NYC's Blog 机器视觉实战5：安卓端目标检测App开发
上篇文章《机器视觉实战4：OpenCV Android环境搭建（喂饭版）》中介绍了如何使用Android Studio搭建OpenCV开发环境，本节基于之前搭建好的环境开发一个基于神经网络的目标检测App。准备模型首先从这里下载已经训练好的模型文件：deploy.prototxt：神经网络结构的描述文件mobilenet_iter_73000.caffemodel：神经网络的参数信息这个模型...
机器视觉实战4：OpenCV Android环境搭建（喂饭版）
本文介绍如何构建OpenCV Android开发环境，在OpenCV与Android Studio集成的过程中，看了很多文章，但实际操作的时候都还是多多少少碰到了一些问题，所以写一篇文章，总结记录一下，也希望能够帮助到他人。我使用的环境是：MacOS 10.15.3Android Studio 3.6.1（下载，包含MacOS Android SDK）OpenCV Android SDK 3...
机器视觉实战3：基于Hog特征的目标检测
上篇文章《机器视觉实战2：基于Haar特征的目标检测》中介绍了如何使用Haar特征进行目标检测，本文介绍另外一种目标检测算法：基于HOG特征的目标检测。该算法是在Dalal和Triggs于2005年发表的论文 Histogram of Oriented Gradients for Human Detection 中提出的，他们当时正在研究行人检测。HOG特征和Haar特征类似，都是一种提取特...
机器视觉实战2：基于Haar特征的目标检测
Haar Cascades是Paul Viola和Michael Jones在2001年发表的论文"Rapid Object Detection using a Boosted Cascade of Simple Features"中提出的一种目标检测算法。论文中写的非常细致，网上相关的文章也很多，作为一个非学院派、业余AI爱好者就只简单说一下其原理。我们知道一个好的分类模型一般至少需要两个...
机器视觉实战1：Ball Tracking With OpenCV
本文是机器视觉实战系列第1篇，实现的一个通过颜色来小球的检测和运动轨迹跟踪，效果如下：原文出处：Ball Tracking with OpenCV.项目学习代码学习我使用的环境是：MacOS+Python3.7.4+OpenCV 4.2.0.相比于原文，我对代码做了一些小修改，并且加了一些中文注释，方便你理解。整个项目代码如下：import argparse
import time
from...
机器视觉实战0：开篇
本系列主要是分享一些网上的机器视觉实战项目，会长期更新，以下是本系列的一些信息，供参考。项目来源？项目主要收集自互联网上公开的教程（大多会是国外网站上的英文教程），仅做学习使用，每篇文章会附上原始出处。有兴趣的可阅读原文，就当是练习英语水平了。有没有GitHub项目？文章中会有完整的代码，我也建了一个对应的项目：machine-vision-in-action.涉及了哪些知识？机器视觉主要涉...