計算機視覺 開源庫指南 小結

本文介紹計算機視覺的開源庫指南，基本是免費和開源的。

包括：OpenCV 、scikit-image、imgaug、Augmentor、Albumentations。

文章結構分為“目錄版”和“簡介版”。

目錄版

OpenCV?- 開源計算機視覺庫

scikit-image?- 圖像處理 SciKit（SciPy 工具箱）

imgaug?- 機器學習實驗的圖像增強

Augmentor?- Python 中用于機器學習的圖像增強庫

Albumentations- 快速的圖像增強庫和其他庫的易于使用的包裝器

簡介版

OpenCV?- 開源計算機視覺庫

OpenCV 是一個高度優(yōu)化的庫，專注于實時應用程序。

跨平臺：C++、Python 和 Java 接口支持 Linux、MacOS、視窗、iOS 和安卓系統(tǒng)。

開源：OpenCV 是開源的，根據 BSD 3 條款許可證發(fā)布。它是免費的商業(yè)用途。

主頁：https://opencv.org

課程：https://opencv.org/courses

文檔：https://docs.opencv.org/master/

問答論壇：https://forum.opencv.org

以前的論壇（僅閱讀）：http://answers.opencv.org

問題跟蹤：https://github.com/opencv/opencv/issues

其他開放式CV功能：https://github.com/opencv/opencv_contrib

scikit-image?- 圖像處理 SciKit（SciPy 工具箱）

scikit-image 用于圖像處理的算法集合。它是免費的，不受限制。

網站（包括文檔）：https://scikit-image.org/

郵件列表：https://mail.python.org/mailman3/lists/scikit-image.python.org/

資料來源：https://github.com/scikit-image/scikit-image

基準：https://pandas.pydata.org/speed/scikit-image/

imgaug?- 機器學習實驗的圖像增強

imgaug 為機器學習項目增強圖像。它將一組輸入圖像轉換為一組更大、稍有更改的圖像。

Augmentor?- Python 中用于機器學習的圖像增強庫

它是自動化圖像增強（人工數據生成），以擴展數據集作為機器學習算法，特別是神經網絡和深度學習的輸入。

Albumentations- 快速的圖像增強庫和其他庫的易于使用的包裝器

用于圖像增強的 Python 庫。圖像增強用于深度學習和計算機視覺任務，以提高訓練有素的模型的質量。圖像增強的目的是從現(xiàn)有數據中創(chuàng)建新的培訓樣本。

相形支持所有常見的計算機視覺任務，如分類、語義分割、實例分割、對象檢測和姿勢估計。

庫提供簡單的統(tǒng)一 API，可處理所有數據類型：圖像（RBG 圖像、灰度圖像、多光譜圖像）、分割面罩、界框和要點。

該庫包含70 多種不同的增強，以便從現(xiàn)有數據中生成新的培訓樣本。

它是快速的。我們對每個新版本進行基準測試，以確保增量提供最大速度。

AI 圖像處理

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。