Opencv

OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
Python OpenCV - startWindowThread()|极客教程

Python OpenCV – startWindowThread()

admin阅读(233)评论(0)赞(1)

Python OpenCV – startWindowThread() 本文将讨论如何使用python OpenCV startWindowThread()函数。 你想通过OpenCV代码使用一个简化的界面来显示图像和视频吗?那...

Python OpenCV - setWindowProperty|极客教程

Python OpenCV – setWindowProperty

admin阅读(244)评论(0)赞(1)

Python OpenCV – setWindowProperty 在这里,我们将简要地介绍SetWindowProperty()函数及其在python编程语言OpenCV包中的工作实例。 你想动态地改变一个窗口的参数吗?那么,...

Python OpenCV - setTrackbarMin|极客教程

Python OpenCV – setTrackbarMin

admin阅读(244)评论(0)赞(1)

Python OpenCV – setTrackbarMin() 在这篇文章中,我们将讨论如何设置轨迹条的最小位置。轨迹条的最小值可以通过python中OpenCV包的函数setTrackbarMin()来实现。这个函数在创建轨...

Opencv Evaluation|极客教程

Opencv Evaluation

yuchen阅读(1521)评论(0)赞(1)

简单物体检测第四步——评估(Evaluation):Precision、Recall、F-Score、mAP 我们对检测效果作出评估。 对于检测效果,我们有Recall、Precision、F-Score、mAP等评价指标。 下面是相关术语...

Opencv 非极大值抑制|极客教程

Opencv 非极大值抑制

yuchen阅读(3045)评论(0)赞(2)

简单物体检测第三步——非极大值抑制(Non-Maximum Suppression) 虽然使用Opencv 滑动窗口+HOG 中的方法可以粗略地检测出目标,但是 Bounding-box 的数量过多,这对于后面的处理流程是十分不便的。因此,...

Opencv 滑动窗口 + NN|极客教程

Opencv 滑动窗口 + NN

yuchen阅读(2301)评论(0)赞(1)

简单物体检测第二步——滑动窗口(Sliding Window)+ NN 对于imorimany.jpg,将Opencv 滑动窗口+HOG 中求得的各个矩形的HOG特征值输入Opencv Training 中训练好的神经网络中进行蝾螈头部识别...

Opencv 滑动窗口+HOG|极客教程

Opencv 滑动窗口+HOG

yuchen阅读(3476)评论(0)赞(5)

简单物体检测第一步—-滑动窗口(Sliding Window)+HOG 从这里开始进行物体检测吧! 物体检测是检测图像中到底有什么东西的任务。例如,图像在[x_1, y_1, x_2, y_2]处有一只狗。像这样把物体圈出来的矩...

Opencv Training

yuchen阅读(1336)评论(0)赞(1)

神经网络(Neural Network)第二步——训练 将Opencv Random Cropping 中准备的200个训练数据的HOG特征值输入到Opencv Deep Learning 中的神经网络中进行学习。 对于输出大于 0.5 的...

Opencv Deep Learning

yuchen阅读(1751)评论(0)赞(1)

神经网络(Neural Network)第一步——深度学习(Deep Learning) 将神经网络作为识别器,这就是现在流行的深度学习。 下面的代码是包含输入层、中间层(Unit 数:64)、输出层(1)的网络。这是实现异或逻辑的网络. ...

Opencv Random Cropping|极客教程

Opencv Random Cropping

yuchen阅读(2836)评论(0)赞(0)

准备机器学习的训练数据第二步——随机裁剪(Random Cropping) 下面,通过从imori1.jpg中随机裁剪图像制作训练数据。 这里,从图像中随机切出200个60\times60的矩形。 并且,满足下面的条件: 使用np.rand...