szfhy的博客

from tensorflow.keras import layersfrom tensorflow.keras import initializersimport tensorflow as tffrom keras.models import Sequentialfrom keras.layers import Dense, Flattenfrom keras.layers.convolutional import Conv2D, MaxPooling2Dfrom keras.utils.n

找不到cudnn –lcudnn在[dnn]中配置library_path之后就好了。

doc mark hereMTCNN 入口代码#coding = gbkimport tensorflow as tfimport numpy as npimport cv2import detect_faceimport time#face detection parametersminsize = 20 # minimum size of facethresh

确保本机器已经成功安装了tensorflow, keras, opencv, python3.x下载python codehttps://github.com/xiaochus/YOLOv3下载darknet modelhttps://github.com/xiaochus/YOLOv3  从quick start中下载已经训练好的model,230+M将darknet model转换为h5进入y...

python numpy是一个核心的数据结构，numpy的结构如何转换为opencv的图像数据结构呢，numpy如何快速的操作图像数据呢？如下sample code所示：import cv2import numpy as npimg = np.zeros((300,300,3))img[:,10,0] = 255img[:,10,2] = 255img[10,:,1] = 255i...

深度学习最近在图像处理领域经常有革命性的成果出来，继SRCNN之后，在图像处理领域应该当属HDRNet了，CVPR2017比较优秀的文章。源码https://github.com/google/hdrnethttps://github.com/mgharbi/hdrnet_legacy论文deep_bilateral_learning_f...

原文地址：https://blog.youkuaiyun.com/abluemouse/article/details/78710553一篇综述性质的文章，写的很好。超分辨率技术（Super-Resolution, SR）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。本文针对端到端的基于深度学习的单张图像超分辨率方法(Single Image Su...

Super-Resolution:

围绕着百度开源的Apollo自动驾驶项目展开，重点分析整个项目的框架，核心的计算机视觉感知模块。下载项目代码项目主页：https://github.com/ApolloAuto/apollogit clone https://github.com/ApolloAuto/apollo.git或者直接Download Zip 然后再解压，这样会快一点。Demo我们没有实际的硬件，...

先上两个code吧#!/usr/bin/env pythonimport cv2import numpy as npimg1 = cv2.imread('box.png', 0)img2 = cv2.imread('box_in_scene.png', 0)orb = cv2.ORB_create()kp1, des1 = orb.detectAndCompute(img1

智能视频分析(1) 人流量统计    统计指定区域内人流量。(2) 区域入侵检测    检测预先定义好的区域，跟踪运动目标(3) 目标状态检测    ATM机附近是否忘记取卡，禁止停车区域监测，包裹跌落，车辆消失(4) 视频中检测人脸并识别(5) 交通通行证检测并识别(6) 交通违章行驶    闯红灯，截止停车区域停车，禁止掉头区域掉头等(7) 人异

占位

占位

SURF: speeded-up robust features是SIFT 的加速版#!/usr/bin/env pythonimport cv2img = cv2.imread('chess.png')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)surf = cv2.SURF(400)print surf.shapekp,

Fast： Feature from Accelerated Segment Test适合在计算能力有限的设备上使用，其速度比SIFT 和SURF快，但是精度有限。#!/usr/bin/env pythonimport cv2img = cv2.imread('chess.png')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#!/usr/bin/env pythonimport cv2img = cv2.imread('chess.png')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)sift = cv2.SIFT()print sift.shapekp=sift.detect(gray, None)img = cv2.drawKeypoints(gr

BRIEF：Binary Robust Independent Elementary Rreatures占位

ORB： Oriented Fast and Rotated BRIEF它是OpenCV_Labs 在2011年提出的，首先它是免费的，而SIFT 和 SURF 是受专利保护，并且要收费的，ORB 是他们的一个替代品，在计算能力比有限的设备上适合这个东西。它的效果： sift > orb > surf, 计算速度 orb > surf > sift#!/usr/bi

图像处理是将输入图像转换为输出图像的过程，人是图像处理的效果的最终解释者；在计算机视觉中，计算机是图像的解释者；图像处理仅仅是计算机视觉系统中的一个模块；计算机图形学的主要工作是从三维描述到二维图像显示的过程；计算机视觉则是从二维图像数据到三维描述的过程，计算机视觉是计算机图形学的逆问题。模式识别主要解决分类的问题，是计算机视觉中的一个模块；总体来说他们有如下的关系：