ltshan139的专栏

前言精心准备一个月，终于推出新的课程《SSD和MobilenetSSD模型的训练，量化以及在海思芯片上的部署》（链接：https://edu.youkuaiyun.com/course/detail/29888）。本课程通过实际操作讲解如何基于无人零售商品数据集来进行SSD和Mobilenet SSD两个模型的训练，以及它们的量化、仿真和海思开发板上运行。所有相关数据集，代码以及模型会全部提供。内容课程主要分为11章：1. caffe SSD框架代码下载及其编译2.基于无人零售商品数据集训练SS

前言本课程基于实际开发项目中的无人零售数据集来手把手教大家来训练yolov3 tiny模型，并且详细讲解将训练出来的模型如何移植到海思平台。视频课程链接如右所示：https://edu.youkuaiyun.com/course/detail/29887课纲本课程一共分为六个子部分：1.课程介绍2.darknet框架代码下载及其编译3.基于无人零售商品数据集训练yolov3 tiny a）无人零售数据集介绍 b）配置文件data和cfg的介绍和修改 c）模型训练和较优模...

前言本课程在介绍计算机视觉深度学习基本概念基础上，详尽讲解YOLOV3和YOLOV4的算法模型原理，并基于实际项目中的无人零售商品数据集来手把手教大家如何将它训练成YOLOV3和V4模型，最后对训练出来的模型集进行性能评估，从而挑选出最优模型。课程链接：https://edu.youkuaiyun.com/course/detail/29538课纲1。课程内容介绍、特色及其答疑2。计算机视觉深度学习基本概念及其yolo1,2,3的模型结构讲解3。darknet框架介绍及其安装4。darknet训练

前言本课程主要是介绍海思开发板SDK的环境搭建过程。课程链接：https://edu.youkuaiyun.com/course/play/28936课纲课程主要分为六大章：1）介绍课程内容、特色、目标以及答疑2）对3519av100 020版本的SDK进行梳理，并对交叉编译toolchain和sdk进行安装3）编译uboot代码以及使用tftp和hitool两种方式进行烧写4）编译kernel代码并烧写到板子里面。5）文件系统fs制作以及烧写6） 对sample模块进行梳.

前言前面的课程都是对静止图片（bgr或jpeg）进行目标识别，本课程则是对sensor输出的视频流进行目标检测。课程链接请见https://edu.youkuaiyun.com/course/detail/28376。课纲本课程一共分为四个部分，如下所示。一、课程内容、特色、目标以及答疑二、点亮sensor imx3771）3519av100 010SDK的提供以及框架梳理2）...

前言 以前讲的算法模型课程里面都是以bgr数据格式为输入进行讲解的。但实际应用中，往往为拍摄到的jpeg图片。从jpeg图片转换成nnie可以推理的数据格式，这中间还是有些开发工作量的。 本期新的课程《基于海思NNIE引擎实现JPEG图片识别应用》（链接：https://edu.youkuaiyun.com/course/detail/28362）就是来实现这一完整的应用。和一般做法不一样，本...

前言在移植目标检测算法模型到海思AI引擎上运行的过程中，深切感受到理解和掌握算法模型原理的重要性。 基于此，我出了一门专门来讲目标检测算法模型原理及实战的课程。虽然讲的是YOLOV3模型，但是对理解其它目标检测算法模型也非常有帮助，毕竟很多概念都是相通的。课程具体信息，详见：http://www.dataguru.cn/article-15123-1.html?union_site=banne...

前言沉寂两个月，终于将新的视频课程<<基于海思35xx nnie引擎进行经典目标检测算法模型推理>>（其链接为https://edu.youkuaiyun.com/course/detail/26420?pre_view=1）发布出来。它可以看成是上一门视频课程<<基于海思35xx上nnie加速引擎进行yolov3算法模型推理>>的姐妹篇。即在SDK和yol...

前言最近出了一个视频课程，题目为《基于海思35xx上nnie加速引擎进行yolov3模型推理》，详情见网址：https://edu.youkuaiyun.com/course/detail/25677?pre_view=1介绍本课程内容分为5个部分：1.海思35xx SDK资料梳理以及SVP相关文档详细介绍2.将darknet框架训练出来的yolov3模型转换成caffemodel3....

前言本课所讲的车道线检测来自于一个实际的项目，因为场景比较单一，而且硬件比较受限制，所以采用传统的图像处理方法来识别它们。源图像需求：要求识别出 黄色线道里外两条线， 一共有两根黄色车道线。挑战性：黄色车道线有些模糊不清，一定程度上和其周围背景区分不是很明显；由于摄像头安装位置不是正中间，所以拍出来的黄色车道线有些扭曲畸变，不是严格的直线，而是有些向左弯曲的直线。识别过程...

前言通过求塑料瓶盖的圆形程度可以检测出瓶盖周围是否存在凹凸等制造缺陷。有两个直观的作法，一是调用Houghcircles来找圆，这种方法的缺点是可能会找出一堆的圆，很难从这些圆中找到目标物体的外形圆；二是先灰度化图像，然后调用canny算法找物体边缘点，并对边缘点进行拟合就可以进行圆度检测了。 canny算法对噪点不敏感，所以检测准确度还不错，但是该算法比较耗时，大概数百毫秒，在瓶盖生产线上，...

前言Opencv4图像分割和识别实战6的视频课程（https://edu.youkuaiyun.com/course/detail/24864）主要是讲解如何求两条曲线之间的距离。对应的，本课作业来求下面图所示的两条直线间距离以巩固课堂上所学的知识。解决方法一1）通过前面所学的投影分割法来分别获得这2条直线上的离散采样点，然后将它们通过直线拟合求得各自的直线方程，如k1x+b和k2x+b2。...

前言本课的重点和难点就是理解hough直线变换原理。视频课程中会通过数个实例分析来深刻体会两句话：极坐标上的一个点对应到直角坐标系上是一条直线；直角坐标系上的一个点对应到极坐标系是一条正弦曲线。上面两句话听起来有些绕，我们主要从计算机工程应用角度来解释它。如果单纯从数学角度去理解的话，容易走向死胡同。比如说按下面直角坐标转极坐标公式，直角坐标系上的一个点对应到极坐标也是一个点，对吧。...

前言如何使用tesseract开源库进行字符识别是实战3的重点和难点。 要在自己的开发环境中使用合适的tesseract包，必须先下载源代码来根据自己的开发平台进行编译，这不是件容易的事情，坑蛮多啊！ 不过课程里面会对此进行详细讲解。本文（也是实战3的课后作业）讲述如何在visual studio2017+win10环境中配置tesseract库，并使用其基本APIs来进行测试图片中字符识...

前言本课的一个内容安排是先从原理着手，把轮廓分析讲透，然后通过一行行代码来对条形码和二维码进行定位，并最终调用zbar来进行识别。不过本博客从另外一个角度来展开，即基于opencv4.0（可以直接调用其API，其识别部分基于开源库quirc ，感兴趣的可以自行进一步研究）来对图片中二维码进行定位和识别。这也是本课的课后作业。代码经过opencv API的封装，二维码的定位和识别代码...

前言本文提供Opencv4图像分割和识别课程（https://edu.youkuaiyun.com/course/detail/24864）第三课（实战2）的两个课后作业代码。直方图均衡化一种间接（使直方图均匀分布）增强图像对比度的方法。原理在课程里面有详细说明，这里不在赘述。其python版实现代码如下，源图片在课件里提供。5. import numpy as npimport cv2...

前言本文提供Opencv4图像分割和识别课程（https://edu.youkuaiyun.com/course/detail/24864）第二课（实战一）的两个实例代码和一个课后作业。实例一将图像上的马（背景是草原）分割出来，并和原图像上下合并成一幅新图像。代码及其运行结果如下：int horse_segment(const char *file_name, Mat &result...