以使场景中特别亮的区域和特别暗的区域在最终成像中同时看清楚 处理原理: 主要是通过tone mapping的方法,将像素值在特别暗的区域拉高...YCbCr 则是在世界数字组织视频标准研制过程中作为ITU - R BT.601 建议的一部分,其实是YUV经过缩放和偏移的翻版。

    1.5K22

    opencv可以有多有趣

    先把视频中的人物边缘找出来,然后再在一张白色底板上绘制出来,再配以rgb的变化,会是什么样的! 来试试吧 内容 首先我们需要一个有人物的视频,建议使用哪些人物和背景区分度比较高的视频。...我么想要完成的功能就是在视频中把一个人的轮廓画出来,然后随着视频一起播放。 接下来就可以聊聊解决思路了。...,会直接将像素值设置为我们预定的像素值,当小于阈值时,则会将像素值设置为0,这样就可以得到一个二值图像。...如下图所示,可以看到轮廓很清晰了 相对于原视频,这个时候的图像已经很清楚的展示出了我们需要的内容,并且很容易就可以提取出轮廓 这之后,再将轮廓画在视频上就可以了,如下图 接下来就可以开始搞代码了...l = (l + 1) % 3 m=0 # 把轮廓绘制在白色的背景板上 cv2.drawContours(back, real_cnts, -1, colos[l], 3

    14110

    图像的表示(2):YCbCr 怎么来的?必看这篇颜色空间发展简史丨音视频基础

    与加色模式对应的是『减色模式』,表示从光源中减去某些颜色后得到的颜色,比如 CMYK 就是一种减色颜色模型。减色模式通常应用于『无源物体』。...但是,三种基色对多数应用来说是够用的,并且,不包含在指定基色集的颜色范围中的颜色仍然可以使用扩充的方法进行描述。...对应的 RGB 三基色的颜色匹配函数如下图所示: 图中的曲线是经过大量实验综合而得(对大量受试者的感知结果做平均),可以指定合成任何一种光谱颜色所需要的红、绿、蓝的量。...以下图中的 C2 为例,我们画一条从 C 经过 C2 的直线与紫色线相交于 Cp,Cp 并不在可见光谱中,这种情况下,点 C2 称为非光谱颜色,它的主波长根据 Cp 的补点 Csp 得到,Csp 是从...非光谱颜色是在紫-品红范围内,具有从白光减去主波长(如 Csp)的光谱分布。

    1.8K11

    利用图像识别给CAD图纸找不同

    一、背景及意义介绍 背景介绍 工程领域对图纸准确性要求高 在工程设计和施工中,CAD图纸是非常关键的文件,它包含了工程的各种详细设计信息,如建筑结构、机械零件的尺寸和形状、电气线路的布局等。...意义介绍 提高图纸比对效率和准确性 基于图像处理的CAD图纸比对算法能够实现自动化的图纸比对过程。通过一系列图像处理技术,算法可以快速、准确地检测出两张图纸之间的差异,大大提高了比对工作的效率。...由于CAD图纸中可能存在一些细微的误差或噪声,引入一个3×3的滑动窗口,用来对二值图像进行区域分析。具体来说,将滑动窗口从左上角开始,在二值图像上逐行扫描,每次移动一个像素点。...腐蚀膨胀 方法: 腐蚀:对图像进行腐蚀操作,腐蚀是一种收缩操作,它取每一个位置的矩形邻域内值的最小值作为该位置的输出灰度值。通过腐蚀操作,可以消除小区域内的噪声或误检点。...标注归一 方法:首先利用图像分割的方法,将图像中的黑点区域与白色背景区域分开,并用圆形框标记出来。

    17310

    【CSS】课程网站网页底部开发 ( 网页底部盒子模型测量及样式 | 代码示例 )

    绘制矩形框中的部分 : 一、网页底部盒子模型测量及样式 ---- 1、盒子布局说明 底部盒子主要由如下部分组成 : 红色盒子 : 最外层盒子 水平方向 充满整个 浏览器 , 背景是白色 ; 蓝色盒子.../* 调试时使用的背景 */ /*background: skyblue;*/ } /* 鼠标经过链接时的样式 */ .nav ul li a:hover { /* 鼠标经过导航栏链接 , 底部显示.../* 背景半透明 黑色背景 0.3 透明度 */ background: rgba(0, 0, 0, .3); } /* 测导航栏 中 无序列表 列表项 高度 45 像素 */ .subnav li...*/ height: 60px; /* 盒子总体背景 - 白色 */ background-color: #fff; /* 顶部 10 像素外边距 */ margin-top: 10px;...像素 , 但是最后一个盒子右侧添加 15 像素的右边距地话 , 会导致最后一个元素掉到第二行 , 这里需要将盒子宽度从 1200 像素修改为 1215 像素 正好放

    4.2K30

    浅入浅出谈“视频压缩”

    (二)视频信息为什么可以被压缩? 视频数据中存在大量的冗余信息,所以可以通过一些算法来去除这些冗余。...因此视频压缩其实是一种信源编码的方法,目的就是极大程度的去除这种冗余,减少数据量。 (三)视频压缩算法概述 1....该框架中基本的模块基本都贯穿了之前说的利用xx相关性/去除xx冗余的思想,其中 帧内预测:去除空域冗余 帧间预测:去除时域冗余 变换:从像素域到频域, 将能量集中 量化:唯一的有损模块,去除一些信息量的冗余...帧内预测一般包含很多方向(当然也包括DC,Planar等模式),假设纹理是连续的,当前纹理信息可以从周边的像素(比如上边和左边)预测出来。...然后原始块减去预测块,得到残差块(如下图所示)。实际编码时只对残差块进行操作,这样数据量可以减少。

    1.9K51

    智慧城市产业应用实践,高精度火灾烟雾检测方案详解

    传统靠人工报警的方法存在人员管理难、场地数量多且分散等问题,无法有效发现险情降低火灾损失。为了保障民众的生命财产安全,应用AI技术及时、自动检测监控区域内的烟雾和火灾至关重要。...然而,在实际产业中,由于发生火灾的环境复杂多样、干扰因素较多,对模型检测的精度具有一定的影响,另外,有很多物体和烟火较为相似,比如红色的灯光,容易造成模型误检。...针对如上问题,飞桨产业实践范例库开源了《火灾烟雾检测》方案,提供了从数据准备、技术方案、模型训练优化到模型部署的全流程可复用方案,提供误检率低至1.1%的模型优化方案,有效解决了复杂环境下烟火检测问题,...计算有目标图片中被召回图片所占的比例,即为图片级别的召回率。 2.图片级别的误检率:只要在无目标的图片上检测出目标(不论框的个数),该图片被认为误检。...计算无目标图片中被误检图片所占的比例,即为图片级别的错误率。 模型优化和效果 模型优化策略包括数据增强、可变形卷积、加入背景图片等。

    34910
    领券