Smorodov
-
Количество публикаций
3 873 -
Зарегистрирован
-
Посещение
-
Days Won
346
Сообщения, опубликованные пользователем Smorodov
-
-
-
Наткнулся на большой склад интересных алгоритмов с кодом:
-
2
-
-
Может зеркала (хром) ?
Сложно сказать не видя автомобиля.
-
Называется transfer learning.
https://towardsdatascience.com/transfer-learning-from-pre-trained-models-f2393f124751
-
Сейчас в основном дообучают, берут готовую сеть, срезают последние слои, на их место ставят свои. При обучении исходные слои "замораживают" (ставят скорость обучения в 0). Сеть при этом учится быстро.
-
Выделение памяти на девайсе процесс не быстрый. А при изменении размеров входного тензора сеть каждый вызов ее перевыделяет.
Сделайте вход максимального размера, и используйте поля. Еще лучше заморозить ее с фиксированным входом.
-
-
Ну прям под заказ не знаю, покопайте тут https://github.com/topics/face-recognition?l=c%2B%2B
Всякого добра по теме там много.
-
1
-
-
-
-
Можно тогда еще посмотреть Aruco, она встроена в OpenCV.
-
Я не в курсе цели трекания шахматки в вашем случае, но если это не для калибровки, то попробуйте эту либу: http://nghiaho.com/?page_id=576
Или фильтруйте уже 6D положение доски. Там все равно решается переопределенная СЛАУ и выдается решение по методу наименьших квадратов. Если делаете сглаживание для каждой точки, выглядеть будет конечно лучше, но точности вряд ли добавит.
Как компромисс, используйте сглаженное 6D положение и проецируйте обратно на экран измеренные по доске точки модели.
-
1
-
-
Корень можно не извлекать, лучше в квадрат возвести радиус.
Ну и, как мне видится, атомный доступ весь эффект сводит на нет.
Может в параллель только флаги расставить, а скомпоновать массив на CPU ?
-
Может Trust заюзать ? Помножить на 0 все что отбрасываем, отсортировать и обрезать вектор по первому нулю.
-
Операция называется свертка.
Информации много, например:
https://habr.com/ru/post/114489/
https://ru.wikipedia.org/wiki/Оператор_Собеля
Для 60 градусов ядра 3х3 маловато.
-
Про специальные форматы не слышал, хотя может и есть.
Для сжатия можно попробовать snappy 250 Mб/сек скорость сжатия.
Как экзотический вариант, выделить обычные кадры подходящего размера, и сохранять в них как в буферах данные о точках. Только сжатие с потерями тут не прокатит
Можно попробовать применить какую нибудь из баз данных, типа HDF5 или LMDB, тем более есть поддержка в OpenCV.
-
Ну да, Хааром уже не модно
Сейчас всякие SSD и YOLO юзают.
Вот еще из недавнего: https://github.com/facebookresearch/detectron2
Правда вряд ли реалтайм.
-
1
-
-
Где пример ?
-
Драйверы проприетарные ? CUDA работает? С дефолтными дровами мало что заводится.
-
-
Ну так вся OpenCV состоит из DLL, использующих OpenCV
Откройте исходники, и сравните с тем что у вас.
-
Ну если облако точек относительно системы координат камеры известно, и известны координаты камеры во внешнем мире, то преобразование производится переносом и поворотом точек на разницу. Чтобы сделать быстро, можно использовать шейдеры, opencl, cuda, ... короче GPU. Подружиться с GPU все равно придется.
-
Если есть RGBD, то поставьте где-нибудь маркер в виде ортов системы координат. Распознавайте ее точки на цветном изображении, затем, используя глубину, получайте 3Д точки. Есть базис, есть координаты и ориентация камеры. Преобразование x,y,D в 3д точку должно быть в API камеры.
В принципе, при известных размерах маркера, задача решается даже без компоненты глубины, гуглите opencv solvepnp.
По поводу скелетов посмотрите здесь: https://github.com/topics/skeleton-tracking
-
Сам бы хотел знать
Обычно обострение начинается ближе к сессии.
А вообще, раньше был хороший форум у МГУ-шников, правда сейчас не знаю как он там.
Многие пересели на нейросети.
Opecv + sfm
в OpenCV
Опубликовано · Report reply
Можно вырезать автоконфигурацию ceres и прописать пути ручками.