🤸🏻 🥩 🙆🏼 コンピュータービジョン。 Intel Expert Answers ✋🏾 🍅 😲

2週間前、Habraの読者を招待して、コンピュータービジョンライブラリOpenCVの作成者に質問をしました。多くの質問があり、興味深い質問が寄せられました。つまり、このトピックはIntelだけでなく、多くの開発者にとっても興味深いものです。苦労せずに、回答の公開に進み、回答を募集します。また、最高の質問の著者を発表します！投稿の最後に。

質問正解

コンピュータビジョンの未来をどう見ていますか？機械学習の発展を見て、どのような見通しがありますか？

アナトリーバクシーエフ 。私の考えのいくつか：

学習可能なすべて、最小限の手作業
新しいものは忘れられた古いものです。

しばらくすると、従来のコンピュータービジョン（DLのすべての低品質の果物が選ばれるとき）に戻ることがありますが、開発と機能のレベルがわずかに異なると思います。

ヴァディム・ピサレフスキー 。私のビジョンはかなり標準です。近い将来（実際、すでに現在）はディープ/ディープラーニングであり、前回のCVPR 2017会議で証明されたように、ますます洗練された非自明な方法で適用されます.6年前、ディープラーニングが登場した、またはむしろ、クリジェフスキー（Alexnet）の記事の後に復活しました、そして、彼は1つの問題だけをうまく解決しました-1つの支配的なオブジェクトがその位置を決定せずにフレーム内にあるという条件で、オブジェクトのクラスの認識。 2年前、私たちの地域のほぼ全員がすでに彼について話していました。彼らは、オブジェクトを検出するための最初のグリッドと、セマンティックセグメンテーションのためのグリッドを考案しました。これに先立ち、セマンティックセグメンテーションのタスクは、フェルマーの定理の証明として、絶望的で解決不可能なタスクと見なされていました。

速度に大きな問題がありました-すべてが非常にゆっくりと動作しました。グリッドが圧縮され、実装が最適化され、GPUに転送され、専用ハードウェアが準備中です。ほとんどの部分の速度の問題は消滅し、今後数年で完全に消滅します-グリッドは、従来のアプローチと同じくらい速く、すでにはるかに優れています。研究の主な分野：

より複雑な新しいタスクにディープラーニングを適用してみてください。
特に、巨大なトレーニングベースを収集することが困難なタスクに適用します。

最初の一般的なタスクは次の10年の主な傾向であり、少なくとも2番目のタスクは今後数年で解決されると思います。特定のケースでは既に解決されています。多くの職人的手法を備えた高度に専門化された分野のコンピュータービジョンが産業分野に変わり、多くの人々の生活に大きな影響を与える可能性があります。実際、このプロセスはすでに高速で行われており、視覚だけでなく人工知能についても話している可能性が高いです。

質問IliaSafonov

OpenCVで3D（体積）画像を処理する機能を追加する計画はありますか？ 4000x4000x4000のオーダーのサイズの断層画像を使用しています。 3Dの既存のオープンソースライブラリは、OpenCVと比べると、やや貧弱で低速です。

ヴァディム 基本的な要素ごとの関数は、そのようなデータですでに機能します。 3次元のフィルタリングやその他の複雑なアルゴリズムはまだありません。しかし、真実は、3Dデータ配列に何らかの変換を行うことができる深いグリッドがあるということです。必要な操作のリストがある場合は、拡張機能のリクエストを送信してください。タスクの説明とリンクを含む適切な詳細なリクエストがある場合、これが次のGoogle Summer of Code（2018年夏）のプロジェクトの1つになる可能性は十分にあります。

質問MaximKucherenko

ビデオカメラは橋の上にぶら下がっていて、その下には車の流れがあります。ビデオカメラには優れた照明が取り付けられ、夜間の通常の天気ではドライバーの顔さえ見ることができます。吹雪が始まると、写真はほとんど白になります（多数の小さな移動物体、雪片のため）。そのような「ノイズ」を克服する方法を教えてください。

アナトリー 。画像自体なしで答えることは困難です。どうにかして写真を復元するCNNを作ってみることができます。グリッドが画像の損傷部分を「考え抜く」CNNの刷り込み作業を確認してください。または、グリッドが本質的に古典的なブレ除去アルゴリズムを学習しようとしているCNNブレ除去。同じことを試してみることができます。

あなたの場合、グリッドはどこかで再帰的で、「きれいな」画像を合成するための前のフレームを考慮に入れることができます。

ヴァディム 車やカメラの動きを考慮したある種の時間フィルタリングが必要です。いくつかのフレームを収集する必要があります。ビデオの超解像度のテーマのある種のバリエーションについてですが、解像度は上げません。各フレームの時間近傍を取得し、中央フレームと隣接するフレーム間の密な光束を計算し、結果の「改善された」画像に対して特定のペナルティ関数をコンパイルします。同時に滑らかで、補正された動きを考慮して近傍からのすべての画像に類似している必要がありますその後、反復最適化プロセスが開始されます。このようなアルゴリズムが、特に極端な条件（吹雪）で驚くほどうまくいくかどうかはわかりませんが、中程度の複雑さの状況では、出力イメージを改善できる可能性があります。しかし、そのようなアルゴリズムがなくても、最初はcv :: equalizeHist（）関数を試すことができます。

質問uzh13

CVを試すのに最適な言語はどれですか？このためにErlangに対処する必要がありますか？

テクニカルビジョンのクイックスタートのための正規の書籍セットまたは一連の記事はありますか？チャットできる人はいますか？

ヴァディム 現在、最も推奨されるオプションは次のとおりです。

優れた開発環境を備えたC ++
Python

状況によっては、PythonがC ++よりも望ましい場合もあれば、その逆の場合もあります。アーランはこの地域にはあまりにもエキゾチックです。おそらくあなたはそれに何かを書くでしょうが、そうすれば、一緒にこのコードを議論し、開発するために、同じ考えを持つ人々を見つけるのは難しいでしょう。古典的なコンピュータービジョンに関する本からは、R。Szeliskiという本をお勧めできます。コンピュータービジョン。そのドラフトはこちらから入手できます。 OpenCVに関する多くの本があり、通常は英語でも書かれています。次のチュートリアルを使用して、ディープラーニングでデートを開始できます。コミュニケーションに関しては、質問はもっと複雑です。さて、実際には、誰もがインターネットを利用できるようになったため、どのプロジェクトにも参加できます。

アナトリー 。私の意見では、C ++とPythonは、ラピッドプロトタイピングと本格的なソリューションの古典であり、これから逃れることはできません。

Vadimの答えに加えて、githubの素晴らしいリポジトリをお勧めします：

多くの分野で愛好家によってサポートされている一般的に見られる素晴らしいリポジトリ。

質問ChaikaBogdan

CVの経験がない場合、CVの分野でキャリアを開始するにはどうすればよいですか？実際の問題を解決する経験と、この分野での経験を獲得できる場所はどこですか？

少しのTL;質問の背景であるDR
私はそのような方向性のない大学で勉強し、当然、別の分野（ソフトウェア工学、自動化）で働きに行きました。 CVの分野で働くことがいかに潜在的にクールであるかを理解していれば、別の大学に入学することもできましたが、残念ながら、私はそれについて遅すぎることを学びました。第二の高等教育のための再訓練は、どういうわけか法外に長いです。

勤務中に、Python + OpenCVで検出するタスクに出くわし、テンプレートマッチ（サブジェクトエリアの利点が許可されている）を介してなんとか決定しました。楽しかったし、新しくて、一般的にみんな、特に私が好きだった。

彼は自己訓練の可能性を研究し始め、 コンピュータビジョン入門 （Udacity-Georgia Tech）コースを受講し、 PyImageSearchから実践的な訓練を開始しました 。

同時に、私はUpworkとPyImageSearch Jobs、Fiverrの欠員を見て、実際の問題を解決するのに十分な知識が明らかになかったので動揺しました（たとえば、光/影/角度条件はほとんどどこでも干渉します）。たとえば、PyImageSearchのGuruコースを修了しても、まともな仕事を見つけるのに役立つかどうかはわかりません。なぜなら、これらの例は実際の状況で考えられているように、非常に「理想的」でほとんど機能しないからです。

Fiverr 、 Upwork 、 PyImageJobsなどの交換では、多くの競争があり、タスクを非常に迅速に完了する必要があります。しかし、入学と離陸の学習曲線のしきい値が小さいものが必要です。私はリモートワークについては黙っています。さらに、他のすべての場所で、ディープ/機械学習をフォローする必要があります。

CVで仕事が見つからないように、メインの仕事を放棄したくありません。しかし、あきらめます。これは、あなたがどのように見えるかに関係なく、専門的に開発するためのクールで興味深い分野です。

アナトリー 。あなたは正しい軌道に乗っていると思います。

一般的に、この分野で働きたいと思う人は、スキルがなくても普通のリーダーなら誰でも連れて行ってくれると思います。主なものは、具体的なアクションで表現された、仕事への欲求を示すことです。OpenCV用に作成したアルゴリズム、caffe / tf / torch用、githubでプロジェクトを表示、Kaggleで評価を表示します。前の退屈な非履歴書の仕事を辞め、タイに行って、一年もどこも働いていないエンジニアがいます。 6か月後、彼はそこで退屈し、Kaggleコンテストに参加し始めました。その後、彼が私のところに来たとき、CVの経験がなくても、Kaggleに対する彼の良い評価も役割を果たしました。今では私の最強のエンジニアの一人です。

ヴァディム 私はあなたのために「成功物語」を持っています。かつて、一連のパッチがOpenCVに追加され、顔認識機能が追加されました。もちろん、今では顔認識の問題はディープラーニングの助けを借りて解決されており、それは非常に単純なアルゴリズムでしたが、ポイントではありませんでした。コードの著者は、Philippeという名前のドイツ人でした。その後、彼はメインの仕事で退屈なプロジェクトに従事し、彼自身の言葉で言うと、プログラムされたDSPでした。仕事の後、顔認識を行う時間を見つけ、パッチを準備し、受け入れました。当然、彼は著者としてそこにリストされました。しばらくして、彼は嬉しい手紙を書いてくれました。とりわけ、コンピュータービジョンに関連する仕事を見つけたという明確な「再開」のおかげです。

もちろん、これは唯一の方法からはほど遠いです。コンピュータービジョンが本当に好きな場合は、自発的に時間外にそれを行う準備をし、実際の経験を積んでください。教育に関しては、OpenCVチームの何人がこの分野で教育を受けたと思いますか？ゼロ私たちはすべて数学者、物理学者、エンジニアです。共通のスキル（実践によって開発されます）は、主に英語で新しい教材を学習し、数学的および工学的な問題をプログラミング、コミュニケーション、解決するために重要です。そして、具体的な知識は一時的なものです。数年前のディープラーニングの出現により、私たちの知識のほとんどは時代遅れになり、数年後にはディープラーニングは時代遅れのテクノロジーになる可能性があります。

質問aslepov78

ニューラルネットワーク、ディープラーニングについての大量のヒステリーに屈したと思いませんか？

ヴァディム ウィンストン・チャーチルを言い換えると、おそらく（現代の）ディープラーニングはコンピュータービジョンの問題を解決するための悪い方法ですが、私たちが知っている他のすべてはさらに悪いことです。しかし、誰も研究を独占していません。神に感謝し、自分で発明してください。そして実際、人々は思いつきます。私自身は数年前にこのアプローチに非常に懐疑的でしたが、第一に、結果が明白であり、第二に、ディープラーニングが愚かに使用できないことが判明しました（私が得た最初のアーキテクチャを取得し、100万のトレーニング例を採点し、クラスターを立ち上げて1週間後に起動しましたモデルを受け取ったか、受け取っていないか）を確認できますが、創造的に適用できます。そして、それは本当に魔法のテクノロジーになり、タスクが解決され始めますが、それ以前は一般的にアプローチ方法が明確ではありませんでした。たとえば、1台のカメラを持つフィールドでのプレーヤーの3Dポーズの定義。

質問aslepov78

OpenCVは、さまざまな分野（計算幾何学、信号処理、機械学習など）のアルゴリズムのウェアハウスになっています。一方、同じ計算ジオメトリにはさらに高度なライブラリがあります（ニューラルネットワークは言うまでもありません）。 OpenCVの意味は1つだけです-1つのボトルにすべての依存関係がありますか？

ヴァディム 私たちは主に自分自身と同僚のためにツールを作成し、ユーザーコミュニティからのパッチも統合します（すべてではありませんが、ほとんどの場合）。ユーザーが自分や他の人に役立つと思うもの。もちろん、C ++に特定の一般的なモデルがあればいいと思います-相互に互換性があるようにライブラリを作成する方法で、簡単に一緒に使用でき、データ構造の構築と変換に問題はありません。そうすれば、おそらくOpenCVを一連のより特別なライブラリに簡単に置き換えることができます。しかし、そのようなモデルはまだありませんし、おそらくないでしょう。 Pythonには、numpyとモジュールおよび拡張機能のシステムを中心に構築された同様のモデルがあり、OpenCVのPythonラッパーはそこにかなり有機的に統合されているようです。あなたが実際にCVの分野で数年間働いているなら、なぜOpenCVが必要なのか、そしてなぜそれがそのように組織化されているのかを理解するでしょう。または来ません。

質問aslepov78

なぜターンキーソリューションがそれほど多くないのですか？たとえば、CVが初めてで、白い背景に黒い四角を探して、OpenCVドックを開く場合、私はそこにCれます。代わりに、最も一般的で単純なタスクのリストをスクロールして、選択または結合したいと思います。すなわち OpenCVには実質的に宣言的なアプローチはありません。

ヴァディム 実際、OpenCVにはターンキーソリューションはまったくありません。コンピュータービジョンの既製のソリューションには多額の費用がかかり、特定の非常に明確に定義されたタスクを解決するために特定の顧客向けに作成されています。このようなソリューションを作成するプロセスは、個々の家を設計、構築、注文するプロセスがレゴブロックからおもちゃの家を組み立てるプロセスと異なるのとほぼ同じ方法でブロックを結合することとは異なります。

質問vlasenkofedor

オリジナルのソリューションで最も興味深いプロジェクトについて教えてください-マイコンを搭載したOpenCV（Raspberry、ASUS ...）

アナトリー 。これらのデバイスに関する経験はほとんどありません。

質問killla

（OpenCVビデオ処理用にシャープ化されたプロセッサを備えたRaspberry Piレベルの）小型ボードと、マイクロプロセッサ（マイクロコントローラー）に直接接続されたビデオカメラとUSBの形の中継や長い遅延はありませんか？あなたがそれを取り、膝の上でベッド上のカラスを数えるためのデバイスまたはオブジェクトを追跡するためのデバイスを素早く作ることができるように（最も単純な画像処理+刺激の遅延が最小の反応）。

私自身の経験
前回、約4年前に同様の問題を解決しようとしました。 1）すべての一般的な手頃な価格の開発ボードは、1秒あたり1〜2回よりも高速で優れたビデオストリームの処理を遅らせることはなく、低レベルでプログラミングせずにDSPを使用するのは非現実的であり、強力で十分に文書化されたDSPおよびソフトウェアを備えたコントローラーを入手することは容易ではありませんすべての例のカメラは、それぞれUSBにしがみついています。大きな遅延+低電力のメインプロセッサによるカメラのソフトウェア処理。プロセッサ時間の認識にはほとんど時間がありません。

ヴァディム 第2世代以降のRaspberry Piには、NEONベクトル命令を備えたARM CPUが含まれています。 OpenCVは、このようなハードウェア上で非常に迅速に動作するはずです。ビデオキャプチャの速度について-USB 2から20〜30フレーム/秒で圧縮したため、これが何であるかはあまり明確ではありません。

質問killla

そのような腺のための「すぐに使える」既製のディストリビューションとソフトウェアがあり、数週間も終了することなくすぐに作業を開始できますか？

ヴァディム OpenCVはあらゆるARM Linuxで構築されており、NEONを使用して大幅に最適化されています。最初にRaspberry Piを見る価値があると思います。たとえば、ここに愛好家の経験があります。

質問killla

要約すると、私はこのように質問をします：2017-2018年に、2〜4週間のOpenCVを勉強するために、10,000ルーブルを置いた基本的なプログラミングスキルを持つIT専門の2〜3年生が2〜3歳の電話のレベルで鉄片を取得することは可能ですか？そして、最も単純なデバイスを作成するためのコードを作成します：バルコニーにぶら下がって庭でお気に入りの犬の動きを監視する一対のモーション軸を持つモーターサスペンション上のカメラ？

ヴァディム 答えの鉄の部分で、私は与えない、探検する。犬の追跡について。ビーコンは、この問題をより簡単に、より安く、より確実に解決します。目標が問題を解決することではなく、コンピュータービジョンを練習したい場合は、してください。 2〜4週間の間、次のような質問について考えることができます。

カメラ自体の動き/ぐらつきを処理する方法、暗闇、霧、雨、雪で予想される動作、異なる季節の処理方法、
さまざまな照明条件の処理方法-曇り、天頂の太陽、大きな影のある日の出や日没の太陽、
システムが視界内の別のオブジェクト（車、人、猫、別の犬、同じ品種の別の犬）の外観をどのように処理するか、
どの品質が許容可能と見なされますか（システムは、5分ごとに犬が行方不明になっているという誤ったメッセージを表示し、その1日後に犬が行方不明になったことを報告します）
など

私の控えめな見積りによると、この仕事を真剣に考えれば、間違いなく1年か2年は自分を受け入れることができるでしょう。他の場所で教えるよりも、コンピュータビジョンの詳細をご覧ください。

質問アルマイター

Pythonの関数model = cv2.ANN_MLP（）は機能しません。

機能コード

import cv2 import numpy as np import math class NeuralNetwork(object): def __init__(self): self.model = cv2.ANN_MLP() def create(self): layer_size = np.int32([38400, 32, 4]) self.model.create(layer_size) self.model.load('mlp_xml/mlp.xml') def predict(self, samples): ret, resp = self.model.predict(samples) return resp.argmax(-1) model = NeuralNetwork() model.create()

エラーAttributeError： 'module'オブジェクトには属性 'ANN_MLP'がありません

ヴァディム OpenCVディストリビューションのサンプルletter_recog.pyを参照してください。

質問アルマイター

OpenCVはニューラルネットワーク、機械学習にどのように進化しますか？機械学習初心者向けの簡単な例はどこにありますか？できればロシア語で。

アナトリー 。 OpenCVはネットワークトレーニングを計画せず、迅速に最適化された推論のみを計画します。現在、最新のCore i5で100fps以上を実行できるCNN Face Detectorがあります（ただし、パブリックアクセスには配置できません）。現在の多くのアルゴリズムは、それが偉業であろうとオプティカルフローであろうと、RANSACであろうと、他のアルゴリズムであろうと、小さな（> 5000fps）補助グリッドによって徐々に装備されると思います。

ヴァディム OpenCVはディープラーニングに向けて進化します。通常のニューラルネットワークは特別なケースであり、今ではほとんど関心がありません。ロシア語では何もアドバイスできませんが、見つけて私に知らせてくれればありがたいです。英語では、オンラインコースとオンラインの本があります。これは上記と同じディープラーニングチュートリアルです。

質問アルマイター

写真で比較的複雑なロゴを探すのに適したアルゴリズムは何ですか？たとえば、通常はテキストが存在するさまざまなマーキングのロゴ、図面、すべてがフォームに刻まれていますか？ Haar Cascadeで試してみました-このアルゴリズムはソリッドピースをよく探しますが、ロゴのような複雑なマルチコンポーネントオブジェクトは見つかりません。私はMatchTemplateを試しました-最小限の不一致がある場合は見えません-元の画像に対する縮小、回転。どちらの方向を向いているか教えてくれませんか？

ヴァディム ディープネット+トレーニングベースの強化。つまり、このロゴの画像のデータベースを収集してから、人工的に何度も拡大する必要があります。ここでは、たとえば、Googleを介してすぐに検索されます。

質問WEBMETRICA

コンピュータービジョンを使用して、動物や昆虫などのさまざまな生物の視覚の類似物をシミュレートし、他の生き物の目を通して世界を見ることができるアプリケーションを作成することは可能ですか？

アナトリー 。これはすぐには起こらないと思います。さらに、他の生物がどのように世界を見るかを確実に言う方法はありません。

ヴァディム パターン認識に人間が読める信号を使用することに関する CVPR 2017で興味深い記事がありました。著者は興味深い継続を約束した。おそらくすぐに、小さな兄弟たちが私たちの兄弟たちに近づくでしょう。

質問WEBMETRICA

さらに先に進むと、さまざまな生物の視覚モデルを多数作成し、この多様性をすべてニューラルネットワークに通して、新しいものを作成できますか？さまざまな生物学的システムのビジョンの統合は可能ですか？

ヴァディム すべてが可能です。特定のタスクから移動する必要があると思われます。

質問barabanus

OpenCVで行列をベクトル（cv :: Vec_）で乗算することが不可能なのに、ポイントを乗算できるのはなぜですか？ （cv :: Point_）ポイントではなく、ベクトルである数学的にポイントを操作する方が簡単であることがわかります。たとえば、線の方向は、ベクターとしてではなく、ポイントとして保存する方が簡単です。操作のチェーンでの型変換が少なくなります。

アナトリー 。私はこの問題を約8年間知っていますが、私が覚えている限りでは、実装することは不可能であり、自分で試すことができます。サービス中間型のコンストラクターの呼び出しのあいまいさのようなものが判明します-コンパイラーは、どのコンストラクターを呼び出してエラーをスローするかを自分で決定することはできません。 cv :: Mat * Point _ <...>（Vec _ <...>）を使用して、手動でポイントに変換する必要があります。

ヴァディム リクエストを提出することを提案します。この特定のケースでは、これらの関数を単にスキップするか、意図的にオフにして、重複する「*」演算子のセット全体でC ++コンパイラを混乱させないようにすることができます。

質問barabanus

なぜこれまでOpenCVでバッテリーを返すハフ変換の単一の実装がないのか。結局のところ、たまに最大値を見つける必要がある場合があります。プロジェクト所有者は、バッテリーを返す新しい実装を追加できますか？

ヴァディム はい、それは役に立ちます。確認して必要な改訂を行った後、必要に応じて、そのようなパッチを受け入れることができます。

質問perfect_genius

インテルは画像処理用のハードウェアニューラルネットワークを作成しようとしていますか？また、結果はありますか？

アナトリー 。ハードウェアネットワークはあまり意味がありません。進歩が非常に速く進んでおり、そのようなハードウェアは販売前に陳腐化するからです。しかし、私の意見では、ネットワーク（MMX / SSE / AVXなど）またはコプロセッサー向けの加速命令の作成は非常に論理的なステップです。しかし、私たちは情報を所有していません。

ヴァディム この段階で、私たちはその試みを認識しており、同僚は積極的にそれらに関与し、利用可能なハードウェア（CPU、GPU）を使用してグリッドの実行を高速化します。試みは非常に成功しています。 CPU（MKL-dnnライブラリ、およびそれを使用してコンパイルされたIntel Caffe）およびGPU（clDNN）向けの高速ソリューションにより、AlexNet、GooLeNet / Inception、Resnet-50などの多数の一般的なネットワークを実行できます。強力なディスクリートカードのない通常のコンピューター、通常のラップトップでリアルタイムに。 OpenCVでさえ、これらの最適化されたライブラリをまだ使用していませんが、個別のグラフィックスなしでラップトップ上でリアルタイムに分類、検出、セマンティックセグメンテーションのためのグリッドを実行できます。私たちの例を試してみてください。効果的なネットワーキングは、多くの人にとって見かけよりも近いです。

質問Mikhail063

私はOpenCVを数年間使用していますが、このような興味深い仕掛けに出会いました。信号を送信するカメラがあり、信号を受信するテレメトリがあり、ビデオの信号をコンピューターにデコードするチューナーもあります。したがって、画像キャプチャプログラムは大丈夫ですが、画像を表示しようとするとOpenCVライブラリに黒い画面が表示され、プログラムを終了しようとすると青い画面が抜けます）質問なぜこれが起こるのですか？

デバイスの機能：EasyCap USB 2.0 TVチューナー、5.8GHz RC832 FPVビデオレシーバー、5.8GHz 1000TVLトランスミッター付きFPVカメラ。

エラービデオ

ヴァディム どこかに何らかの間違いがあるため、明らかに:)ローカライズから始めなければなりません。

質問KOLANICH

人間によって設計された機能に基づいたビデオ分析プログラムの現代の現実には意味がありますか、それとも、だまされてすぐにニューラルネットワークを訓練しない方が良いでしょうか？

アナトリー 。古典的な機能を簡単に修正できる場合もあります。

ヴァディム 分析のために訓練する方が良いです。パノラマの貼り付けなどの単純なタスクの場合、SIFTなどの従来の機能は依然として競争力があります。

質問ヴィシュネレフスキー

OpenCV 3.1.0のバージョンを使用し、 cv2.HOGDescriptor（）および.setSVMDetector（cv2.HOGDescriptor_getDefaultPeopleDetector（））を使用し 、感銘を受けました。しかし、誤検知の数を減らしたいので、どのデータセットがSVM分類器のトレーニングに使用されたのかを知りたいのですが、このセットにアクセスできますか？また、YOLOまたはセマンティックセグメンテーションに基づいてさまざまなオブジェクトを認識するためのOpenCVモジュールを作成する予定があるかどうかも知りたいですか？

ヴァディム データベースは標準を取り、パブリックドメインにあります。ファイルリストを含む特定の構成ファイルが失われ、何年も経ちました。 YOLO v.2が追加されたパッチはハングします。これらの回答が公開されるまでに、すでに埋め尽くしていると思います。 MobileNet_SSDの例はすでにあります。そこで、セグメンテーションの例を見つけることができます。

質問iv_kovalyov

「右側の画像で左側のスタンプをどのように認識できるかアドバイスしてください。スタンプは同一ではありませんが、共通の要素があります。

opencvの例からfind_obj.pyを試しましたが、この例はこの状況では役に立ちません。

ヴァディム ロゴを見つけるには上記のヒントを参照してください。ここでのみ、ほとんどの場合、2つのグリッド（検出とその後の認識）が必要になります。

Intelの専門家は、3DオブジェクトにOpenCVを使用することに関するIliaSafonovの最高の質問と、初心者向けのコンピュータービジョンでのキャリアの構築に関するChaikaBogdanを認識しました。 これらの質問の著者は、Intelから賞品を受け取ります。 受賞者の皆さん、おめでとうございます。有益な答えをくれたアナトリーとヴァディムに感謝します！

コンピュータービジョン。 Intel Expert Answers

More articles: