腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

素质云笔记

素质云笔记/Recorder... Research Area：多模态+计算机视觉舆情

专栏作者

416

文章

1125156

阅读量

108

订阅数

opencv+Recorder︱OpenCV 中使用 Haar 分类器进行面部检测

以 Haar 特征分类器为基础的对象检测技术是一种非常有效的对象检测技术（2001 年 Paul_Viola 和 Michael_Jones 提出）。它是基于机器学习的，通过使用大量的正负样本图像训练得到一个 ascade_function，最后再用它来做对象检测。现在我们来学习面部检测。开始时，算法需要大量的正样本图像（面部图像）和负样本图像（不含面部的图像）来训练分类器。我们需要从其中提取特征。下图中的 Haar 特征会被使用。它们就像我们的卷积核。每一个特征是一个值，这个值等于黑色矩形中的像素值之后减去白色矩形中的像素值之和

2019-05-26

8880

opencv+Recorder︱OpenCV 中的 Canny 边界检测+轮廓、拉普拉斯变换

编程算法 opencv 机器学习神经网络深度学习

图像边缘检测能够大幅减少数据量，在保留重要的结构属性的同时，剔除弱相关信息。在深度学习出现之前，传统的Sobel滤波器，Canny检测器具有广泛的应用，但是这些检测器只考虑到局部的急剧变化，特别是颜色、亮度等的急剧变化，通过这些特征来找边缘。这些特征很难模拟较为复杂的场景，如伯克利的分割数据集(Berkeley segmentation Dataset)，仅通过亮度、颜色变化并不足以把边缘检测做好。2013年，开始有人使用数据驱动的方法来学习怎样联合颜色、亮度、梯度这些特征来做边缘检测。为了更好地评测边缘检测算法，伯克利研究组建立了一个国际公认的评测集，叫做Berkeley Segmentation Benchmark。从图中的结果可以看出，即使可以学习颜色、亮度、梯度等low-level特征，但是在特殊场景下，仅凭这样的特征很难做到鲁棒的检测。比如上图的动物图像，我们需要用一些high-level 比如 object-level的信息才能够把中间的细节纹理去掉，使其更加符合人的认知过程（举个形象的例子，就好像画家在画这个物体的时候，更倾向于只画外面这些轮廓，而把里面的细节给忽略掉）。 .

2019-05-26

2.5K0

opencv︱图片与视频的读入、显示、写出、放缩与基本绘图函数介绍

opencv中读入、显示、写出图片：cv2.imread()， cv2.imshow()， cv2.imwrite()

2019-05-26

5.3K0

opencv︱opencv中实现行人检测：HOG+SVM（二）

数据库 sql http opencv

2016年张姗姗等人从分析的角度对各个工作进行总结和归纳。通过分析错误案例来找到错误来源，并提出相应的解决方案以进一步提高检测率。研究发现，在高层级中主要有两类错误，分别是定位错误和背景分类错误。可以尝试两个解决方案，其一是针对检测框对齐性比较差这一现象，可以通过使用对齐性更好的训练样本标签来解决；而针对模型判别能力比较差的问题，可以通过在传统的 ICF 模型上使用 CNN 进行重新打分来提升检测的性能。

2019-05-26

6K0

相似性︱python+opencv实现pHash算法+hamming距离（simhash）（三）

本文介绍了如何使用Python和OpenCV库实现图像的局部敏感哈希(LSH)算法，并通过具体实验展示了该算法的有效性。同时，本文还探讨了如何将LSH算法应用于海量数据查找中，提供了一种高效的海量数据查找方法。

2018-01-02

4.5K0

图像增强︱window7+opencv3.2+keras/theano简单应用(函数解读)

opencv keras python windows

本文主要介绍了如何通过Python和Keras库实现图像数据增强。首先介绍了数据增强的原理和常用的数据增强方式，然后通过一个猫的例子展示了如何使用Keras库实现数据增强。最后介绍了如何使用Theano库实现数据增强。

2018-01-02

1.4K0

没有更多了

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态