野生C猿的专栏

动作分类0. 摘要1. 介绍3. 代码4. 实验5. 总结0. 摘要1. 介绍1.1 KNN最近邻 (k-Nearest Neighbors， KNN) 算法是一种分类算法， 1968年由 Cover和 Hart 提出， 应用场景有字符识别、 文本分类、 图像识别等领域。该算法的思想是： 一个样本与数据集中的k个样本最相似， 如果这k个样本中的大多数属于某一个类别， 则该样本也属于这个类别举例说明：例子来源13. 代码4. 实验5. 总结参考文献：[1]. MediaPipe Po

Labelme 制作手部21个关键点数据1：环境准备1.1 基础环境1.2 安装 Labelme1.2.1：创建anaconda虚拟环境1.2.2：激活虚拟环境1.2.3：安装labelme的依赖1.2.3：安装labelme1.2.4：运行2. 标注图片3. 标注转化    因为导师的项目是手部姿态估计，经过一些技术预研，最后选定了 Open-MMLab 的 MMPose 作为基础框架来做底层架构。先说下Open-MMLab我认为的优点：1. 代码优质：模块化做

Labelme 批量转 dataset 0. 概述1.原理2.代码3.结果3.1 实验一：输入单个目录3.2 实验二： 增加参数 --out 输出文件目录4.方法二4.1 重新虚拟环境4.2 进入虚拟环境和标注目录：4.3 安装labelme的依赖4.4 安装labelme4.5 编写bat文件试验环境操作系统：Windows 10Python：3.8Labelme：4.5.13 (这个版本比较重要，不同版本代码可能会不一样）Anaconda：4.10.1如果还有同学没有安装好 Anac

搭建奥比中光3D摄像头运行环境1. 开发环境搭建2. Cmake环境3. SDK安装4. Debug项目4.1 进入“属性”菜单：4.2 添加包含目录：4.3 添加附加目录库4.4 添加附加依赖项4.5 添加DLL4.6 运行因为导师的手部动态姿态项目要用到奥比中光的3D摄像头，因此就需要搭建环境来调用摄像头的API来做相关的东西，下面就是搭建的全过程，文章以前在奥比中光的论坛里面（原文），我做了点优化现在放到优快云中。希望对大家有些帮助 o(￣︶￣)o1. 开发环境搭建我使用的是vs20

安装MMPose 和 MMCV1. 基础环境1.1 conda环境1.2 pytorch 环境2. 安装MMCV2.1 MMCV 编译安装2.2 安装记录2.2.1：设置环境变量2.2.2 激活 anaconda的虚拟环境2.2.3 设置参数2.2.4 安装依赖2.2.5 开始编译2.2.5 查看安装3. 安装MMPose3.1 克隆 MMPose 库。3.2 安装依赖包和 MMPose1. 基础环境1.1 conda环境anaconda的环境请自行准备，网上有一堆教程conda create

设备端实时手部追踪0. 摘要1. 简介2. 架构3. 数据集和标注4. 试验结果5. 使用MediaPipe的具体实现6. 应用举例7. 结论论文地址： https://arxiv.org/abs/2006.10214v1Demo地址：https://hand.mediapipe.dev/研究机构：Google Research会议：CVPR20200. 摘要1. 简介2. 架构3. 数据集和标注4. 试验结果5. 使用MediaPipe的具体实现6. 应用举例7. 结论参