Перейти к содержимому
Compvision.ru

Вся активность

Этот поток обновляется автоматически     

  1. Today
  2. Yesterday
  3. Последняя неделя
  4. Это всего лишь пример и сложности нет если решать алгоритмами computer vision, а хочется решить через CNN.
  5. Иногда, для Windows я и спользую готовые сборки с сайта ParallelVision http://jamesbowley.co.uk/downloads/
  6. Ну оно вообще-то долго собирается, но процесс конечный.
  7. Доброго времени суток. Как возможно установить OpenCV 3.3 в связке с Cuda 8.0 через CMake GUI? Пытался делать по инструкции http://jamesbowley.co.uk/buildcompile-opencv-v3-3-on-windows-with-cuda-8-0-and-intel-mkltbb/ (без Intel SDK), но сборка в Visual Studio не прекращается в течении 3-4 часов. Может есть где готовые RAR архивы с готовыми сборками OpenCV 3.3 + Cuda 8.0?
  8. Не очень понятно, в чём сложность задачи.
  9. Возможно ли решить задачу локализации для N объектов (т.е. на каждом фото у нас всегда по N объектов), как задачу регрессии (т.е. если мы хотим предсказывать bbox, то регрессия на N*4 чисел)? Для 1 объекта эта задача решается. А для N объектов я попробовал в лоб и вроде как не работает Правда немного другая формулировка задачи: на изображении может быть от 1 до N кругов и надо предсказать центр и радиус каждого круга. https://github.com/mrgloom/position-and-radius-estimation-example Я думаю не работает потому что объекты как бы получаются не ordered и в этом вся проблема.
  10. Если про то что на картинке это style transfer.
  11. Вопрос. Вы используете IP камеры? Сам работаю с ними через RTSP, декодирую через FFMPEG, но при этом только на одну камеру нужно порядка 5% процессора уровня intel i5. Интересно как у Вас получилось с 12 камер...6-8% загрузки ЦП? PS. Многое еще от камер зависит, т.к были камеры которые на декодирование тратили 1%
  12. Железо для real-time обработки видео

    Спасибо за краткое описание систем:) На счет GPU, еще не пробовал, думаю можно сделать пару тестов. По поводу ПК c i3, у меня сейчас такое реализовано, i3-4160(3.6ГГЦ) тащит 12 камер и тратит всего 6-8% цп. Идея была в разделении обработки каждой камеры отдельным модулем. К одному такому ПК можно подключить и 80 камер, но там уже будет проблема с кабелями, свичами и тд... В идеале думал микрокомпьютер на одну камеру, к нему wifi модуль, обрабатывать само видео на микропк и слать по сети уже готовые данные по wifi. Что на счет одноплатных от intel? Intel N2930 или какой-нибудь Atom?
  13. Использую вот такие одноплатные PC https://ru.aliexpress.com/item/PC-for-home-fanless-mini-itx-HD-htpc-with-haswell-Intel-Core-i7-4500U-1-8Ghz/1882168974.html?spm=2114.30010708.3.207.PCvv3u&ws_ab_test=searchweb0_0,searchweb201602_2_10065_10068_10069_10084_10083_10017_10080_10082_10081_10060_10061_10062_10039_10056_10055_10054_10059_10078_10079_10073_10070_421_420_10052_10053_10050_10051,searchweb201603_9&btsid=66b4f6eb-3333-4ca7-910c-edd323aa1a86
  14. Добрый день! Как известно, для работы напрямую с изображением (а не с его представлением в виде признаков) естественным образом подходит сверточная архитектура сетей (CNN). В интернете чаще всего пишут про задачу классификации изображений: обычно после нескольких чередующихся слоев свертки и пулинга лежит "обычный" полносвязный слой нейронов, который по признакам, каким-то образом полученным предыдущими сверточными слоями, относит изображение к одному из заданных классов. Но что делать, если на выходе мы желаем иметь не номер класса, а целое изображение? (Не знаю, как называется такой класс задач) Например, как в приложении Prisma – юзер загружает фото, а программа меняет его стилистику. Вопрос: в какую сторону копать, чтобы познакомиться с сетями, сопоставляющим изображению измененное изображение.
  15. Железо. orange pi pc - оптимизированы для снежения энергопотребления. Поэтому скорости от них ждать не стоит. Что касается 64-битных процессоров то при одинаковой частоте они в 2 раза медленее по умножению. В среднеем по остальным командам на 30-50% медлее чем 32 бита. Вот если бы вы использовали криптографию тогда выигрышь возможен. Fpga сравнимый с pi вам обойдётся в 10 раз дорожи 150-300$. Dsp - как правило заточены под радио и звук. В таких платах просто нехватает памяти и производительности. Нужны специальные видеопроцессоры. А они как правило очень дорогие. Есть ещё процессоры для видеорегистраторов. 4 раз быстрее чем CPU - pi. Одна беда close hardware. Через несколько лет возможно появятся как открытые. Так что после pi берём дешовый комп i3 за 250-300 баксов. И если надо то видеокарту. Или б/у ноутбук, комп можно сэкономить. Код. Вам однозначно надо оптимизировать. Расчёт углов это медленная операция. А вот прр GPU - отпишитесь как удалось завести его или нет?
  16. Выделение области

    Emgu это Emgu.CV.CvInvoke.MinAreaRect() OpenCVSharp это NativeMethods.imgproc_minAreaRect_Point
  17. Ранее
  18. Выделение области

    А еще как-то можно найти прямоугольники кроме boundingRect()?
  19. Выделение области

    Ну так найдите центры контуров, и отсортируйте.
  20. Выделение области

    findContours() Не упорядочивает, как можно их упорядочить слева на право?
  21. Выделение области

    Для 3 версии: http://docs.opencv.org/3.3.0/d3/dc0/group__imgproc__shape.html#gacb413ddce8e48ff3ca61ed7cf626a366 Про C# не знаю, пишу на C++.
  22. Выделение области

    У меня 3 версия, по ней не нашёл. И на C# нету
  23. Выделение области

    Документация на boundingRect http://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=boundingrect#boundingrect
  24. Выделение области

    Нужно выделить области и перенести на новые изображения. С помощью функции findContours() выбрал контуры изображения. Читал как сделать это здесь https://moluch.ru/archive/116/31528/ Но не нашел функции boundingRect()("Найти прямоугольник можно с помощью функции") Хочу сделать что-то подобное. Emgu C#
  25. Железо для real-time обработки видео

    Про NEON пока не слышал, почитаю, спасибо:) Алгоритм по сути не сложный, собственная реализация threshold + morphologyEX, но вместо морфологии придумал свою реализацию, пускаю лучи с центра объекта и обрабатываю столкновения, считаю углы между точками Оптимизировать можно, но судя по замерам, то одна функция cvtColor() уже требует 8-10мс... На orange pi pc есть еще графический проц, можно подумать разделить участки обработки и выполнять часть кода на gpu, но даже не знаю есть ли смысл...:) Мне как-то говорили что проц работает быстрее с целочисленными, значит есть смысл минимизировать float переменные? Или в моем случае это тоже бессмысленно?:) Вообще, если у кого-то есть свободное время и желание, могу показать код, может поможете в реализации:)
  26. armv8 будет явно быстрее. Но тут же всё зависит больше от алгоритма обработки видео. Что это? В каждой новой версии OpenCV всё больше функций имеют реализацию через NEON. Возможно ли при обработке использовать их? Или свой алгоритм переписать на NEON? Низкоуровневая или алгоритмическая оптимизация в принципе возможны? Или код и алгоритм уже ускорить нельзя, а вся надежда на железо?
  27. Железо для real-time обработки видео

    Спасибо, но к сожалению это слишком дорогое решение...может есть что дешевле? В пределах до 5 тыс на пример?:)
  28. Как вариант JetsonTX1: http://www.nvidia.ru/object/jetson-tx1-dev-kit-ru.html или JetsonTX2: http://www.nvidia.ru/object/NVIDIA-Jetson-TX2-blog-ru.html
  29. Всем здравствуйте! Недавно начал изучать opencv. Тестирую производительность, разные методы, даже написал пару своих методов которые в моем случае справляются быстрее чем встроенные. Задумал переходить на новое железо, а именно хочется одноплаточные пк. Купив себе для тестов orange pi pc с процессором cortex a7 4*1.2 ГГЦ собрал библиотеку и начал тестировать. Обработка одного кадра 300*200 занимает 150-200 мс на одном ядре. Этого не достаточно. Хочется прикрутить платку к ip камере и в реальном времени обрабатывать видео. Если частота камеры 20fps, то 1 кадр нужно обрабатывать минимум за 50мс. В Принципе распараллелить на все ядра можно, но хочется оставить запас на другие нужны, ведь получение кадра, доступ по ssh, какие-то дополнительные плюшки потребуют своей производительности... Может кто-то использовал для обработки какое-то интересное железо? На пример dsp платы или плис? Интересна производительность... И второй вопрос, orange pi pc на базе armv7 имеет 32-битную архитектуру, а armv8 уже х64. Будет ли прирост скорости на 64-битной версии? Заранее благодарю:)
  1. Загрузить больше активности
×