YOLO模型实现了快速目标识别的功能。 本文将介绍一下OpencvSharp 调用YOLO V5 模型的方法。
一.训练模型
模型训练使用github上的方法 https://github.com/ultralytics/yolov5 。相关项目里有着详细的介绍和使用方法说明
[Reprint]在c#中使用OpencvSharp + YOLO v5 模型
发表评论
标签归档：opencv
[Reprint]使用TorchSharp 调用 PyTorch 语义分割神经网络模型
TorchSharp 是对 Torch c++的封装，基本继承了c++的全部接口。但使用中会有一些小问题，需要特别注意一些。
- 语义分割(semantic segmentation)神经网络训练
训练的代码可以参考github里的官方代码 https://github.com/pytorch/vision/tree/main/references/segmentation
2.模型输出
官方代码的模型 默认输出是list 虽然可以强制输出script文件，但TorchSharp 调用后会报错”Expected Tensor but got GenericDict”.因此需要修改网络
[Reprint]Opencv Inpaint + CUDA
opencv只有cpu接口的Inpaint函数，对于需要使用CUDA进行图片处理时，反复内存显存迁移数据会影响计算速度。在不考虑填充效果十分好的情况下，可以使用如下CUDA算法，简单的进行填充。
算法来源
算法主要参考了https://github.com/Po-Ting-lin/HairRemoval.git 中的填充代码。该项目主要是去除皮肤上的毛发。对于其如何寻找需要填充的区域就不讨论了，直接使用其分析出的mask图进行填充。
[Reprint]OPENCV + CUDA 实现小波滤波
opencv中有cpu 和 gpu版本的DFT函数，及傅里叶变换的函数，可以实现dft滤波。但opencv中没有DWT，及小波变换。下面将介绍一下实现的方法。
傅里叶变换与小波变换都能实现滤波，不好说那个更好。但傅里叶变换有个缺点，对于图像处理来说，其在处理图像锐利边缘时，很容易出现边缘抖动的情况。原因如下图：
[Reprint]Jetson nano 获取CSI相机RAW图片并转换为Mat
树莓派可以通过加入 参数 “bayer=True” ，来获取CSI相机的raw图片，raw数据会紧跟在jpg图片的末尾，具体提取的方法不在累述，可以方便的google到。而Nvidia的 Jetson nano要获取raw图片的方法网上比较零散，故整理了一下。
[Reprint]Opencv中使用CUDA原函数
opencv中的cuda模块封装了大部分常用的图像处理函数。但一些函数只提供了8bit图片的接口，没有16bit图片的接口。如果需要处理10bit 12bit或更高big的图片就需要调用CUDA的原型函数了。下面就简单举例使用opencv中的GpuMat调用cuda原函数的方法。
[Reprint]Opencv中使用cuda进行 dft 与 idft滤波运算
opencv源代码中包含了dft的demo，但没有使用cuda的demo。下文会简单给出一个cuda例程，并进行简单的高频滤波。
为方便说明，将程序分成了若干部分
1.头文件
[Reprint]opencv 中使用 cudnn 预测CNN网络
opencv从3版本开始就已经支持CNN网络模型的预测，到4版本，主流工具tensorflow,pytorch 生成的模型文件大部分都可以支持。但其一直没有使用到CUDNN。但最新发布的4.2版本的opencv已经支持CUDNN了。以下是功能测试
一。安装编译环境
[Reprint]C# 中使用 OpencvSharp 与 TensorflowSharp 进行Mask-RCNN模型的预测
网上可以找到许多TensorFlow的Mask-RCNN版本，现以github上一个Star较多的版本为例，介绍如何在C#中部署Mask-RCNN模型
一.前期准备
[Reprint]OpencvSharp 中使用 cuda
opencvsharp 是 opencv的c#版本，近期有项目使用了opencvsharp来进行图像处理。这个github上星级很高的项目果然是不错的，运行起来比较稳定，没有出现大的问题。但opencvsharp中没有cuda的完整支持，只有最基本的类型支持，无任何算法支持，想用就只能靠自己添加了。作者的解释如下：