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...

OpenCV学习笔记(7)——关于RGBA的存储

其实前面我已经说过OpenCV中关于RGBA的存储问题,但是为了强调,这里专门单独拿出来介绍一下。在OpenCV中有分别有1通道图,2通道图,3通道图,4通道图。我们最常用的是3通道图,即RGB图,4通道图是在3通道图的基础上多了一个Alpha分量,用于表示透明这个特性。虽然我们一般说的时候都是RGBA的顺序,但其实在内存里面,图像的存储顺序是BGRA BGRA BGRA …。而我们知道在O...

OpenCV学习笔记(5)——ROI

在以前介绍IplImage结构的时候,有一个重要的参数——ROI。ROI全称是"Region Of Interest”,即感兴趣的区域。实际上,它是IPL/IPP(这两个是Inter的库)结构IplROI的实例。IplROI包含xOffset、yOffset、height、width和coi成员变量。其中COI代表channel of interest(感兴趣的通道)。ROI的思想是:一旦设...
站点总览
  • 文章总数:290篇
  • 分类总数:11个
  • 评论总数:460条
  • 运行时间:7年8天
最近评论
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,...
蟋蟀application模式下提交任务成功后,之前起client作用的在集群端运行的应用实例会一...
蟋蟀我在mac机器上安装好了minikube,并按照上述步骤成功构建了flink 1.12版本的d...
刘小新感谢作者的无私奉献,收获很大∠( ᐛ 」∠)_
刘小新给作者的辛苦劳动点个赞!
刘小新作者Lucene系列讲的真是太好了,佩服!!!
Peter大佬,能否加个友链呢?向您学习的
Michael翔虽然看似基础,但是深入研究并不简单,赞~PS:最后的「##总结」,语法应该少了个空格啦~
徐小鹏小米手环5的睡眠监测确实不行,