opencv
想成为code的大佬
体育生爱网络
展开
-
AI入门之神经网络(9)基于c++、opencv的dnn模块的视频手势识别
基于c++、opencv的dnn模块的手势识别先看效果:老规矩话不多,实现的方法步骤,细节全在我的代码注释里面,只你跟着注释写,相信你也写得出来的!#include <opencv2/dnn.hpp>#include<opencv2/opencv.hpp>#include<Windows.h>#include <iostream>using namespace std;using namespace cv;using namespace原创 2022-01-22 20:19:38 · 3933 阅读 · 2 评论 -
AI入门之神经网络(8)使用opencv的ML模块中的ANN_MLP训练二分类检测睁眼和闭眼网络
使用opencv的ML模块中的ANN_MLP训练二分类检测睁眼和闭眼的5层网络注释写的很清楚,你跟着注释写,一样可以写出来话不多说直接上代码:#include "opencv2/opencv.hpp"#include "opencv2/ml.hpp"#include<iostream>using namespace std;using namespace cv;using namespace ml;void predict_mat(Mat img, Ptr<ANN_原创 2022-01-17 21:34:55 · 3439 阅读 · 1 评论 -
AI入门之神经网络(6)—初始化3层网络结构的代码(opencv、c++)
鸽了太久没更新博客,怪不好意思的!因为博主在写努力写一个简单的神经网络。为了不让大家对我失望,在此奉献上博主写好的一小段代码!这段代码展示的是网络每层的结构!一个简单的3层网络,每句代码都有注释,相信有点基础的你都能看懂!//网络每层的结构/*声明输入层,中间层,输出层的结构*/ vector<int> layer_number = { 784,100,10 };//3层网络。每层的神经元个数 vector<Mat> layer;//定义网络层 layer.resize原创 2020-12-20 19:42:19 · 362 阅读 · 2 评论 -
使用yolov3的神经网络框架训练实现自定义目标检测
Win10+vs2017+opencv+darknet做目标检测,然后得到cfg和标签和weight文件,利用opencvdnn模块,做图像识别原创 2020-11-28 21:57:56 · 1451 阅读 · 0 评论 -
最详细!!!使用opencv的级联分类器训练样本获得xml数据的方法(opencv、xml数据集)
注意:使用opencv自带的build\x64\vc15\bin里面的opencv_createsamples.exe和opencv_traincascade.exe(opencv_createsamples.exe生成vec文件,opencv_traincascade.exe训练生成xml)大体步骤:收集样本(正、负样本)——制作标签文件——训练样本——获得xml数据集下面开始方法步骤:在安装的opencv的bin文件夹里创建三个空白文件夹,分别是negative、positive、xml原创 2020-11-24 17:34:24 · 2016 阅读 · 3 评论 -
使用Caffe模型经过GoogLeNet训练的网络实现图像分类(c/c++,opencv,opencvdnn)
废话不多说,直接上代码,干活满满!!!opencv中的dnn模块是很好用的!!!#include "opencv2/opencv.hpp"#include "opencv2/dnn.hpp"#include <iostream>#include <fstream>/*深度网络(Net)是由许多互相连接的层(layers)组合成的组合模型,Caffe定义的网络模型就是这样逐层(layers)连接。Net包含了整个自顶向下的网络,网络由各个Layer组合而成;Laye原创 2020-11-12 22:01:47 · 438 阅读 · 0 评论 -
级联分类器—脸部和眼部检测(c/c++,opencv)
知识点讲解博客:https://blog.csdn.net/sazass/article/details/89150468#include<opencv2\objdetect\objdetect.hpp>#include<opencv2\highgui.hpp>#include<opencv2\imgproc.hpp>#include<iostream>using namespace std;using namespace cv;void d原创 2020-11-12 21:13:13 · 483 阅读 · 4 评论