opencv的ai模型，使用opencv库读取图像

本内容由系统网小编为大家分享，Windows系统安装教程、办公系统、软件怎么使用、软件使用教程、办公软件攻略等信息。

要添加“恒星”或“顶端”,请单击最上面的“小白眼”按钮。

我们有很多干货,我们先有

这个项目的代码可以在我的Github上查到

https://github.com/HOD101s/RockPaperScissor-AI-

简介

该项目是围绕深层学习和图片分类而建立的。目标是设计一个简单而有趣的石头剪刀游戏。首先，这个想法是因为我在5月的COVID 19隔离期间感到无聊。我希望你读的时候好好享受一切都恢复正常了。我希望通过这篇文章, 向新来者简单传达这个计划的理由。让我们开始吧！

在开发任何形式的深入学习应用方面,有三个主要阶段:

收集和处理数据

建立一个适当的人工智能模型。

部署使用

整个项目都提到Github Repo, 并与它合作, 所以请准备参考。

com/HOD101s/RockPaperscissor-AI-A.

收集我们的数据

任何深层学习模式都以数据为基础。这是每个机械学习工程师都会同意的。在ML中，数据的重要性大大超过算法的重要性。我们需要收集石头，以及布和剪刀的符号,我没有用别人的数据来训练它是它自己的数据集, 但它是它自己的数据集。也邀请您创建自己的数据集。然后,他们试图改变数据,以便对模型进行再培训。确定数据对深入学习模式的影响。

对于所有与相机有关的任务,我使用了 Python的 OpenCV 软件包。因此,这里的术语与图像类型有关。根据标签，无法删除文件夹“{0}”。用于存储照片的起始和最终指数为 ct 和 最大 Ct 。代码的其余部分是正常的 OpenCV。获取相机源头并在目录中保存图像。需要注意的一点是，我的照片都是300×300大小的运行此目录树后，下面是一张我的目录树图。

如果您指的是 Github 库(https://github.com/HOD101s/RockPaperscissor-AI), 以及GetData.com/HOD101s/RockPaperscisor-AI-)网站。 Py 会为你完成这个任务!

预处理我们的数据

我们需要使用图像，电脑能识别数字因此，我们把每幅图片都变成相应的矢量。另外，我们的标签还在作品中因为文本不能用作既定标签,所以我用形状到标签字典 自己为每个班创建“单一代码”。

当我们根据类别将照片保存在目录中时,目录名称将用作标签,该标签将转换成单色表达式,使用“shape_to_ label 字典.cv2. ” 。当我们通过系统文件访问图像时, 嵌入() 的方法返回图像的矢量 。

我们通过翻转和放大照片进行一些人工数据扩增,这增加了我们的数据集的大小,而不需要额外的照片,这是数据集制作过程的一个重要组成部分。 最后,图像和标签在单独的纽皮阵列中保存。

cv2. Imread () 方法

https://www.geeksforgeeks.org/python-opencv-cv2-imread-method/

关于数据扩增的更多详情。

https://towardsdatascience.com/data-augmentation-for-deep-learning-4fe21d1a4eb9

利用移徙学习来建立我们的模式:

在处理图像数据时，市场上有几种预先培训的模式。这些模型接受了数据集培训,包括数千个标签。由于这些模型是通过Tensorflow和Keras的API应用程序部署的,我们可以利用这些模型。这简化了将这些培训前模式纳入我们的应用程序。

简言之,移徙学习采用预先培训的模式,缺乏最后最后预测的最后一层,无法区分这类情况下的视觉特性,将这种信息传送到我们自己的Dense Nervous网络。

为什么不建立自己的模型来训练它呢?这完全取决于你。但是,利用移民来学习可以帮助你更快地发展,并在某种程度上避免重新发明轮子。

一些众所周知的培训前模式包括:

InceptionV3

VGG16/19

ResNet

MobileNet

这是一篇关于移民学习的精彩文章!

https://ruder.io/transfer-learning/

注:在我们分析图片输入时,曲线神经元几乎通常使用,这些层存在于此处使用的迁移学习模式中。关于CNN的更多详情,请访问:

https://medium.com/@RaghavPrabhu/understanding-of-convolutional-neural-network-cnn-deep-learning-99760835f148

实现

在描述特征时,我使用了登斯网121模型,结果最终将输入我自己的登斯网神经神经网络。

关键点 ：

虽然我们的图像是300x300, 但要求的输入形状也是 3x300x300, 3 反映 RGB 维度, 确保该层有足够的神经元来处理完整图像 。

首先,我们使用登斯网层, 其次是我们定制的登斯神经网络。

我将培训参数调整为 True, 即 retrains DenseNet 。 虽然它花费了很长时间, 但是却产生了优异的结果 。 我建议您通过调整其他版本的数值( 也称为超参数) 来进行实验 。

当我们有三种不同形式的岩石-纸-剪刀时, 最终的层次是完全连接层, 有三个神经元, 有软轴活性。

最后一层返回图像属于第3类中某一类别的可能性。

如果你引用《GitHub repo》(https://github.com/HOD101s/RockPaperscissor-AI-)的话。

到目前为止,我们收集了数据, 开发并训练了模型, 并使用 OpenCV 交付了其余的。

OpenCV实现：

做到这一点的程序简单明了:

打开摄像头 阅读每个框架

将这个框架发送到分类模式,即预测类别。

用电脑随意移动

计算分数

上面的比特包括重要的代码块, 而剩下的只是让游戏更容易使用, 设置规则和评分。

于是我们首先装入了经过训练的模型, 它显示程序投影部分开始前的倒计时, 然后根据播放器的动作来更新分数。

目标区域是使用 cv2. Rectgangle () 进行视觉绘制的,只有框架的这一部分在采用预处理方法进行预处理后提交模型进行预测。

整个剧本。Py在我的专辑(https://github)中有一个代码。

结论：

我们有效地执行并检查了项目的运作原则。因此,请记住我对未来实验性调查的认识。我做出的最重要改变之一 就是手动测试中的杂交因此,我们不需要清楚地绘制目标地区的地图。该模型最初将尝试几种手势。然后进行预测。我请你改进这个项目。并给我你的建议。精益求精！

com/r-cisors-ai-ai-using-tensorlow-and-opencv-d5fc44fc822。

下载1: OpenCV-Contrib 扩展模块的中文版本

在“小白的特有视觉化”公众的后台将可下载一个中文扩展模块,包括扩展模块安装的20多个章节、SFM算法、立体视觉、目标跟踪、生物可视化、超分辨率处理等等。

Python视觉战斗项目52(下载2)

Python的视觉战争工程在“白色视觉”公众的后台回应:它包括31项实地目视任务,如图片分割、蒙面测试、路径线测试、车辆计数、增加视线、车牌识别、性格识别、情感测试、文字提取、面部识别等等。快速学校的辅助计算机愿景。

OpenCV项目20(下载3)

在 OpenCV 项目 20 的后台, 您可以下载 20 个基于 OpenCV 的 OpenCV 项目, 并在 OpenCV 学习中取得进展 。

交流群

欢迎收看公众读者名单和同侪交流微博团体包括SLAM、3D视觉、传感器、自动驾驶、计算摄影、探测、分区、识别、医疗照片、GAN、算法竞争等等(这些将随着时间的推移而解构)。请审查下列微型信号。“nick + school / company + research + 研究方向”,请注意。例如「上三+上海巨型+视觉SLM」。请按照格式备注，否则不予通过。在成功添加之后,将根据研究的方向邀请适用微信息。请不要在团体中刊登广告。否则会请出群，谢谢理解~

XTw.com.Cn系统网专业应用软件下载教程，免费windows10系统,win11,办公软件,OA办公系统,OA软件,办公自动化软件,开源系统,移动办公软件等信息，解决一体化的办公方案。