-
Количество публикаций
3 873 -
Зарегистрирован
-
Посещение
-
Days Won
346
Все публикации пользователя Smorodov
-
Лучше использовать новый интерфейс функций OpenCV (Mat вместо IplImage, cv:: вместо cv, короче c++ ). Откройте стандартные примеры (папка samples) там достаточно кода чтобы понять что да как. А не подключаться может либо из-за того что OpenCV построена без поддержки Qt, либо старые функции уже в другой либе.
-
Поддерживаю. Но думаю перестройка OpenCV решит текущую проблему.
-
Зачем менять систему ? Просто в профиле проекта переключите конфигурацию, кстати она по умолчанию скорее всего x32. https://forum.qt.io/topic/14753/solved-how-to-build-64-bit-application/7 пишут что Qt нужно перестраивать чтобы поменять разрядность проектов.
-
Я давно уже не работал с Qt, но помнится пересобирал почему то. То ли окна не показывались, то ли вообще не собиралось. Еще может быть что проект x64, а либы x32, тогда тоже они не прилинковываются.
-
1. OpenCV собран с поддержкой Qt ? 2. Отладочная конфигурация не увидит релизных библиотек (без буквы d в конце имени).
-
Алгоритмы определения эмоций человека
Smorodov replied to Andrei1992's topic in Обсуждение общих вопросов
На CNN обучал на 6 эмоций точность на тестовой выборке ~87%, работает в реалтайме. Правда много данных и долгое обучение. Пробовал AAM, выдает не более 70%. Посмотрите еще https://github.com/TadasBaltrusaitis/OpenFace там вроде AU встроены, правда этот функционал не тестил, использовал только landmark detector. -
Если приведете несколько примеров изображений и опишите что Вы пытались делать, может кто и сможет помочь. Например посмотрите как здесь делают: https://rdmilligan.wordpress.com/2015/03/01/road-sign-detection-using-opencv-orb/ правда тоже Хааром детектировали, а вот дальше извлекали ORB дескрипторы и сравнивали с шаблоном. Здесь еще проект с исходниками: https://sites.google.com/site/mcvibot2011sep/home
- 37 replies
-
- 1
-
- распознавание
- каскад
-
(и ещё %d)
Теги:
-
Да нет, просто я подумал что можно искать по цвету, а после отсева по площади, по параллельности граней, еще каким нибудь признакам, уже подать вырезанные области на классификатор. SVM, нейронку, ну или какой нибудь еще для уточнения.
- 37 replies
-
- распознавание
- каскад
-
(и ещё %d)
Теги:
-
А без цвета, это принципиально ?
- 37 replies
-
- распознавание
- каскад
-
(и ещё %d)
Теги:
-
С VTK у меня не сложилось как-то, заморочно матрицами проекции управлять было, плохой осадок остался.
-
Может http://pointclouds.org/ ? http://pointclouds.org/documentation/tutorials/correspondence_grouping.php#correspondence-grouping Да тут наверное проще на шейдерах написать или взять какой нибудь фреймворк для отрисовки. Недавно юзал этот: https://github.com/bkaradzic/bgfx правда не для точек, кросс-платформенный и вроде без лишних хвостов.
-
Еще один проект: https://github.com/tum-vision/mono_dataset_code PTAM: https://www.robots.ox.ac.uk/~vgg/rg/papers/klein_murray__2007__ptam.pdf DTAM: https://www.robots.ox.ac.uk/~vgg/rg/papers/newcombe_davison__2011__dtam.pdf Ну и этот проект тоже вроде может пригодиться : https://github.com/mp3guy/ElasticFusion , но тут RGBD.
-
@mult1plexer Есть еще довольно старый проект, но поковырять кишки можно: https://github.com/anuranbaka/OpenDTAM ну и PTAM от местного товарища: https://github.com/BelBES/PTAM это разгруженная версия вот этого https://github.com/Oxford-PTAM/PTAM-GPL/tree/master/Src . Такие проекты любят пришивать к ROS, BLAS и либам разреженной математики, т.к. математики там действительно прилично и писать с нуля мало кому охота.
-
Open Drone Map, OpenSFM, OpenMVG смотрели ?
-
Тут вроде есть все: https://github.com/beniz/deepdetect/tree/master/templates/caffe/resnet_50 http://www.itdadao.com/articles/c15a740162p0.html https://github.com/beniz/deepdetect/tree/master/templates/caffe/resnet_18 Питонистый вариант: http://www.iandprogram.net/entry/2016/06/06/180806
-
Ну да, строим текстурированную 3D модель и смотрим сверху в ортографической проекции.
-
Видимо через SfM делается, можно попробовать как здесь: https://pfalkingham.wordpress.com/2016/10/09/photogrammetry-testing-4-openmvg-and-mvs-texrecon/ Во всяком случае, для фоток водонапорной башни с Фантома, для сета где OpenDroneMap не сработал, инкрементным SfM облако собралось неплохо, правда долго все это считается.
-
Можно еще глянуть в сторону трифокального тензора ( Trifocal Tensor ). Для трех снимков он мог бы быть оптимальным. Там прямая вроде задается с точностью до масштабного коэффициента, который можно узнать из размера известной референсной прямой.
-
https://github.com/mapillary/OpenSfM или https://github.com/openMVG/openMVG пробовали ? Вот здесь есть неплохой мануал: https://pfalkingham.wordpress.com/2016/10/09/photogrammetry-testing-4-openmvg-and-mvs-texrecon/ OpenCV обычно отрабатывает хуже специализированных библиотек. PS: Может брать не два, а больше снимков ?
-
Это скорее всего учебная работа. Так то да, лучше использовать побольше информации, но как дополнительный фактор можно использовать и геометрию. Кстати, интересно узнать точность метода в чистом виде (посмотреть на ROC кривую).
-
Почитайте форум, близкие темы уже были. Ну и вот немного теории, тоже уже кстати была: hands.rar
-
Уменьшение объема памяти посредством уменьшения кол-ва цветов
Smorodov replied to thequelby's topic in OpenCV
Есть еще вариант dithering : https://en.wikipedia.org/wiki/Dither Но там, как правило, фиксированная палитра. Можно еще PCA применить и извлечь основные цветовые оси, сформировать палитру, и работать с ними. Можно провести кластеризацию цвета, гауссовыми смесями, или разбить цветовое пространство методом Вороного, но это всё варианты постеризации. Сколько там экономится на цвете, надо считать для каждого отдельного изображения. -
Все зависит от установки оборудования, самого оборудования,от условий применения, от объекта, от требований по времени. Самолеты же распознают
-
Нашел интересный способ параллелить попиксельную операцию (здесь тип элемента CV64FC1, при желании легко меняется на другой): // -------------------------------------------------------- // this class is for OpenCV ParallelLoopBody // -------------------------------------------------------- class Parallel_pixel_opencv : public ParallelLoopBody { private: double *p; public: Parallel_pixel_opencv(double* ptr) : p(ptr) {} virtual void operator()(const Range &r) const { for (register int i = r.start; i != r.end; ++i) { p[i] = -(double)tanh(p[i]*0.5); // Собственно сама операция } } }; // -------------------------------------------------------- // Поэлементно берем гиперболический тангенс // -------------------------------------------------------- Mat TanH(const Mat& src) { Mat tmp = src.clone(); int nElements = src.cols*src.rows; double* p3 = (double*)tmp.data; parallel_for_(Range(0, nElements), Parallel_pixel_opencv(p3)); return tmp; }
-
Обычно я чистый openMP юзал напрямую, да и доках вроде не встречал (сейчас нашел в utilites.h здесь), вот и решил запостить может кто еще проглядел .