cmake好的 opencv4.5.4 with qt mingw版本
2021-12-15 15:01:57 149.01MB opencv qt mingw
1
1. 解压后,将 .cache文件夹 放入 opencv-4.1.2/ 下, 与`3rdparty/`和`license`同级 2. 再次直接cmake中Configure即可, 不用在线下载ffmpeg/IPPICV包 3. 完全适用opencv4.1.2版本, 其他版本运行出错后查看`CMakeDownloadLog.txt`重新下载对应文件并替换即可 4. github下载慢或下载失败,则追加hosts文件 151.101.108.133 raw.githubusercontent.com
2021-12-15 13:52:24 120.22MB opencv 编译失败 ffmpeg
1
百度云资源链接见博客(这么良心了) opencv4.0.1源码 contrib4.0.1源码 ippicv ffmpeg.dll 编译后库(install 文件夹)WITH_OPENGL&OPENCV;_ENABLE_NONFREE
2021-12-13 21:25:10 191.76MB opencv contrib ippicv
1
理解卷积神经网络基本原理,熟练掌握OpenCV深度神经网络模块API开发技术,学会加载模型,解析模型输出结果;学会如何把正常的tensorflow对象检测模型转化为OpenCV可以接受的模型,实时人脸检测与识别案例。学会使用OpenCV DNN模块解决实际问题。部分课程代码演示效果如下:
1
msvc2017 编译的32位库,包含: opencv_world450.dll opencv_world450d.dll opencv_videoio_ffmpeg450.dll opencv_img_hash450.dll opencv_img_hash450d.dll
2021-12-10 13:30:34 61.62MB opencv4.5 Windows32位
1
opencv4.1实现人脸识别代码下载 MFC实现人脸识别,点击按钮打开图片,MFC控件显示Mat图片,点击按钮检测人脸和眼睛,并标注检测结果(使用VS2017开发)。
2021-12-08 20:26:09 68.07MB opencv FACE MFC C++
1
安装opencv4.1.0时所需的文件
2021-12-07 21:06:45 167KB opencv4.1.0
1
安装opencv4.1.0所需的face_landmark_model.dat文件
2021-12-07 21:06:45 60.43MB opencv4.1.0
1
VS2019编译,OpenCV4.1.0的X86-32位静态链接库,以及头文件。配置后可直接使用,省去大家编译的麻烦。MFC调用时,需要将解决方案配置成Release编译,并将运行库设置成“多线程/MT” zlib.lib quirc.lib opencv_videoio410.lib opencv_video410.lib opencv_stitching410.lib opencv_photo410.lib opencv_objdetect410.lib opencv_ml410.lib opencv_imgproc410.lib opencv_imgcodecs410.lib opencv_highgui410.lib opencv_gapi410.lib opencv_flann410.lib opencv_features2d410.lib opencv_dnn410.lib opencv_core410.lib opencv_calib3d410.lib libwebp.lib libtiff.lib libprotobuf.lib libpng.lib libjpeg-turbo.lib libjasper.lib ittnotify.lib ippiw.lib ippicvmt.lib IlmImf.lib ade.lib
2021-12-07 17:07:44 66.21MB Opencv4.1.0 vs2019 静态链接库
1
svm算法手写matlab代码OpenCV 4第二版的机器学习 这是Packt发布的的代码存储库。 使用OpenCV 4,Python和scikit-learn构建图像处理应用程序的智能算法 这本书是关于什么的? OpenCV是用于构建计算机视觉应用程序的开源库。 最新版本OpenCV 4提供了许多功能和平台改进,本最新第二版对此进行了全面介绍。 您将首先了解新功能并设置OpenCV 4来构建计算机视觉应用程序。 您将探索机器学习的基础,甚至学习设计可用于图像处理的不同算法。 逐步地,这本书将带您进入有监督和无监督的机器学习。 您将获得在Python中使用scikit-learn进行各种机器学习应用程序的动手经验。 后面的章节将重点介绍不同的机器学习算法,例如决策树,支持向量机(SVM)和贝叶斯学习,以及如何将它们用于对象检测计算机视觉操作。 然后,您将深入研究深度学习和整体学习,并发现它们在现实世界中的应用,例如手写数字分类和手势识别。 最后,您将掌握最新的Intel OpenVINO,以构建图像处理系统。 本书涵盖以下激动人心的功能: 了解图像处理的核心机器学习概念 探索机器学习和
2021-12-07 14:42:18 72.13MB 系统开源
1