Перейти к содержимому
Compvision.ru

idrua

Пользователи
  • Количество публикаций

    63
  • Зарегистрирован

  • Посещение

  • Days Won

    3

Все публикации пользователя idrua

  1. А первая картинка это что?
  2. А пользоваться этим как? Есть примеры? Ну и касательно сетей. Обучить на Python, а потом подсовывать в OpenCV (или как-то форматировать после обучения)? Вообще инфы ноль.
  3. OpenCV тут не помощник. Сеточками надо (Object Detection). Судя по картинке, предположу, что это YOLO3. https://github.com/aloyschen/tensorflow-yolo3
  4. Поиск стекла на фотографии

    Нейросетью можно найти даже на таких картинках. Только для обучения нужна хотя бы сотня картинок. Помню как-то нужно было искать углы стелажей при разном свете на чб и цветных картинках (на форуме ниже есть описание, если поискать). 97% точности давала сеточка.
  5. Создание dll, использующей openCV (C++)

    А чем не устраивают готовые пакеты? OpenCvSharp3, например. Там же все уже сделали за вас ))
  6. Сейчас в основном нейросетями сравнивают. Точность повыше обычно, чем у классических способов. Хотя, классику тоже нужно помнить и любить ))
  7. Каскад Хаара

    Перечитал много разных публикаций, но не нашел ответа на вопрос высоты/ширины (-w 20 -h 20). Значит ситуация следующая: картинки размеров 400 на 300, сам объект имеет размер 100 на 130. Во всех примерах размер объекта минимален. Что-то из серии 20 на 20 или 30 на 10. Собственно, вопрос. Я должен уменьшать свои картинки, чтобы объект принял нужные размеры? Или как? В одной публикации видел, что объекты еще больше чем у меня (300 на 300), а значения высоты и ширины в параметрах обучения ставят 20 на 20. Или это абстрактные значения в параметрах? Где читать или, может, кто подскажет по своему опыту? Заранее спасибо! opencv_createsamples.exe -info E:\BAZAS\Sova\Good.dat -vec samples.vec -w 20 -h 20
  8. Каскад Хаара

    Размер объекта относительно статичен +- 20 пикселей. Больше на сколько? 30х30, 40х40, 80х80. Насколько я понял, чем больше размер объекта, тем дольше ждать результат. Думал. Стандартными средствами OpenCV я детектирую с точностью 90%, но это не всегда устраивает пользователей. Хотелось уйти в сторону DL, но ПК слабые, не тянут. Какие еще альтернативы?
  9. Размытие краёв

    А края известны или нет? Ну т.е. можем ли мы положить все края, для которых нужно делать размытие, в маску?
  10. Если картинки не сдвинуты по осям относительно друг друга, то самый простой и быстрый вариант это использовать логические операции. Тот же XOR, а после смотреть количество белых пикселей countNonZero (если совпали, то их будет мало). Бинаризировать только сперва обе картинки надо.
  11. Это ты называешь серьезным распознаванием? Насмешил )) Картинки покажи. Есть более простые логическое И, ИЛИ и исключающее ИЛИ. Возможно, MorphologyEx+TopHat с маской. Предложил бы классификатор, но ты называешь matching сложным. Всякое можно придумать, в зависимости от задачи. Но все это не очень-то робастно.
  12. https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html
  13. Кстати, вопрос. Keras имеет несколько версий инсталла ( keras-gpu(вер 2.2.2) и keras(вер 2.2.4)). Какую ставить рекомендуется? Поставил keras-gpu отказал модуль image для аугментаций. Как снести это чудо и поставить просто keras?
  14. На win действительно проблематично работать с python. Сам недавно столкнулся и через pip tensorflow нормально не установился. Установился через conda install. Ну а вообще, есть бесплатный Google Colab, где уже всё установлено. Бери и пользуйся.
  15. Ого! Спасибо, гляну. Я на C# пишу, но думаю разберусь, OpenCV примерно везде одинаковый.
  16. А кто мне подскажет, как найти контуры прямоугольников в такой сложной ситуации? Выделил красным желаемый результат разделения. Вероятно, можно нейросетями (не пробовал, но уверен, что получится), но хотелось бы классическими методами OpenCV.
  17. Поиск мостов

    Т.е. обучаешь ты на Python, а inference на плюсах. Я правильно понял? Ок. Даже если так, то как добыть из файла h5 весовые коэффициенты. Где-то описан формат файла? А были модели на Keras в обучении? Выходной файл обученной модели отличается чем-то для TF и Keras?
  18. Поиск мостов

    Это достаточно новая архитектура. Если не ошибаюсь в 2015 изобрели, а в 2016 начали активно использовать. Поэтому с чтением на русском вообще беда. Далее. Все эти вещи писаны на Python и только. По шагам это выглядит так: изучаем Python, изучаем азы сверточных нейронных сетей, покупаем или арендуем GPU — аллилуйя. Можно вообще ничего не изучать, а найти на гитхабе или кагле примеры и использовать. Но это тяжело, не зная языка и прочих вещей что-либо делать. Серега , все хочу спросить, а ты не переписывал на плюсы подобные архитектуры? Насколько этот процесс трудоемок?
  19. Поиск мостов

    Бегло глянул на карты Google. Цвет речки всегда одинаковый. Возможно, выделение по цвету и дальнейший поиск прямых линий что-то даст. А вообще, конечно, более простой способ это UNet в нейросетях. Достаточно просто собрать датасет, НС сама найдет фичи и выделит мосты.
  20. Чем больше картинок, тем лучше. Попробовать могу и на 250, но это бейзлайн, однозначно.
  21. Задача мне кажется интересной. Могу попробовать нейросетями выделить зону с нужной ячейкой. Но есть проблема с картинками. Для обучения потребуется 350 картинок(для начала).
  22. Ответ не совсем понятен. Т.е. можно смело вырезать и удалить 50% изображения и оставить только центр? Ведь именно там "ожидается примерно увидеть край уголка ячейки". Или как? Чем отличается нужный край ячейки от остальных краев на фото? Он всегда под одним углом?
  23. У меня вопросы есть. А чем отличается этот край уголка от остальных краев? Каким должен быть конечный результат? Нужен точно такой же круг нарисовать?
  24. С пунктом 3 как-то не очень понятно. Было 3х3, увеличили, стало 5х5. Или увеличиваем по одной стороне, а не все сразу? Имеем 5х5, разбили на 4 по 3х3. Предположим, все белого цвета, отношение одинаковое. Оставляем старый центр? Еще увеличили и теперь общий размер 6х6. Разбивать с другим размером 4х4?
×