2017年8月10日
摘要: 从客户端推json到服务器端的工作可以用flask很容易做到,那么需要推送图片的话可以先将图片存到json中再进行操作。 服务器端 PS: 关于request函数获取的内容可以具体 "参考这里" 客户端 1. 将图片存入json 2. 推送json到服务器端 参考 1. requests: http 阅读全文
posted @ 2017-08-10 11:17 Arkenstone 阅读(6970) 评论(2) 推荐(0) 编辑
摘要: 代码 :转换用的代码放在 " 这里 " 之前用Tensorflow提供的object detection API可以很方便的进行fine tuning实现所需的特定物体检测模型(看 "这里" )。那么现在的主要问题就是数据集了,目前公开的数据集已经有很多了,比如综合的有 "MSCOCO" , "Im 阅读全文
posted @ 2017-08-10 00:45 Arkenstone 阅读(6568) 评论(3) 推荐(0) 编辑
  2017年7月26日
摘要: Tensorflow在更新1.2版本之后多了很多新功能,其中放出了很多用tf框架写的深度网络结构(看 "这里" ),大大降低了吾等调包侠的开发难度,无论是fine tuning还是该网络结构都方便了不少。这里讲的的是物体检测(object detection)API,这个库的 "说明文档" 很详细, 阅读全文
posted @ 2017-07-26 00:49 Arkenstone 阅读(8093) 评论(0) 推荐(1) 编辑
  2017年7月17日
摘要: 之前 "这篇文章" 讲了如何通过网络摄像头(web camera)获取实时视频流,但是这种方法的缺陷就是摄像头和主机必须连在一起,那这种在室外部署的时候就会非常麻烦并且不安全,所以后来找了下用海康威视或者大华的监控摄像头,然后通过IP地址可以无线获取视频流,这样就实现了主机和摄像头分开,方便部署。 阅读全文
posted @ 2017-07-17 14:52 Arkenstone 阅读(64106) 评论(2) 推荐(3) 编辑
  2017年7月13日
摘要: opencv通过webcam可以获取本地实时视频流,但是如果需要将视频流共享给其他机器调用,就可以将利用flask框架构建一个实时视频流服务器,然后其他机器可以通过向这个服务器发送请求来获取这台机器上的实时视频流。 [这篇文章](https://blog.miguelgrinberg.com/pos 阅读全文
posted @ 2017-07-13 11:37 Arkenstone 阅读(19317) 评论(1) 推荐(3) 编辑
  2017年6月15日
摘要: 在Tensorflow中,所有操作对象都包装到相应的Session中的,所以想要使用不同的模型就需要将这些模型加载到不同的Session中并在使用的时候申明是哪个Session,从而避免由于Session和想使用的模型不匹配导致的错误。而使用多个graph,就需要为每个graph使用不同的Sessi 阅读全文
posted @ 2017-06-15 11:13 Arkenstone 阅读(21076) 评论(7) 推荐(1) 编辑
  2017年6月14日
摘要: 首先,由于cv2处理的图片是通过ndarray的格式操作的,也就是说通过array的拼接就可以实现图片的拼接,那么之后就可以通过简单的imshow将合并的图片打印从而达到在一个窗口中显示多张图片的目的。 效果如下: 阅读全文
posted @ 2017-06-14 23:59 Arkenstone 阅读(9276) 评论(3) 推荐(1) 编辑
  2017年6月8日
摘要: opencv自带的putText函数无法输出utf8类型的字符,因此无法将中文打印到图片上。用 "这篇文章" 的freetype可以实现中文输出,但是需要将字符解码转码比较麻烦,而Pillow的Image函数输出中文则相对容易些,因此这里的做法是现将图片从从cv2格式转到PIL格式,加上中文后再转成 阅读全文
posted @ 2017-06-08 10:16 Arkenstone 阅读(7988) 评论(1) 推荐(0) 编辑
  2017年6月2日
摘要: 在作热度图的时候我们经常需要将热度图调整透明度后叠加在原图上达到更好的展示效果。比如检测人气密度的热度图: (来自sensetime) 一般作图的时候会第一时间想到matplotlib,因为可以很方便作几乎任何图图,但是最近发现用opencv也很容易执行这个操作。 1. 获取人群密度 输入一张图片我 阅读全文
posted @ 2017-06-02 17:00 Arkenstone 阅读(19276) 评论(6) 推荐(1) 编辑
  2017年5月24日
摘要: GPU版的Tensorflow无疑是深度学习的一大神器,当然caffe之类的框架也可以用GPU来加速训练。 注意: 以下安装默认为python2.7 1. 安装依赖包 其中openjdk是必须的,不然在之后配置文件的时候会报错。 2. 安装CUDA和cuDNN 这两个是NVIDIA开发的专门用于机器 阅读全文
posted @ 2017-05-24 20:55 Arkenstone 阅读(15748) 评论(2) 推荐(2) 编辑