【Darknet】リアルタイムオブジェクト認識 YOLOをTensorflowで試す - Qiita
ちなみに僕の実行環境ではGPUは使えないためCPU版で行なっていきます。 #リアルタイムオブジェクト認識YOLO ###モデルダウンロード Darknetのインストールが完了したら早速YOLOを使ってみましょう。 まずは学習済みのモデル(.weights)ファイル(258 MB)をダウンロードします。 またはターミナルから以下を実行してもokです。 wget http://pjreddie.com/media/files/yolo.weights ###実行 ./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg モデルをダウンロードし、上記の実行コマンドを入力するとpredictions.pngという画像が生成されオブジェクト認識されていることがわかります。 #TensorflowでYOLO Darknetのチュートリアルが終わった
ウェブカメラ設定 - ArchWiki
こちらはウェブカメラを設定するガイドです。 ほとんどの場合、ウェブカメラは何も設定しなくても動作します。ビデオデバイス (例えば /dev/video0) へのアクセスの許可は udev により管理されており、追加の設定は必要ありません。 ロード 最近のほとんどのウェブカメラは UVC (USB Video Class) に対応しており、汎用の uvcvideo カーネルドライバモジュールによりサポートされています。あなたのウェブカメラが認識されているかどうか確かめるには、ウェブカメラを接続した直後に journal を確認してください。以下と似たようなものが出力されるはずです: kernel: sn9c102: V4L2 driver for SN9C10x PC Camera Controllers v1:1.24a usb 1-1: SN9C10[12] PC Camera Cont
YOLO: Real-Time Object Detection
How It Works Prior detection systems repurpose classifiers or localizers to perform detection. They apply the model to an image at multiple locations and scales. High scoring regions of the image are considered detections. We use a totally different approach. We apply a single neural network to the full image. This network divides the image into regions and predicts bounding boxes and probabilitie
Ubuntu Desktop 16.04上で、OpenCV3.1.0をビルドする - 出力を入力へ
軽い気持でOpenCV3.1.0をビルドしようとしたら 想像以上に苦労したのでそのまとめ。 依存モジュールのインストール まずは依存モジュールをインストールする。 sudo apt-get update sudo apt-get upgrade sudo apt-get install \ build-essential \ cmake \ git \ pkg-config \ libjpeg8-dev \ libtiff5-dev \ libjasper-dev \ libpng12-dev \ libavcodec-dev \ libavformat-dev \ libswscale-dev \ libv4l-dev \ libatlas-base-dev \ libgtk2.0-dev \ gfortran 正直なところ、依存ライブラリはどれが必須でどれがオプションか不明。 pyth
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
compiling code with opencv - /usr/bin/ld: cannot find -lippicv
Webカメラ使ってreal timeにdetectionしてみる - Qiita
Logicool HD Webcam C270 で監視カメラを作った．
