object-detection

2熱度

1回答

我想分割室內區域並找到物體。然後，我想用立體視覺來找到對象的笛卡爾位置。最終目標是通過機器人在桌子上拾取物體（並控制軌跡）。對象的示例：椅子，桌子，筆，注射器，訂書機，杯，螺桿，玩具玩偶，直尺，小方塊，奶，水果，.... 我的第一優先級正在實時（ 10赫茲）。我使用ZED Stereo Camera在Intel Core i7-3820（3.6 GHz）上採集windows 10 64位，MA

0熱度

1回答

在停車線之前檢測車輛的穩健算法

我需要編寫一個程序，該程序使用攝像頭檢測道路上確定區域內的車輛是否存在，然後停在交叉路口（就像感應環路一樣）。根據車輛在該地區的可見度，輸出結果將爲真或假。相機可以安裝在垂直於道路或道路上方的位置。目前我需要一個算法。下面的圖像是爲了檢測車輛在路口一個示例實現：在這個領域我意識到此技術的一些研究後背景減除，程序模型背景，並且當車輛進入區域內，它會被檢測到。但定義說它檢測到移動車輛，那麼如果汽車

1熱度

1回答

如何加速比CAFFE用於在測試圖像滑動窗口對象檢測

問題：我已經訓練的卷積神經網絡（CNN），以確定/檢測是否感興趣的對象存在或不存在於給定的圖像補丁。現在給出一個大的圖像，我試圖通過將CNN模型應用到圍繞圖像中每個像素的補丁來以滑動窗口方式查找圖像中所有對象的出現位置。然而這很慢。我的測試圖像的大小是（512 x 512）。而且，對於我的咖啡網，測試批量大小爲1024，補丁大小爲（65 x 65 x 1）。我試圖在一批補丁（size =

-1熱度

1回答

認識隨機放置的物體形狀相同

會是怎樣獲得隨機放置物體的精確位置就像一個圖片上的波紋管的最佳方式：我想洙建立機器人的應用程序，機器人能夠從箱子中隨機抽取金屬部件。所以我們有一個包含很多提及部分的盒子，隨機扔在那個盒子裏。機器人必須挑選那些物體並將其放入其他空盒子中。謝謝你的回答！

0熱度

1回答

OpenCV與對象的區別計數

嘿，我之前從未使用過OpenCV。其實我想實現一個項目，我需要從相機實時計數物體，這些物體可以通過紅，藍或黃等不同顏色區分。例如，我會從拍攝區域上方不斷放下很多球。最後，我想要紅色，藍色和黃色球的總數。因爲我沒有任何使用OpenCV的經驗，我想知道，如果這樣的對象檢測是可能的實時或接近它。

1熱度

1回答

使用的詞語/特徵袋及神經網絡

我試圖執行包含以下步驟的對象檢測模塊： 1）提取與SURF圖像描述符，產生大小的矩陣[X，64] ，其中x取決於圖像中找到的關鍵點的數量; 2）使用bag/features/words方法將描述符大小固定爲[k，64]格式。其中k是使用k-means創建的聚類數量。 3）用一組神經網絡作爲訓練樣本饋給神經網絡。到目前爲止，我已經實現了步驟1和2，但我不太確定如何格式化NN的輸出向量。在OpenC

1熱度

3回答

使用深度學習進行對象檢測的數據增強

對於訓練用於對象檢測的深度神經網絡的數據增強，我有一個問題。我有相當有限的數據集（近300張圖片）。我通過以15度的步長旋轉0-360度的每個圖像來增強數據。因此我得到了24張旋轉的圖像。總共有7200張圖片。然後，我在每張增強圖像的感興趣對象周圍繪製了邊框。這似乎是一個合理的方法來增強數據？問候

-1熱度

1回答

AttributeError的：「builtin_function_or_method」對象沒有屬性「detectMultiScale」

這是代碼 import cv2, sys from numpy import array img = cv2.imread(sys.argv[1]) img2 = array(200 * (img[:,:,2] > img[:,:, 1]), dtype='uint8') objects = cv2.CascadeClassifier.detectMultiScale(img2) pri

1熱度

1回答

更快的RCNN旋轉不變性？

我要生成車輛的數據集在網絡如訓練RCNN，快速RCNN，更快RCNN，等我的問題是：是否車輛角度原探測器的圖像問題？我的意思是，如果數據集只包含從左到右全部指向的車輛圖像，那麼訓練好的網絡是否可以檢測到任何角度的車輛？

5熱度

3回答

深度學習中的圖像預處理

我正在對圖像進行深度學習。我有不同的光照條件，圖像分辨率和視角的約4000張圖像。我的問題是：什麼樣的圖像預處理將有助於改善物體檢測？（例如：對比度/顏色標準化，去噪等）