所需软件包
- CMake 3.9 或更高版本
- Git 的
- Python 2.7 或更高版本和 Numpy 1.5 或更高版本
本教程假设您的计算机上安装了 Python、Numpy 和 Git。
注意
OSX 默认带有 Python 2.7,如果您想专门使用它,则需要安装 Python 3.8。
如果安装了 XCode 和 XCode 命令行工具,则您的计算机上已经安装了 git。
安装 CMake
- 查找适合您系统的版本并从其版本页面下载 CMake
- 安装 dmg 软件包并从应用程序启动它。这将为您提供 CMake 的 UI 应用程序
- 在 CMake 应用程序窗口中,选择菜单“工具”>“如何安装以供命令行使用”。然后,按照那里弹出窗口中的说明进行操作。
- 默认情况下,安装文件夹将为 /usr/bin/,通过选择 Install command line links (安装命令行链接) 提交它。
- 通过运行来测试它是否有效
cmake --版本
注意
您可以使用 Homebrew 安装 CMake
获取 OpenCV 源代码
您可以使用最新的稳定 OpenCV 版本,也可以从我们的 Git 存储库中获取最新的快照。
获取最新的稳定 OpenCV 版本
- 转到我们的下载页面。
- 下载源存档并解压缩。
从 Git 存储库获取尖端的 OpenCV
启动 Git 客户端并克隆 OpenCV 存储库。如果您需要 OpenCV contrib 存储库中的模块,那么也要克隆它。
例如
使用 CMake 从源代码构建 OpenCV
-
创建一个临时目录,我们将其表示为 ,您要在其中放置生成的 Makefile、项目文件以及目标文件和输出二进制文件,然后输入其中。
build_opencv
例如
mkdir build_opencv光盘build_opencv注意
保持源代码目录的清洁是一种很好的做法。在源代码树之外创建构建目录。
-
配置。跑
cmake [<some optional parameters>] <path to the OpenCV source directory>
例如
cmake -DCMAKE_BUILD_TYPE=发布 -DBUILD_EXAMPLES=ON ../opencv或者 cmake-gui
- 将 OpenCV 源代码路径设置为,例如
/home/user/opencv
- 将二进制构建路径设置为您的 CMake 构建目录,例如
/home/user/build_opencv
- 设置可选参数
- run: “配置”
- run: “生成”
- 将 OpenCV 源代码路径设置为,例如
- 部分参数说明
- 生成类型:(或
CMAKE_BUILD_TYPE=Release
Debug
) - 使用将 opencv_contrib 设置为
OPENCV_EXTRA_MODULES_PATH
<path to opencv_contrib>/modules
- 为建筑文件设置(需要 Doxygen)
BUILD_DOCS=ON
- 设置为生成所有示例
BUILD_EXAMPLES=ON
- 生成类型:(或
- [可选]构建 python。设置以下 python 参数:
PYTHON3_EXECUTABLE = <path to python>
PYTHON3_INCLUDE_DIR = /usr/include/python<version>
PYTHON3_NUMPY_INCLUDE_DIRS = /usr/lib/python<version>/dist-packages/numpy/core/include/
注意
要指定 Python2 版本,可以在上述参数中替换为。
PYTHON3_
PYTHON2_
-
建。从构建目录执行make,建议在多个线程中执行此操作
例如
make -j7 # 并行运行 7 个作业 - 通过 specify 变量在基于 CMake 的项目中使用 OpenCV。
find_package(OpenCV)
OpenCV_DIR=<path_to_build_or_install_directory>
注意
您还可以使用 Homebrew 或 pip 等包管理器来仅安装 OpenCV 版本(不是最前沿的)。
基于 ARM 的 Linux 系统的交叉编译
先决条件
- 装有 Linux 的主机;
- Git的;
- CMake 2.6 或更高版本;
- ARM 的交叉编译工具:gcc、libstc++ 等根据目标平台的不同,您需要选择 gnueabi 或 gnueabihf 工具。gnueabi 的安装命令:
sudo apt-get 安装 gcc-arm-linux-gnueabisudo apt-get 安装 gcc-arm-linux-gnueabihf
- pkgconfig;
- Python 2.6 用于主机系统;
- [可选] armeabi(hf) 的 ffmpeg 或 libav 开发包:libavcodec-dev、libavformat-dev、libswscale-dev;
- [可选]GTK+2.x 或更高版本,包括 armeabi(hf) 的头文件 (libgtk2.0-dev);
- [可选] libdc1394 2.x;
- [可选] libjpeg-dev、libpng-dev、libtiff-dev、libjasper-dev 用于 armeabi(hf)。
获取 OpenCV 源代码
您可以使用 sourceforge 中提供的最新稳定 OpenCV 版本,也可以从我们的 Git 存储库中获取最新的快照。
获取最新的稳定 OpenCV 版本
- 转到我们在 Sourceforge 上的页面;
- 下载源码压缩包并解压。
从 Git 存储库获取尖端的 OpenCV
启动 Git 客户端并克隆 OpenCV 存储库
在 Linux 中,可以通过终端中的以下命令来实现:
构建 OpenCV
- 创建一个构建目录,使其处于当前状态并运行以下命令:
cmake [<一些可选参数>] -DCMAKE_TOOLCHAIN_FILE=<OpenCV 源目录的路径>/platforms/linux/arm-gnueabi.toolchain.cmake <OpenCV 源目录的路径>cmake [<一些可选参数>] -DSOFTFP=ON -DCMAKE_TOOLCHAIN_FILE=<OpenCV 源目录的路径>/platforms/linux/arm-gnueabi.toolchain.cmake <OpenCV 源目录的路径>cd ~/opencv/platforms/linuxmkdir -p build_hardfpCD build_hardfpcmake -DCMAKE_TOOLCHAIN_FILE=../arm-gnueabi.toolchain.cmake ../../..
- 在 build (<cmake_binary_dir>) 目录中运行 make:
做
注意
或者,您可以通过 install/strip make target 从创建的库中剥离符号信息。此选项会生成更小的二进制文件(小两倍),但会使进一步的调试更加困难。
启用硬件优化
根据目标平台架构,可以使用不同的指令集。默认情况下,编译器会为没有 VFPv3 和 NEON 扩展的 armv5l 生成代码。将 -DENABLE_VFPV3=ON 添加到 cmake 命令行以启用 VFPv3 代码生成,并将 -DENABLE_NEON=ON 添加到使用 NEON SIMD 扩展。
TBB 也支持多核 ARM SoC。添加 -DWITH_TBB=ON 和 -DBUILD_TBB=ON 以启用它。Cmake 脚本从项目官方网站下载 TBB 源代码 GitHub - oneapi-src/oneTBB: oneAPI Threading Building Blocks (oneTBB) 并构建它。
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV(中文版).(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓