Официальный Шайский блог
-
Создание собственного датасета для OpenCV на Python: методы и примеры
Датасет — это основа для обучения моделей компьютерного зрения. В этой статье мы разберем, как собрать и подготовить собственный датасет для работы с OpenCV в Python. Рассмотрим ручной сбор данных, парсинг из интернета, аугментацию и разметку. 1. Ручной сбор данных с веб-камеры Пример: Создание датасета для распознавания жестов. Совет: 2. Использование готовых датасетов Популярные источники:…
-
Сегментация изображений с U-Net
Сегментация — это разделение изображения на области (например, небо, дорога, люди). Используем упрощенную U-Net модель. Пример с библиотекой segmentation-models Примечание:Для обучения своей модели потребуется размеченный датасет (например, Pascal VOC). Заключение Эти примеры демонстрируют основные задачи машинного зрения. Экспериментируйте с параметрами и объединяйте подходы для более сложных решений!
-
Распознавание объектов с использованием Haar-каскадов
https://github.com/opencv/opencv/blob/4.x/data/haarcascades/haarcascade_frontalface_default.xml Haar-каскады — это метод для обнаружения объектов (например, лиц) на изображении. Используем предобученную модель из OpenCV. Код для распознавания лиц Пояснение:
-
Введение в машинное зрение. Обнаружение границ с помощью OpenCV.
Машинное зрение — это область искусственного интеллекта, которая позволяет компьютерам «видеть» и анализировать изображения. В этой статье мы рассмотрим базовый пример: обнаружение границ на изображении с использованием библиотеки OpenCV. Установка OpenCV Код для обнаружения границ Пояснение: Более подробная речь про нейросети и технологии будет в следующих записях.