1. 模型原理1.1 论文Yoon Kim在论文(2014 EMNLP) Convolutional Neural Networks for Sentence Classification提出TextCNN。将卷积神经网络CNN应用到文本分类任务，利用多个不同size的kernel来提取句子中的关键信息（类似于多窗口大小的ngram），从而能够更好地捕捉局部相关性。 1.2 网络结构&n
转载
2024-10-11 14:19:36
22阅读
最近开始做行人检测，因此开始接触faster-rcnn，这里贴上配置教程(亲测可行)，不过是基于cpu的，蓝瘦。。。参考博客：http://www.tuicool.com/articles/nYJrYra(opencv配置)(faster-rcnn配置)环境：ubuntu16.04一、首先要配置好opencv这里我是在opencv官网上下载了opencv-3.0.0-rc1(版本最好3.0.0以上
转载
2024-08-22 11:44:05
45阅读
本文主要介绍OpenCV的DNN模块的使用。OpenCV的DNN模块自从contrib仓库开始，就是只支持推理，不支持训练。但是仅仅只是推理方面，也够强大了。现在OpenCV已经支持TensorFlow、Pytorch/Torch、Caffe、DarkNet等模型的读取。本文们就以风格迁移为例，来看一下OpenCV DNN模块的用法。相比于复杂而耗时的模型训练过程，模型推理就显得简单多了。简单来
转载
2024-02-13 21:56:51
169阅读
一，前言本人是机械专业在读硕士，在完成暑假实践的时候接触到了人脸识别，对这一实现很感兴趣，所以花了大概十天时间做出了自己的人脸识别。这篇文章应该是很详细的了所以帮你实现人脸识别应该没什么问题。先说本博文的最终要达到的效果：通过一系列操作，在摄像头的视频流中识别特定人的人脸，并且予以标记。本人通过网上资料的查询发现这类人脸识别，大多参考了一位日本程序员小哥的文章。链接：https://github.
转载
2024-05-20 06:45:42
152阅读
一、opencv的示例模型文件opencv4.0.0中暂未提供cpp代码，使用python代码改编，参考https://github.com/opencv/opencv/blob/master/samples/dnn/mask_rcnn.py，我们使用的模型为 mask_rcnn_inception_v2_coco_2018_01_28.pb，选择InceptionV2是因为其速度更快，其他更好效
转载
2024-02-29 16:31:27
209阅读
前言最近做一些字符识别的事情，想试一下opencv_contrib里的Text(自然场景图像中的文本检测与识别)模块。我参照了网上的一些教程去编译opencv+opencv_contrib，但是最后去跑样例程序(比如end_to_end_recognition.cpp ),在运行生成的exe文件时会提示OCRTesseract(33): Tesseract not found.类似的错误。其原因
转载
2024-05-14 12:26:11
115阅读
一、先介绍几个API（1）opencv中除了提供绘制各种图形的函数外，还提供了一个特殊的绘制函数——在图像上绘制文字。这个函数即是cv::putText()。void cv::putText(
cv::Mat& img, // 待绘制的图像
const string& text, // 待绘制的文字
cv::Point origin, // 文本框的左下角
int
转载
2024-03-22 15:34:26
234阅读
OpenCV是学习计算机视觉的重要工具之一，然而多年以来，在深度学习的deBuff下，OpenCV给人一种与时代脱节，只有传统的视觉解决方案的一种错觉。实际上，OpenCV每次更新都会结合学术领域前沿的成熟算法。在OpenCV 4更新之后，更是将深度学习作为主要的更新内容。但是OpenCV还是给人一种传统的感觉。实际上，这是我们并没有真正了解OpenCV。在OpenCV中有一个名为opencv_c
很粗糙的跳读了一下learning opencv这本书，网上说是入门的，可看到后面根本没法看下去了，都是公式，就写一下一些笔记吧：（1）当你看到CvArr*时，你可以用IplImage*参数传入 （2）CvCapture结构包含从摄像机或视频文件中读取帧所需的信息，根据视频来源，使用下面两个函数之一来初始化CvCapture结构CvCapture * cvCreateFileCapture(con
转载
2024-03-17 00:30:10
15阅读
CNN实现手写数字识别导入模块和数据集import os
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers, optimizers, datasets
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
(x_train,y_train),(x
#include <opencv.hpp>#include <iostream>#include <stdio.h>using namespace cv;/// Global Variablesconst int NUMBER = 100;const int DELAY = 5;const int window_width = 900;co...
翻译
2021-08-18 13:41:52
383阅读
目录序判断情绪效果CNN分类训练原理正文一、利用机器学习模型训练和检测笑脸二、 扩展 序判断情绪效果CNN分类训练原理 训练测试多角度-多层次训练
人脸数据集
提取特征点
提取特征点
CNN分类
预测
转载
2024-03-14 09:24:57
56阅读
TensorFlow examples (text-based)This page provides links to text-based examples (including code and tutorial for most examples) using TensorFlow.(Stay tuned, as I keep updating the post while I grow a
转载
2023-07-04 17:06:07
37阅读
在本教程中，我们将讨论深度学习应用于人脸的一个有趣应用。我们将估计年龄并从单个图像中找出人的性别。我们将简要讨论本文的主要思想，并提供有关如何在 OpenCV 中使用该模型的分步说明。我们将使用 OpenCV 学习性别和年龄分类。1. 使用 CNN 进行性别和年龄分类作者使用了一个非常简单的卷积神经网络架构，类似于CaffeNet和AlexNet。该网络使用3个卷积层，2个完全连接层和一个最终输出
转载
2024-09-03 21:52:47
39阅读
基本概念SURF(SpeededUp Robust Features)—加速稳健特征算法, 在2006 年由Bay.H和Van Gool.L共同提出, SURF是尺度不变特征变换SIFT的加速版。一般来说, 标准的SURF算子比SIFT算子快好几倍, 并且在多幅图像下具有更好的稳定性。SURF最大的特征在于采用了harr特征以及积分图像的概念, 这大大加快了程序运行时间,可以应用于物体识别以及三维
OpenCV 入门系列：OpenCV 入门（一）—— OpenCV 基础OpenCV 入门（二）—— 车牌定位OpenCV 入门（三）—— 车牌筛选OpenCV 入门（四）—— 车牌号识别OpenCV 入门（五）—— 人脸识别模型训练与 Windows 下的人脸识别OpenCV 入门（六）—— Android 下的人脸识别OpenCV 入门（七）—— 身份证识别本篇我们来介绍在 Android 下
转载
2024-06-17 23:11:29
115阅读
在Windows下安装好opencv2.4.9之后，在"xxx/build/x64/vc10/bin"下有训练中要用到的可执行程序opencv_xxxx.exe等四个可执行程序。注意，由于本人为win7 64bits系统，安装了VS2010，故使用该目录下的可执行程序。 当使用自带程序进行人脸检测训练时，遇到一些问题，整理如下：1.
转载
2024-05-06 23:23:38
27阅读
OpenCV和DNN结合实现人脸检测本人在工作之余，做了一个小功能，在动手之前阅读了不少文档，从而实现人脸检测功能，做这个目的有二，一方面是出于爱好，另一方面是提高自身编码能力。1.下面是程序的流程图 实现步骤： A) 首先需要先加载DNN模型文件，用深度学习DNN模型检测出人脸区域并进行裁剪，见下图，然后用opencv裁剪出人脸部分； B) 然后把人脸图像转换位灰度图，通过HSV模型计算出二值图
转载
2023-08-17 09:08:47
185阅读
一、项目简介OpenCV是一个用于图像处理、分析、机器视觉方面的开源工具包。无论科学研究，还是商业应用，OpenCV都是进行图像识别的不二之选。熟练掌握OpenCV的图片识别能力，在图片识别领域里飞起来不是梦！本文利用kaggle数据库上的水果图片数据集(fruit-images-for-object-detection)展示如何训练机器学习模型识别水果图片的类别。数据地址（kaggle数据库地址
转载
2024-01-29 02:50:07
131阅读
作者丨Xinlong Wang昨天读到一篇挺有意思的文章，已经被ICLR2020接收为Spotlight。这个工作解释了CNN是怎么学到图片内的绝对位置信息的。https://openreview.net/forum?id=rJeB36NKvBCNN和绝对位置，这两个概念很少被一起讨论。我觉得有两个原因：一是，大家有一个默认的共识，CNN是平移不变的（对分类任务），或者说平移等变的（对分割和检测任
