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...
最近评论
徐小鹏其实对于TOB领域,一般Routing会用于一个租户(即公司ID)的概念,用了Routing起...
tina第二个代码块的第6行,引用是low-level的
白色风车beforeMethod的断点没有拦截住,但是UI的trace界面能看到请求了,应该启动成功了...
31(ó﹏ò。)a好棒
耳朵博主太棒了 ,是我Flink文档看的不仔细。麻烦博主了
耳朵请问这三种模式在Standalone部署和其他资源管理器如Yarn上部署都可以吗
Michael翔生动有趣,养娃确实是个伤脑筋的活儿啊
z前面有一点点小疑问~默认1s的是refresh~
Michael翔哈哈哈,希望将来有机会学习学习你的「养娃体系1.0」和「理财体系1.0」
蟋蟀只是在本地测试,我生成的镜像名称叫flink:1.12.0-scala_2.12-java8,...