使用QT和opencv3.3进行目标检测(YOLO)
2017-11-11 09:47
656 查看
这篇文章先放个图,准备有时间写
![](http://wx4.sinaimg.cn/large/af2d2659ly1fldwa4261og20vw0lgb2j.gif)
我这里使用的是YOLO2的方法实现的,没有使用cudnn加速,所以速度上慢了点,不过对于高端的显卡来说,我觉得可以做到视屏级的图片产生速度。并且我这里并没有训练好数据,只是一个测试,但是效果还不错。
动态链接库文件
YOLOv2 dll cpu
YOLOv2 dll 头文件
前面一个是动态链接库文件,后面是对应的头文件。动态链接库文件,要在QT64位下运行,这个是CPU版本,对应的GPU版本,有时间再做了/(ㄒoㄒ)/~~
函数接口
主要使用的是
具体怎么生成一个动态链接库,有时间再说吧/(ㄒoㄒ)/~~
是真的没时间,不过要告诉大家一个好消息,我最近在使用
![](http://wx4.sinaimg.cn/large/af2d2659ly1fldwa4261og20vw0lgb2j.gif)
我这里使用的是YOLO2的方法实现的,没有使用cudnn加速,所以速度上慢了点,不过对于高端的显卡来说,我觉得可以做到视屏级的图片产生速度。并且我这里并没有训练好数据,只是一个测试,但是效果还不错。
动态链接库文件
YOLOv2 dll cpu
YOLOv2 dll 头文件
前面一个是动态链接库文件,后面是对应的头文件。动态链接库文件,要在QT64位下运行,这个是CPU版本,对应的GPU版本,有时间再做了/(ㄒoㄒ)/~~
函数接口
class Detector { public: Detector(std::string cfg_filename, std::string weight_filename, int gpu_id = 0); ~Detector(); std::vector<bbox_t> detect(std::string image_filename, float thresh = 0.2, bool use_mean = false); std::vector<bbox_t> detect(image_t img, float thresh = 0.2, bool use_mean = false); #ifdef OPENCV std::vector<bbox_t> detect(cv::Mat mat, float thresh = 0.2, bool use_mean = false); std::vector<bbox_t> detect_resized(image_t img, cv::Size init_size, float thresh = 0.2, bool use_mean = false); std::shared_ptr<image_t> mat_to_image_resize(cv::Mat mat) const; std::shared_ptr<image_t> mat_to_image(cv::Mat img); #endif };
主要使用的是
detect函数,应该看得懂吧?怎么使用,只能有时间再说了/(ㄒoㄒ)/~~
具体怎么生成一个动态链接库,有时间再说吧/(ㄒoㄒ)/~~
是真的没时间,不过要告诉大家一个好消息,我最近在使用
Alpha Zero的算法,做一个很牛逼的五子棋机器人和中国象棋机器人(你没听错,就是之前干掉柯杰的
Alpha Master的加强版),有时间开源出来吧/(ㄒoㄒ)/~~
相关文章推荐
- 使用OpenCV进行目标检测的注意事项
- 使用OpenCV自带的级联分类器进行目标检测
- 计算机视觉 | Python OpenCV 3 使用背景减除进行目标检测
- 使用Faster-Rcnn进行目标检测(实践篇)
- OpenCV3与深度学习实例-使用SSD Inception模型进行物体检测
- 使用Faster-Rcnn进行目标检测的原理
- 使用Faster-Rcnn进行目标检测(实践篇)
- 使用opencv 进行简单的前向人脸检测
- 使用Faster-Rcnn进行目标检测(实践篇)转载
- openFrameworks使用ofxOpencv进行肤色检测
- 目标检测——opencv cascade训练的一般使用流程与常见问题
- python中使用OpenCV进行人脸检测的例子
- 使用Faster-Rcnn进行目标检测的原理
- 目标检测之四,使用multinet的KittiBox部分进行车辆检测 (demo,train,evalute)
- 利用OpenCV的Haar特征目标检测方法进行人脸识别的尝试(一)
- 使用判别训练的部件模型进行目标检测 Object Detection with Discriminatively Trained Part Based Models
- 使用opencv进行目标区域识别
- 深度学习笔记之使用Faster-Rcnn进行目标检测 (实践篇)
- [置顶] Object Detection with Discriminatively Trained Part Based Models(使用判别训练的部件模型进行目标检测 )
- 使用selectivesearch工具进行目标检测