openCV学习记录1——环境配置记录

http://www.opencv.org.cn/index.php?title=VC_2008_Express%E4%B8%8B%E5%AE%89%E8%A3%85OpenCV2.3.1&diff=next&oldid=10390

openCV环境配置

1)虚拟光驱安装vc express2010 重启后虚拟光驱未启动,导致安装无法访问vs_setup.msi,重写打开虚拟光驱无效

解决:网络寻找结果不理想,之后点取消,然后抱着试一试的心态,点取消重新安装就好了

2)Cmake步骤错误

  • 运行cmake-gui,设置where is the source code路径为OpenCV安装路径(本文档假定安装位置为:D:\Program Files\OpenCV2.3.1\opencv并创建子目录D:\Program Files\OpenCV2.3.1\opencv\build\my,并将cmake的"where to build the binaries"设置为这个目录。
  • 错误相当然的把opencv当成是自己创建的囧囧囧导致悲剧

Cmake中编译错误,取消python和CUBA选项,可大幅减少错误

3)Visual Studio Express中默认视图-》其他窗口中 没有属性管理器 

****************************************************************

    刚开始使用VC++ 2010,需要配置CUDA环境,可是在工具->选项->VC++目录 他没有包含目录的各种编辑框 ,只显示VC++目录编辑功能已被否决。

    搜寻良久,发现了问题的解决方法:

    原帖:social.msdn.microsoft.com/Forums/en-US/Vsexpressvc/thread/e7b6559e-b0c2-453a-bae6-4234a408fe4e

    简单翻译解释下:在Visual C++ 2010 express 版本下无法打开属性管理器

    要在VCExpress中查看属性管理器,方法:工具-》设置-》选择专家设置

    之后,你就可以在视图菜单下看到属性管理器了!

转载自http://hi.baidu.com/mqslove17/item/54113ba006475df314329b43

***************************************************************

4) link error

1、分号问题,切勿再各个库间加;

2、环境变量问题,设置完后还是重启比较保险

3、版本问题,自己给自己添堵一个用VS08+Cmake+2.3.1 ;一个用VS10+2.4.1 导致设置错误


5)include配置错误,不是根目录下的include而是build中的如

D:\opencv2.4.1\build\include\opencv2

D:\opencv2.4.1\build\include\opencv

D:\opencv2.4.1\build\include

问题总结:

大部分由于不细心看教程引起,

开始时切莫给自己找麻烦;尽量与教程一致

版本问题是永远的坑;

如果找不到错误,重做一遍感觉错误的地方比如环境变量设置有可能就是因为输入错误造成




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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