GitHub上有哪些比较好的计算机视觉/机器视觉的项目？

最新推荐文章于 2024-01-28 08:35:19 发布
最新推荐文章于 2024-01-28 08:35:19 发布
阅读量2.7k 收藏 27
点赞数 4
原文链接：https://www.zhihu.com/question/30049772
版权

640?wx_fmt=jpeg

来源：Unsplash，作者： JR Korpa 

来源：知乎问题

今天分享一下 Github 上不错的计算机视觉或者机器视觉方面的项目，包括入门的教程、非常经典的算法和实战项目等等。

今日推荐文章

github标星11600+：最全的吴恩达机器学习课程资源（完整笔记、中英文字幕视频、python作业，提供百度云镜像！）

计算机视觉联盟

https://www.zhihu.com/question/30049772/answer/831391266

从个人经历出发，全部都是自己在成长过程中所收集到的干货项目，很多都是自己经过筛选自己总结的，保证你能获取的是干货，拿走不谢！本王只需您的点赞和关注！

【1】机器学习西瓜书手推笔记（PDF可打印版本）

自己的纯手推笔记，附PDF可打印版本

https://github.com/Sophia-11/Machine-Learning-Notes

【2】计算机视觉领域资源汇总

汇集了计算机视觉资源汇总，包含计算机视觉方向算法汇总、论文汇总

https://github.com/Sophia-11/Awesome-CV-Resources

【3】计算机视觉顶会ICCV2019论文集（标星90）

持续更新收集所有ICCV2019论文集，做科研，搞算法，跟踪最前沿论文思路，少不了这些顶会论文，附下载链接

https://github.com/Sophia-11/Awesome-ICCV2019

【4】再几个目标检测经典算法链接：

YOLO darknet版本：

https://pjreddie.com/darknet/yolo/

YOLO Keras版本：

https://github.com/qqwweee/keras-yolo3

YOLO mobilenet：

caffe Linux 和Windows 版本：

https://github.com/eric612/MobileNet-YOLO

https://github.com/eric612/Caffe-YOLOv3-Windows

Keras版本：

https://github.com/Adamdad/keras-YOLOv3-mobilenet

MXNET版本：

https://gluon-cv.mxnet.io/model_zoo/detection.html#yolo-v3

https://github.com/sufeidechabei/gluon-mobilenet-yolov3

机器学习西瓜书手推笔记（PDF可打印版本）

Table of Contents

第一章绪论

第一章 绪论

高清图见GitHub链接：https://github.com/Sophia-11/Machine-Learning-Notes

640?wx_fmt=jpeg
第二章 模型评估与选择
640?wx_fmt=jpeg
640?wx_fmt=jpeg
计算机视觉领域资源汇总

Table of Contents

全球高校计算机视觉实验室名单

计算机视觉算法资源汇总

AI顶会（2019~2020）

640?wx_fmt=jpeg

写了这么多的，希望得到您的关注和点赞，如果想获取更多，可以查看GitHub或关注公众号【计算机视觉联盟】！

量子位的回答

https://www.zhihu.com/question/30049772/answer/741863783

谷歌大脑Quoc Le团队，又训练出了一只地表最强的模型。

640?wx_fmt=jpeg

那是一个目标检测模型，从前并不是最强大。

但自从用机器学习解锁了特别的数据扩增策略，再用自动扩增来的新数据集训练目标检测模型，事情就完全不同了。

注意：目标检测和分类不一样，分类不需要标注边界框，而目标检测需要。

640?wx_fmt=jpeg

△ 左边是自动扩增数据，右边是成绩提升

模型在COCO目标检测任务上，拿到了50.7 mAP的最高分，刷新从前的纪录。

谷歌的方法，并没有改变模型本身，但有效提升了准确率，+2.3 mAP以上。

团队还强调，AI在COCO数据集里学到的扩增策略，直接迁移到其他数据集上，同样可以提升准确率。

现在，算法已经开源了，AI学到的扩增策略也在里面。

是怎样的扩增策略？

论文写到，这里的数据扩增只涉及了一些简单变换 (Simple Transformations) ：

有应用在整张图片上、但不会影响边界框的那种变换，比如从图像分类里借来的颜色变换 (Color Transformations)。

也有不影响整张图片、但改变边界框位置的那种变换，比如图像平移 (Translating) 或剪切 (Shearing) 。

注意，这些变换只用在训练过程中，不会用到测试环节里。

研究人员说，当变换的数量越来越庞大的时候，就很难手动把它们有效组合到一起了。

所以，就要用机器学习，搜索出更适合目标检测任务的组合策略。

思路是这样的：

团队把数据扩增搜索 (Data Augmentation Search) 看做一个离散的优化问题，优化的是模型的泛化表现。

在自家的另一篇论文 (arXiv:1805.09501) 基础上，把重点转移到针对目标检测的扩增策略上。

比起图像分类任务的数据扩增，目标检测的难点在于，要保持边界框和发生形变的图像之间的一致性(Consistency) 。

而边界框的标注，也为数据扩增提供了一种新的方式：只在边界框里面修改图像。就像上文讲的那样。

另外，团队还探索了在图片发生几何变换 (Geometric Transformations) 的情况下，怎样去改变边界框的位置。

具体方法是这样的：

把扩增策略定义成一组无序的子策略 (Sub-Policy) 。

在训练过程中，每个子策略都会被随机选中，应用到当前的图片里去。

每个子策略里，有N个图片变换，依次在同一张图上进行。

要把这个搜索过程，变成一个离散的优化问题，就要创建一个搜索空间。

空间里面，有5个种策略，每种子策略有2种图像变换运算。

另外，每个运算还和两个超参数相关联，一个是代表应用这个运算的可能性 (Probability) ，二是这个运算的大小 (Magnitude) 。

初步实验之后，团队定下了22种图像变换运算。

学习完成的子策略，成效是这样的：

640?wx_fmt=jpeg

肉眼可见，成效显著。

一是在COCO目标检测中，以50.7 mAP拔得头筹，(比策略训练前) 提升了2.3 mAP。

二是在PASCAL VOC目标检测中，提升了2.7 mAP。

也就是说，在COCO上训练好的策略，直接搬到其他数据集上也有效。

团队说，这个方法尤其适合在小数据集中避免过拟合。

代码开源了，你也去试一下吧。

论文传送门：

https://arxiv.org/abs/1906.11172

代码传送门：

https://github.com/tensorflow/tpu/tree/master/models/official/detection

— 完 —

量子位

「已注销」

https://www.zhihu.com/question/30049772/answer/127460083

非常多啊

先说说较大的框架项目：

  • **OpenCV **https://github.com/opencv/opencv

  • dlib https://github.com/davisking/dlib

  • Caffe https://github.com/BVLC/caffe

  • Mxnet https://github.com/dmlc/mxnet

  • tensorflowhttps://github.com/search%3Futf8%3D%25E2%259C%2593%26q%3Dtensorflow

视觉这块最主要的检测以及追踪

检测：

  • RCNN，Fast-RCNN，Faster-RCNN 现在最主流的检测框架，https://github.com/rbgirshick/py-faster-rcnn -- see https://github.com/ShaoqingRen/faster_rcnn for the official MATLAB version

  • SSD，达到实时的检测算法，https://github.com/weiliu89/caffe/tree/ssd

  • DPM，早期的检测算法，使用latent SVM GitHub - https://github.com/rbgirshick/voc-dpm. 

追踪：

TLD，非常鲁棒的跟踪算法 https://github.com/zk00006/OpenTLD

孔涛

https://www.zhihu.com/question/30049772/answer/107232336

我来回答几个，以下的几个代码我都实际运行过，有一部分仔细读过。

  1. pdollar (Piotr Dollar) https://github.com/pdollar

Piotr's Computer Vision Matlab Toolbox，里边包含各种各样的算法，包括特征提取、分割、分类稍等等。

  1. DL系列

  • Caffe: https://github.com/BVLC/caffe: a fast open framework for deep learning.

  • model zoo: https://github.com/BVLC/caffe/wiki/Model-Zoo，这个里边包含了基于caffe实现的各种各样的模型。

  1. voc-dpm

  2. 铅笔画的自动生成，把一副图像变成铅笔水粉画，感觉很酷很酷炫有木有

匿名用户

https://www.zhihu.com/question/30049772/answer/47066644

https://github.com/jbhuang0604/awesome-computer-vision

来自 https://github.com/bayandin/awesome-awesomeness ，各种领域的 Awesome。

虽然绝大多数情况下都是马了不看

欢迎关注我的微信公众号--算法猿的成长，或者扫描下方的二维码，大家一起交流，学习和进步！

640?wx_fmt=png

如果觉得不错，在看、转发就是对小编的一个支持！

推荐阅读：

spearhead_cai
关注
  • 4
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
推荐几个经典的计算机视觉项目
Tiger数学之家的博客
08-29 3633
目标检测 1. HRNet-Object-Detection 微软亚洲研究院视觉计算组提出的一种新型主干网络结构，可以学到高分辨率表征，提高了目标特别是小目标检测的空间精准率。支持multi-scale sync-bn 训练。 代码： https://github.com/HRNet/HRNet-Object-Detection https://github.com/HRNet/HRNet-M...
深入理解OpenCV 实用计算机视觉项目解析-源代码
10-01
除了本书，OpenCV官方文档、社区论坛、GitHub上的开源项目等都是学习OpenCV的好资源。随着深度学习的发展，OpenCV也开始集成更多的深度学习框架，如TensorFlow和PyTorch，使得计算机视觉的应用更加广泛和高效。 总...
这套计算机视觉专题库在GitHub上又火了，微软出品！
机器学习算法与Python学习
10-25 349
（给机器学习算法与Python学习加星标，提升AI技能）开源最前线（ID：OpenSourceTop） 综合整理链接：https://github.com/microsoft/compu...
【GitHub项目推荐--计算机视觉】【转载】
最新发布
j8267643的博客
01-28 725
通过 EasyCV 你可以快速体验最新的图像自监督学习和 Transformer 技术，并且 EasyCV 还包含一些常见的计算机视觉的任务，比如图像分类、目标检测等等。EasyCV 是阿里巴巴开源的基于 PyTorch 的 Computer Vision 工具箱，主要专注于自监督学习和 Transformer。开源地址：https://github.com/alibaba/EasyCV。
机器视觉开源代码集合
lien0906的专栏
03-05 1085
一、特征提取Feature Extraction： SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Matlab Wrapper]Affine Covariant Features [5]
用计算机视觉可以做什么项目,面向初学者的10个热门计算机视觉项目
weixin_42627459的博客
07-02 3388
人工智能最具挑战性的课题之一是计算机视觉技术。近年来，随着计算机视觉应用的日益广泛，计算机视觉技术在机器人、监控、医疗等领域得到了广泛的应用。在本文中，我们列出了十个流行的计算机视觉项目以及它们的可用数据集，供初学者学习。1、 颜色检测在此项目中，模型的目标是检测图像中的每种颜色。模型的目标是检测图像中的每种颜色，一种流行的颜色检测项目是使用OpenCV的隐形斗篷。2、 边缘检测边缘检测是一种图像...
OpenCV：开源计算机视觉库
05-26
OpenCV，全称为Open Source Computer Vision Library，是一个强大的开源计算机视觉和机器学习库。它提供了大量的函数和算法，用于处理图像和视频数据，涵盖了从基本的图像操作到复杂的计算机视觉任务，如对象检测、...
6-机器学习系列（6）：计算机视觉--ResNets、Inception原理及ResNets的Python实现1
08-03
【计算机视觉中的网络及方法】 计算机视觉领域，网络模型的发展起着至关重要的作用。早期的经典网络，如LeNet5、AlexNet和VGGNet，奠定了深度学习的基础。这些网络主要由卷积层、池化层和全连接层构建，通过多层...
计算机视觉研究入门全指南1
08-03
GitHub上有许多优秀的项目，如TensorFlow和PyTorch的官方示例，以及像MTCNN（多任务卷积神经网络）这样的面部检测库，它们提供了实践经验，帮助理解理论与实际应用之间的联系。 最后，机器学习是计算机视觉的核心...
SimpleCV：机器视觉的开源框架
02-05
使用SimpleCV（计算机视觉的开源框架）使计算机具有视觉效果 SimpleCV是使用OpenCV和Python编程语言的开放源代码机器视觉的框架。 它为相机，图像处理，特征提取和格式转换提供了简洁易读的界面。 我们的使命是为...
机器视觉中非常好的github仓库
郭云飞的专栏
03-13 1364
# AwesomeComputerVision **Multi-Object-Tracking-Paper-List** https://github.com/SpyderXu/multi-object-tracking-paper-list **awesome-object-detection** https://github.com/hoya012/deep_learning_obj...
github上计算机视觉学习资源
chen_gong_ping的博客
05-04 637
github 计算机视觉学习资源
【开源项目推介】机器视觉 ROS 深度学习
少磊的博客
02-19 2021
1、机器视觉 1、DOPE深度对象姿态估计 https://github.com/NVlabs/Deep_Object_Pose 2、ROS YOLO-V3 DOPE 使用D435双目相机姿态识别 https://github.com/yehengchen/DOPE-ROS-D435 3、YOLO-V3 ROS 平面目标姿态检测和抓取 项目地址：https://github.com/yehen...
双目视觉
weixin_32928217的博客
03-28 206
1.步骤及重要矩阵：https://blog.csdn.net/qq_22424571/article/details/80866495 2.三维重建技术概述：https://www.cnblogs.com/wangyaning/p/7853894.html 3.视差求深度图： https://blog.csdn.net/fb_help/article/details/83339092 4.立体匹...
深度学习、自然语言处理、机器视觉相关python库汇总
mongodb_dog的博客
07-21 219
关于深度学习、自然语言处理、机器视觉的优秀的python库汇总
2022 年面向初学者的15 个计算机视觉项目创意案例
Meta.Qing的博客
09-15 6518
从检测颜色到构建绿屏应用程序（用自定义视频或背景替换绿色背景）到简单的照片编辑软件，构建颜色识别器是开始使用计算机视觉的绝佳项目。一个简单的自动车牌识别系统可以使用基本的图像处理技术，您可以使用 OpenCV 和 Python 构建它。您可以使用像 OpenCV 这样的免费工具来标记您的数据，或者使用像 V7 这样的。您可以使用涉及一个对象（例如汽车）或多个对象（例如行人、动物等）的视频来构建简单的对象跟踪模型。与 PPE 检测类似，您可以构建一个简单的面罩检测模型来识别在公共场所戴口罩和不戴口罩的人。
一文概括机器视觉常用算法以及常用开发库
小白学视觉
08-18 2909
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本篇就软件部分，对机器视觉的算法处理进行大致概括分析。一、算法（预处理算法、检测算法）在采集完图像后，首先会对图像进行预处理操作。保证图像的对比度清晰，水平。方便后续图像处理。常用的图像处理算法：1，图像变换：（空域与频域、几何变换、色度变换、尺度变换）几何变换：图像平移、旋转、镜像、转置；尺度变换：图像缩放、插值算法（最近邻插...
计算机视觉算法有哪些？
m0_60720471的博客
03-03 4976
包括视觉跟踪、投影变换、三维重建等算法，用于将虚拟物体与真实世界中的物体进行融合。
机器视觉github
08-24
你可以在 GitHub 上找到很多关于机器视觉的开源项目。一些受欢迎的机器视觉项目包括： 1. OpenCV：这是一个广受欢迎的开源计算机视觉库，提供了许多图像处理和计算机视觉算法的实现。 2. TensorFlow Object Detection API：这是一个基于 TensorFlow 的开源项目，提供了一些常见的目标检测算法的实现。 3. PyTorch Vision：这是 PyTorch 框架的一个扩展部分，提供了许多计算机视觉任务的预训练模型和工具函数。 4. FastAI：这是一个基于 PyTorch 的高级深度学习库，提供了对计算机视觉任务的易用API和教程。 5. YOLO (You Only Look Once)：这是一种快速且准确的目标检测算法，有多个开源实现可以在 GitHub 上找到。 这只是一小部分机器视觉相关的项目，你可以在 GitHub 上使用关键词搜索来找到更多的开源项目。记得查看每个项目的文档和示例代码，以更好地了解和使用它们。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值