- 17.1. Работа с изображениями и видео в OpenCV.
- 17.2. Выделение из изображения маски по цвету и контуров объектов.
- 17.3. Анализ контуров подводных объектов. Описанные фигуры. Корректировка курса по объекту на изображении.
В данном цикле уроков рассматриваются основы работы с OpenCV.
Для запуска примеров кода к урокам, вам потребуется Python и OpenCV (работоспособность скриптов была проверена на версиях библиотеки OpenCV 4.2.0 и 4.4.0). Также имеются примеры, предназначенные для запуска на аппарате MiddleAUV.
Документация по OpenCV: https://docs.opencv.org/4.4.0/ (выберите вашу версию библиотеки)
В этом уроке рассматривается пример использования нейронной сети для распознавания объектов на изображении.
- Сначала вам потребуется обучить модель.
- Для этого откройте в Google Colab скрипт colab-train-model.ipynb.
- Рекомендуется сменить среду выполнения с активацией ускорения на GPU, это ускорит процесс обучения.
- Выполните весь код, после чего вы сможете загрузить обученные модели. Датасет для обучения расположен в данном репозитории (при выполнении скрипта обучения, архив с датасетом будет загружен в среду Colab).
- Также готовые обученные модели доступны в этом репозитории (см. директорию
trained_models.)
- Установите библиотеки для работы с модулем Coral. рекомендуется обратиться к соответствующей документации.
- Теперь вы сможете запустить скрипты для проверки работы обученной нейросети. Имеется два скрипта: работа с модулем Coral и без него, так что вы сможете оценить разницу в производительности.
Полезные ссылки:
- LabelImg – инструмент для разметки изображений.
- Google Colab.
- Документация Coral.
