OpenCV
文章平均质量分 91
介绍常见的OpenCV的使用方法,如图像处理、DNN部署等知识。
Super.Bear
https://github.com/Paraniod1
展开
-
OpenCV之YOLOv5目标检测
目录前言一、YOLOv5简介二、预处理1.获取分类名2.获取输出层名称3.图像尺度变换三、模型加载四、推理和后处理五、源码YOLOv5(You Only Look Once version 5)是计算机视觉领域中一种用于目标检测的深度学习模型,它是YOLO(You Only Look Once)系列的最新版本。YOLOv5的目标是实现高效而准确的实时目标检测,其名称"You Only Look Once"意味着它只需一次前向传播(forward pass)即可检测图像中的所有对象,而不需要采用复杂的多步骤流原创 2023-09-20 16:36:36 · 7230 阅读 · 5 评论 -
OpenCV之YOLOv4 目标检测
YOLOv4(You Only Look Once version 4)是计算机视觉领域中的一个物体检测算法,它是 YOLO 系列算法的最新版本之一。YOLOv4 极大地改进了物体检测的性能和准确性,并且在速度和精度之间取得了良好的平衡。yolov4网络结构如下:yolov4相对于yolov3 spp性能提升的不多,但是相对应yolov3,性能得到了极大的提高。yolov4基本组成:1. CBM:Yolov4网络结构中的最小组件,由Conv+Bn+Mish激活函数三者组成。原创 2023-09-19 18:55:22 · 561 阅读 · 0 评论 -
OpenCV之YOLOv2-tiny目标检测
YOLO(You Only Look Once)是一种基于深度神经网络的目标对象识别和定位算法,其特点是运行速度快、实时性高。这里我们将使用Tiny YOLOv2版本的YOLO算法。YOLO算法创造性地将R-CNN目标检测中的选择候选区和识别候选区对象两个阶段合二为一,这也是YOLO名字的来由(只需看一眼就知道图片的哪些位置有什么对象)。YOLOv2-tiny,轻量版的YOLOv2,即使用Tiny YOLOv2来实现目标检测。Tiny YOLOv2包含9个卷积层和6个最大池化层,如图所示。原创 2023-09-18 21:53:18 · 1127 阅读 · 0 评论 -
OpenCV之YOLOv3目标检测
YOLOv3(You Only Look Once version 3)是一种流行的实时目标检测算法,由Joseph Redmon等人开发。YOLOv3是YOLO系列的第三个版本,它在速度和准确性方面都取得了显著的改进,被广泛用于计算机视觉应用中的实时目标检测任务。原创 2023-09-17 21:47:00 · 653 阅读 · 0 评论 -
OpenCV之GOTURN目标追踪
GOTURN(Generic Object Tracking Using Regression Networks)是一种用于目标跟踪的计算机视觉算法,它使用回归神经网络来实现实时目标跟踪。GOTURN的目标是通过检测并跟踪特定物体,使其能够在视频序列中保持物体的连续性,即使物体发生尺寸变化、遮挡或平移。达到了Tracking中效果上的state-of-the-art,尤其在检测速度上达到了100FPS(第一个达到100FPS的深度学习方法)。原创 2023-09-14 17:16:09 · 730 阅读 · 0 评论 -
OpenCV之CNN年龄性别预测
在当今数字时代,计算机视觉技术正在不断发展,并在多个领域产生影响。其中之一是年龄和性别识别。这项技术对于广告定向、人脸解锁和安全访问控制等领域至关重要。卷积神经网络是一种深度学习模型,它在计算机视觉中表现出色。CNN的核心思想是通过多层卷积和池化操作,从图像中学习特征。这些特征可以用于各种任务,包括图像分类、对象检测和人脸识别。对于年龄和性别识别,CNN可以通过学习人脸的视觉特征来实现高精度。原创 2023-09-14 16:08:35 · 477 阅读 · 0 评论 -
OpenCV之FCN图像分割
Fully Convolutional Network(FCN)是一种深度学习架构,主要用于图像分割任务。FCN 架构的典型应用包括语义分割、实例分割、物体检测等图像分析任务。它已经成为了计算机视觉领域图像分割任务的重要工具,并在许多竞赛和实际应用中取得了出色的成绩。通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。原创 2023-09-12 22:19:16 · 205 阅读 · 0 评论 -
OpenCV之MobileNet-SDD目标检测
OpenCV DNN部署 MobileNet-SSD CUDA加速,最高帧率可以达到300帧,不使用CUDA加速最高帧率可以到达60帧左右。原创 2023-09-12 17:32:07 · 1322 阅读 · 2 评论 -
OpenCV之SSD目标检测
SSD(Single Shot MultiBox Detector)是作者Wei Liu在ECCV 2016上发表的论文提出的。对于输入尺寸300*300的SSD网络使用Nvidia Titan X在VOC 2007测试集上达到74.3%mAP以及59FPS(每秒可以检测59张图片);对于输入512*512的SSD网络,达到了76.9%mAP,超越了当时最强的Faster RCNN(73.2%mAP),达到真正的实时检测。这里简单介绍一下RCNN系列和YOLO系列。原创 2023-09-12 12:32:35 · 609 阅读 · 1 评论 -
OpenCV之Googlenet图像分类
GoogLeNet是google推出的基于Inception模块的深度神经网络模型,在2014年的ImageNet竞赛中夺得了冠军,在随后的两年中一直在改进,形成了Inception V2、Inception V3、Inception V4等版本。使用OpenCV DNN模块部署需要下载Caffe模型文件和描述文件结束语希望本篇文章有对你带来帮助 🎉,有学习到一点知识~躲起来的星星🍥也在努力发光,你也要努力加油(让我们一起努力叭)。原创 2023-09-11 17:50:53 · 442 阅读 · 4 评论 -
OpenCV DNN神经网络部署流程
OpenCV DNN(Deep Neural Networks)模块是OpenCV库中的一个模块,用于在计算机视觉任务中使用深度神经网络模型。它提供了加载、推断和可视化使用各种深度学习框架(如Caffe、TensorFlow、Torch/PyTorch等)训练的模型的功能。加载网络模型、构建输入、执行推理inference、解析输出。原创 2023-09-09 14:50:36 · 1559 阅读 · 0 评论 -
OpenCV DNN深度学习简介
计算机视觉领域自 1960 年代后期以来一直存在。图像分类和对象检测是计算机视觉中最古老的问题,研究人员几十年来一直试图解决。使用神经网络和深度学习,我们已经达到了计算机可以开始以高精度实际理解和识别物体的阶段,在许多情况下甚至超过人类。要了解神经网络和计算机视觉深度学习,OpenCV DNN 模块是一个很好的起点。凭借其高度优化的 CPU 性能,初学者即使没有非常强大的支持 GPU 的系统,也可以轻松入门。原创 2023-09-09 10:38:01 · 481 阅读 · 0 评论 -
OpenCV_CUDA_VS编译安装
opencv cuda vs手把手教你配置。原创 2023-09-08 17:11:53 · 1091 阅读 · 0 评论 -
OpenCV入门之基本知识
欢迎关注、订阅专栏。原创 2023-09-02 15:00:31 · 197 阅读 · 0 评论 -
OpenCV: 对“google::protobuf::internal::Release_CompareAndSwap”的未定义
需要在文件 protobuf/src/google/protobuf/stubs/atomicops_internals_generic_gcc.h 中的以下补丁。原创 2023-08-08 22:02:43 · 299 阅读 · 0 评论