Lekce 10 - Detekce vlastních objektů v obrázku pomocí Haar Cascade
V předchozí lekci, Detekce podobných vlastností a objektů v obrázku v Pythonu, jsme se pomocí knihovny OpenCV naučili detekovat podobné vlastnosti, které mezi sebou mají dva obrázky nebo objekty v obrázcích.
Dnes si ukážeme, jak takový Haar Cascade klasifikátor pro detekci objektů dle libosti vytvořit pomocí knihovny OpenCV.
Příprava dat
Nejdříve si musíme připravit 2 skupiny obrázku a tím jsou obrázky s naším objektem (pozitivní obrázky), který chceme detekovat, a ty ostatní bez našeho objektu (negativní obrázky). Já se budu snažit detekovat pomeranč. Obrázky by měly být stejně velké (pozitivní musí být menší než negativní), proto všechny negativní budou mít velikost 150x150px a pozitivní 100x100px. Skript pro změnu velikosti si však vytvoříme později.
Pro vyhledávání obrázku doporučuji online databázi obrázků ImageNet.
Pozitivní obrázky
Pro trénování klasifikátoru potřebujeme již zmíněné pozitivní obrázky, ty však můžete všechny stáhnout ručně a vytvořit jim deskriptory. To je soubor obsahující např:
...konec náhledu článku...
Pokračuj dál
Došel jsi až sem a to je super! Věříme, že ti první lekce ukázaly něco nového a užitečného.
Chceš v kurzu pokračovat? Přejdi do prémiové sekce.
Koupit tento kurz
Obsah článku spadá pod licenci Premium, koupí článku souhlasíš se smluvními podmínkami.
- Neomezený a trvalý přístup k jednotlivým lekcím.
- Kvalitní znalosti v oblasti IT.
- Dovednosti, které ti pomohou získat vysněnou a dobře placenou práci.
Popis článku
Požadovaný článek má následující obsah:
V Python tutoriálu si ukážeme, jak si vytvořit Haar Cascade klasifikátor pro detekci vlastního objektu v knihovně OpenCV.
Kredity získáš, když podpoříš naši síť. To můžeš udělat buď zasláním symbolické částky na podporu provozu nebo přidáním obsahu na síť.
