Алгоритм альта-Джонса
Я пытался работать с алгоритмом альта-Джонса. Детектор Виолы-Джонса — это сильный бинарный классификатор, состоящий из нескольких слабых детекторов. На этапе обучения каскад слабых детекторов обучается так, чтобы получить желаемую частоту попаданий/промахов, использующих Adaboost. Для обнаружения объектов исходное изображение разбивается на несколько прямоугольных участков, каждый из которых подается на каскад.
Если прямоугольный участок изображения проходит через все этапы каскада, то он классифицируется как «положительный». Процесс повторяется в разных масштабах. Это легко понять, но мне все же потребовалось время, чтобы понять маленькие понятия. В конце концов, я добился прогресса, но поначалу это было беспокойно. Мне потребовалось время, чтобы понять работу Haar Cascades. Однако я смог найти так много ответов на Stack Overflow и GitHub, что облегчило мне процесс обучения. Я рад, что нашел время, чтобы улучшить свои навыки, поскольку это принесло свои плоды. Теперь я могу с гордостью выполнять простые проекты с помощью инструмента обработки изображений Matlab и использования openCV с расширениями C++ и Python. Я также чувствую, что должен добавить, что я изо всех сил пытался установить openCV на свою машину. Большая часть онлайн-контента была длинной и сложной, но позже я нашел простой лайфхак, за которым было легко следить и понимать. Вы можете проверить ссылку из их видео здесь
https://pythonprogramming.net/loading-images-python-opencv-tutorial/.
Их учебник был полезным и хорошим руководством, которое я бы порекомендовал всем, кто интересуется использованием python в opencv. Вам просто понадобятся три основных импорта: cv2, matplotlib и numpy. Спасибо. Я надеюсь, что это поможет кому-то там, как и мне.
