Перейти к содержимому
Compvision.ru

Pechkin80

Пользователи
  • Количество публикаций

    72
  • Зарегистрирован

  • Посещение

  • Days Won

    1

Все публикации пользователя Pechkin80

  1. точнее выделение контура. Вот нарыл статейку. https://vision.ece.ucsb.edu/sites/vision.ece.ucsb.edu/files/publications/01ASILOMARBaris.pdf Может кто знает как всю эту высшую математику превратить в код ?
  2. Похоже на то, но я здесь смотрел https://habr.com/ru/post/156903/ Только у меня цель не рисование, а анализ изображения.
  3. Тема с SVM+HOG меня порадовала, но тормозит если в рилтайме. И решение я вижучтоб получше разобраться с SVM, с тем что делается с HOG чтобы стать датасетом для SVM и вообще для распознования в реальном времени надо гдето найти инфу по вычислительной сложности для таких "тяжёлых" алгоритмов.
  4. Размытие краёв

    1) находим внешний контур 2)прохдим в цикле по внешнему контуру и сглаживаем
  5. Здравствуйте, подскажите пожалуйста насчёт стекинга. Прочитал по 20 раз статьи и стокаже раз видео и не врубаюсь. В одной статье сказано: выборку разбивают на части (фолды), затем последовательно перебирая фолды обучают базовые алгоритмы на всех фолдах, кроме одного, а на оставшемся получают ответы базовых алгоритмов и трактуют их как значения соответствующих признаков на этом фолде. Для получения метапризнаков объектов тестовой выборки базовые алгоритмы обучают на всей обучающей выборке и берут их ответы на тестовой. 1) Что означает фраза "получают ответы базовых алгоритмов" ? В сысмысле оставшийся фолд используется как тестовая выборка или что за ответы ? И дальше там непонятно. Саму идею перекрёстной проверки понял. Сначало в одном месте всей выборки маленький кусочек назначаем тестовой выборкой, потом в другом месте кусочек назначаем тестовой выборкой
  6. VideoCapture аппаратное декодирование

    Nuzhny, Большое спасибо за ваши ответы. Но у меня так бывает что к теме я возвращаюсь через несколько месяцев.
  7. VideoCapture аппаратное декодирование

    Спасибо, интересно будет поробовать. Тогда получаеться VideoCapture class из OpenCV не используем ? Он ведь вроде как сам работает с FFMPEG ? И управление видеопотоком тоже надо будет через FFMPEG реализовывать. Или сам VideoCapture OpenCV прпатчить для более эффективной работы ?
  8. VideoCapture аппаратное декодирование

    Хм, можно попдробнее.... Это такой интерфейс есть чтоб получать данные уже загруженные в GPU , но декодированные? Для декодирования и обработки изображений разные библиотеки используются. Я не знаком с TensorFlow, но я пологаю. что могут потребоваться какието предварительные действия, до применения TensorFlow которых нет в TensorFlow. Очень подозрительно просто что TensorFlow представляется волшебной палочкой. Всё универсальное не всегда самоелучшее.
  9. VideoCapture аппаратное декодирование

    Примение CUDA ИМХО сомнительное дело впринцепи. Если CUDA используется для задач обработки изображений, то использование CUDA ещё и для декодирования будет приводить к частостому сбросу всего кеша GPU и снижению производительности. Я вот тоже слышал что для этого специальный чип внутри процессора или карты есть + SSE/MMX, но как убедиться что FFMPRG или GSTREAMER всё сделал поуму для декодирования ? Я может залез не в свою тему, но как там обстоят дело с подключением камеры за 3 бакса ИМХО не самое главное. Но в любом профессиональном решении с нормальной IP камерой этот впрос не может быть обойдён стороной.
  10. VideoCapture аппаратное декодирование

    А что за камера ? Камера работает по протоколу обычно и не привязана к кодеку. Если только совсем какойто ширпотреб.
  11. VideoCapture аппаратное декодирование

    Для линукса по идеи нужен GStreamer. Интересная статья по теме: https://blog.zhaw.ch/high-performance/2017/10/24/boost-your-gstreamer-pipeline-with-the-gpu-plugin/
  12. VideoCapture аппаратное декодирование

    Сам думал сделать, но руки не доходят. Вопрос важный и по делу. Так как h.264 может аппратно декодироваться. Но и для остальных кодеков аппаратные возможности лучше испоьзовать на 100 процентов.
  13. Щас очень популярны разные курсы на 4, 10 месяцев, но непонятно что они дадут в итоге. Есть ШАД, но туда надо сдавать экзамены и учиться 2 года, а есть ли смысл ? Цель стать универсальным специалистом в части применения нейронных сетей к обработке изображений. Надо ли учить все эти квадратичные формы и пытаться делать свою модель сети или достаточно быть юзером в нйросетевых фреймворках ?
  14. Собственно сабж во вложении. Исходные условия: есть все необходимые стартовые знания по c, c++, знание основ обработки изображений, знаний многих фишек в OpenCV. Цель обучения с репетитором в том чтобы освоить это в три раза быстрей чем самостоятельно.
  15. Спасибо ОГРОМНОЕ! Вам и Smorodov. Это между моим уровнм знаний в данной области и вашим чувствуется огромная пропасть. И как мне её преодалеть пока не придумал. Вы кажется писали что не сложно запрограммировать SVM+HOG самому. HOG я ещё осилю, но от слов гипепрлоскость я как программист впадаю в ступор и программирование SVM для меня чёрная магия. Если дадите почитать чтото, будет здорово.
  16. Спасибо, попробую. По вашей логике получается что осенний классификатор, не годиться для зимнего и в чём тогда преимущество по сравнению с методом сравнения с шаблоном, кроме самой классификации ?
  17. Код по ссылке вверху. Я только Cmake file поправил, чтоб находил библиотеки. Датасеты выкладывать не знаю какие. Я много там всего пробовал. :Журнал не вёл. Я готов сделать датасет по вашим рекомендациям. В архиве свалка из того что пробовал. universal.tar.xz Если нужно, могу выложить код из гитхаба сюда.
  18. Нейронные сети как я понимаю нужно чемто "кормить". Какимито признаками, а эти признаки надо откудато взять. Мне сложно рассуждать о том чего я не знаю. Наверно нейронные сети надо знать, но меня интерисует не тольео голая теория, но и применение этой теории к ПРАКТИЧЕСКИМ задачам распознавания объектов в видеопотоке. Просто изучить нейронные сети, а потом чесать репу как эти знания применить както обломно будет. Ну так есть кто готов ?
  19. Может я не знаю какихкто хитростей, но у меня не получается сделать боле мене универсальный классификатор для одного знака. У меня есть видео снятое видерегистратором. Если сделать датасет для тренировочных и тестовых данных из скришотов этого видео (с нужными) знаками, то такой классификатор отлично потом распознаёт знак на данном видео. Но как только я пробую сделать тренировочную выборку из других источников, так всё по нулям. Код взял из этого примера: https://github.com/sarthakkaingade/Road-Sign-Identification
  20. Можно ли их подружить както ? А то перекомпилировать все библиотеки под VS для компиляции OpenCV очень сложно. "CUDA compilation is disabled (due to only Visual Studio compiler supported on your platform)."
  21. Дорожный знак как только не пытались распозновать, но он очень хитрый зверь. во первых его не получиться выделить влоб по цвету, так как его цвет может плыть в зависимости от освещённости, во вторыхх представление дорожного знака на кадре отличается по форме в соответсвии с расположением наблюдателя (косоугольная перспективная проекция) где квадрат превращается в ромб так что и Хаар мало что может. Во всяком случае у меня не получилось и я думаю тут ограничение самого алгоритма и не плохая натренированность.
  22. Очень интересный метод, но а где реализацию метода нахождения контуров найти можно(желательно c++) ? Не рискую даже думать чтоб самому с нуля попробовать реализовать всё.
×