在vs2013版本以上，利用opencv实现对运动目标的检测，能够将AVI、MP4、RMVB等文件中的移动的目标圈出来并动态更新，适用于新手学习机器视觉。

视觉处理 vision 工具包

Labview vision VAS工具包

计算机视觉深度学习

一位学长传下来的，如果不是要积分，都舍不得放出啦来

物体缺陷检测仪 细节 目标操作系统： Ubuntu * 18.04 LTS 程式语言： C ++ 完成时间： 30分钟 介绍 物体探伤仪应用程序可检测异常情况，例如颜色，裂纹和在传送带上移动的物体的方向。 异常被标记为有缺陷，并分别保存在颜色，裂纹，方向文件夹中。 同样，没有缺陷的对象也保存在no_defect文件夹中。 这些异常数据将发送到InfluxDB *数据库并在Grafana *上可视化。 此应用程序还以毫米为单位测量对象的长度和宽度。 要求 硬件 软件 英特尔:registered:OpenVINO:trade_mark:工具包2020 R3发行版 英特尔:registered:System Studio 2019 这个怎么运作 此应用程序接受来自摄像机或视频文件的输入以进行处理。 方向缺陷检测：获取框架并将色彩空间更改为HSV格式。 使用函数基于对象的颜色来阈值图像以创建遮罩。 在遮罩上执行形态学打开和关闭，并使用函数查找轮廓

RoogleVision：使用Google Cloud Vision进行图像识别的R包

GPU-Accelerated Vision for Robots with OpenCV and CUDA，有关OpenCV结合NVIDIA CUDA加速的介绍资料。

Google Vision API 轻松一点！ 通过将功能强大的机器学习模型封装在易于使用的REST API中，Cloud Vision API使开发人员能够了解图像的内容。 它可以将图像快速分类为数千个类别（例如“风船”），检测图像中的单个对象和面部，并读取图像中包含的打印文字。 2分钟即可开始！ 获取API密钥 浏览此处： ： 创建一个Google帐户。 您可能会很幸运，并获得$ 300的免费使用额。 通过免费试用版激活Vision API。 浏览此处： : 转到凭据选项卡并创建一个新的凭据（请参见下面的屏幕截图）。 创建凭证> API密钥。 运行这些命令以安装lib git clone git@github.com:philipperemy/vision-api.git && cd vision-api virtualenv -p python3 venv source venv/bin/activate pip install -r requirements.txt 推理 让我们对猫的图片进行一个推断： 命令 export GOOGLE_API_KEY=<AP

图像超分辨率（ISR） 该项目的目标是扩大和提高低分辨率图像的质量。 该项目包含针对单一图像超分辨率（ISR）的各种残差密集网络的Keras实现，以及使用内容和对抗性损失组件来训练这些网络的脚本。 已实施的网络包括： 残差密集网络中描述的超规模残差密集网络（Zhang et al.2018） 网络中描述的残留致密网络中的超规模残留（Wang等人，2018） Keras VGG19网络的多输出版本，用于感知损失中的深度特征提取 一种自定义判别器网络，基于（SRGANS，Ledig et al.2017）中的描述 阅读完整的文档，为： : 。 和进行培训和预测。 此外，我们提供了一些脚本，以简化AWS和在云上的培训，仅需少量命令。 ISR与Python 3.6兼容，并在Apache 2.0许可下分发。 我们欢迎任何形式的贡献。 如果您想贡献，请参阅部分。 内容 预训练网络 创建模型对象时，可直接获得用于生成这些图像的权重。 当前有4种型号可用： RDN：较大的psnr，较小的psnr，取消噪声 RRDN：甘斯 用法示例： model = RRDN(weights=