前言


一、故事背景

本篇的初衷是为了初步整理计算机视觉相关的笔记,帮助个人理清思路。

当然了,计算机视觉是个及其庞大且随性的范畴,只能用到什么学什么,项目驱动为好。

本人目前致力于完善个人的AR知识体系、实践体系,聊及此,不经感叹 Real AR 门槛之变态高。

计算机视觉、机器学习、三维模型、手机软件开发(iphone, android or react native)、Serverless,

如果可以,还可以再算上一些附加的聊天系统、语音识别系统。

AR是一项综合多种技术于一身的产品,而不是技术。

目前来看,对该“理解”深度的忽视导致还未有一款真正获得市场好评的AR产品出现。

二、寻迹漫聊

Tracking

[Object Tracking] Overview of Object Tracking

[Object Tracking] Overview of algorithms for Object Tracking

Deep Learning

[Deep Learning] How deep is the Deep Learning - History

[Deep Learning] How deep is the Deep Learning - Revolution

[Deep Learning] How deep is the Deep Learning - Reinforcement Learning

[Object Tracking] Deep Boundary detection Tech

Human Recognition

[CNN] Face Detection

[Face] Outline - Key features detection of human face

[CV Timeline] Applications of Face recognition and PoseNet

[CV] Detect face with mask

3D SLAM

[SLAM] Little about SLAM

Others:

[CV] Collection of Computer Vision

 

三、新鲜韭菜

MeidaPipe

Real-Time 3D Object Detection on Mobile Devices with MediaPipe, Wednesday, March 11, 2020

在2019年6月举行的CVPR大会,MeidaPipe正式开源

大宝库

基础知识


一、基本数据结构

  • 目的:了解 OpenCV 对 "几何图像&图片" 的描述方式

[OpenCV] Basic data types - Matrix【Mat有数学优化, IplImage, cvMat三种结构】

[OpenCV] IplImage and Operation【 IplImage为基础的图像操作】

[OpenCV] HighGUI【*** 与操作系统,文件系统,摄像机之类的硬件进行交互的一些函数纳入HighGui】

二、图像处理知识

  • 预处理

[OpenCV] Image Processing - Image Elementary Knowledge【一些数学基本原理】

[OpenCV] Image Processing - Grayscale Transform & Histogram【利用“直方图"预处理图像】

  • 频域、空间域滤波

[OpenCV] Image Processing - Frequency Domain Filtering【傅里叶】

[OpenCV] Image Processing - Spatial Filtering【算子】

[OpenCV] Image Processing - Fuzzy Set【模糊集,暂时忽略】

  • 图像去噪

[OpenCV] Image Denoising

[Scikit-learn] Dynamic Bayesian Network - Conditional Random Field【条件随机场、模拟退火】

三、特征提取与匹配 

  • 提取&匹配

[OpenCV] Feature Extraction【提取特征】

[OpenCV] Feature Matching【特征匹配】

  • 目标识别实践

[Object Tracking] Identify and Track Specific Object【特征提取与匹配的项目实践】

四、Sample 示范

  • 数据结构

[OpenCV] Samples 02: Mat - 图像矩阵【Mat计算能力】

[OpenCV] Samples 01: Geometry - 几何图形【几何图案、文字等】

[OpenCV] Samples 07: create_mask【鼠标圈图】

  • 工程技巧

[OpenCV] Samples 13: opencv_version【版本信息显示】

[OpenCV] Samples 10: imagelist_creator【图片地址list参数】

[OpenCV] Samples 18: Load image and check its attributes【图片属性】

  • 色彩通道

[OpenCV] Samples 09: plImage <==> Mat【色域通道分离】

[OpenCV] Samples 16: Decompose and Analyse RGB channels【色域通道分离】

  • 边缘操作

[OpenCV] Samples 08: edge【边缘检测】

[OpenCV] Samples 04: contours2【二值图案找轮廓】

[OpenCV] Samples 05: convexhull【散点的凸包轮廓】

  • 模型算法

[OpenCV] Samples 03: kmeans【聚类算法】

[OpenCV] Samples 17: Floodfill【聚类算法】

[OpenCV] Samples 06: logistic regression【线性二分类】

[OpenCV] Samples 14: kalman filter【预测下一个状态】

[OpenCV] Samples 15: Background Subtraction and Gaussian mixture models【背景差分】

  • 视频处理

[OpenCV] Samples 11: image sequence【视频流提取】

[OpenCV] Samples 12: laplace【视频流处理】

五、视觉对比

[CV] Scene contrast

六、三维视觉

  • 几何变换

[Link] 平面的投影变换(2)——有几种几何变换?【此人的其他相关文章也不错】

[Link] Photo Wake-Up: 3D Character Animation from a Single Photo【非常有潜力的技术】

七、目标跟踪

  • 有姿态

[Object Tracking] Identify and Track Specific Object

[Object Tracking] LK & Deep-LK

  • 无姿态

[Object Tracking] MeanShift

八、API剪裁

[OpenCV] Prune and insert APIs

AR based on React Native


一、调研

  • ViroMedia

// Viro是个好东西,但不一定需要

[RN] 01, Init AR

[RN] 02, Start Viro

  • ARCore

// 重点在定位系统

[ARCore] 00 - The First Demo

[ARCore] 01 - Plane Detection

[ARCore] 02 - Solar System

  • Sumerian

// Host非常好

[Sumerian] 00 - It provides 3D Character Model

[Sumerian] 01 - Build a room

[Sumerian] 02 - Build a host

[Sumerian] 03 - Build a AR

二、实战

/* implement above. */

[Python] python vs cplusplus的更多相关文章

  1. python --- Python中的callable 函数

    python --- Python中的callable 函数 转自: http://archive.cnblogs.com/a/1798319/ Python中的callable 函数 callabl ...

  2. Micro Python - Python for microcontrollers

    Micro Python - Python for microcontrollers MicroPython

  3. 从Scratch到Python——python turtle 一种比pygame更加简洁的实现

    从Scratch到Python--python turtle 一种比pygame更加简洁的实现 现在很多学校都开设了Scratch课程,学生可以利用Scratch创作丰富的作品,然而Scratch之后 ...

  4. 从Scratch到Python——Python生成二维码

    # Python利用pyqrcode模块生成二维码 import pyqrcode import sys number = pyqrcode.create('从Scratch到Python--Pyth ...

  5. [Python]Python 使用 for 循环的小例子

    [Python]Python 使用 for 循环的小例子: In [7]: for i in range(5): ...: print "xxxx" ...: print &quo ...

  6. [python]python 遍历一个list 的小例子:

    [python]python 遍历一个list 的小例子: mlist=["aaa","bbb","ccc"]for ss in enume ...

  7. [Python]Python日期格式和字符串格式相互转换

    由字符串格式转化为日期格式的函数为: datetime.datetime.strptime() 由日期格式转化为字符串格式的函数为: datetime.datetime.strftime() # en ...

  8. [python]Python 字典(Dictionary) update()方法

    update() 函数把字典dict2的键/值对更新到dict里.如果后面的键有重复的会覆盖前面的语法dict.update(dict2) dict = {'Name': 'Zara', 'Age': ...

  9. [python]python try异常处理机制

    #python的try语句有两种风格 #一:种是处理异常(try/except/else) #二:种是无论是否发生异常都将执行最后的代码(try/finally) try/except/else风格 ...

随机推荐

  1. STM32之通用定时器

    广大的互联网的大家早上中午晚上..又好..没错了..我又来了..写博客不是定时的..为什么我要提写博客不是定时的呢??聪明的人又猜到我要说什么了吧.有前途.其实我还是第一次听到定时器有通用和高级之分的 ...

  2. python pickle和json的区别

    pickle可以在python之间进行交互 json可以实现python与不同开发语言的交互 pickle可以序列化python中的任何数据类型 json只能序列化python中的常归数据类型(列表等 ...

  3. Hibernate多对多双向关联的配置

    Hibernate的双向多对多关联有两种配置方法:那我们就来看看两种方案是如何配置的.  一.创建以各自类为类型的集合来关联 1.首先我们要在两个实体类(雇员<Emploee>.工程< ...

  4. @Transient注解----Hiberbate

    @Transient表示该属性并非一个到数据库表的字段的映射,将会忽略该属性.如果一个属性并非数据库表的字段映射,就务必将其标示为@Transient,否则,ORM框架默认其注解为@Basic Exa ...

  5. 【TJOI&HEOI2016】【Bzoj4551】树

    这道题是可以用树链剖分来做的,但其实有比它更加简单的做法--并查集. 可以想到,这类题的一种常见做法是离线处理,先全部读入,再从后往前处理,每次遇到标记操作,就把这个点的标记次数减一,到零以后就把这个 ...

  6. 字典NSDictionary以及NSMutableDictionary的用法总结

    做过Java语言 或者 C语言 开发的朋友应该很清楚 关键字map 吧,它可以将数据以键值对儿的形式储存起来,取值的时候通过KEY就可以直接拿到对应的值,非常方便.在Objective-C语言中 词典 ...

  7. 一图搞定【实战Java高并发程序设计】

    来了解下java并发的技术点吧.这里面包括了并发级别.算法.定律,还有开发包.在过去单核CPU时代,单任务在一个时间点只能执行单一程序,随着多核CPU的发展,并行程序开发就显得尤为重要.这本书主要介绍 ...

  8. org.apache.jasper.JasperException:省略"/html/sysmaintain/authority/user/../../module/verify_login.jsp" not found

    说明了JSP页面里引用安全登录页面的jsp路径代码:<%@ include file="../../module/verify_login.jsp"%>这句代码引用的路 ...

  9. 分享我们项目中基于EF事务机制的架构

    写在前面: 1. 本文中单元测试用到的数据库,在执行测试之前,会被清空,即使用空数据库. 2. 本文中的单元测试都是正确通过的. 要理解EF的事务机制,首先要理解这2个类:TransactionSco ...

  10. 剑指Offer面试题:32.数字在排序数组中出现的次数

    一.题目:数字在排序数组中出现的次数 题目:统计一个数字在排序数组中出现的次数.例如输入排序数组{1,2,3,3,3,3,4,5}和数字3,由于3在这个数组中出现了4次,因此输出4. 二.解题思路 2 ...