----回顾之前-----需要准备的东西:caffee 模型(已经训练好的官网):网盘 password:dqvfopencv 环境主要的代码片段:所需的头文件添加:#include <opencv4/opencv2/opencv.hpp>#include <opencv2/dnn.hpp>#include<fstream>#include <iostre

使用 Openvino 对自己训练好的模型yolov5 pt -> IR 进行推理环境需求Ubuntu 系统 20.04vscode 编辑器python3Openvino 环境（priority）关键为 export 导出的修改Openvino安装参考官网（18 和 21 选择对应的安装版本即可）如果是新手建议选择可视化界面安装重点因为这篇文章不是重点讲述如何安装 Openvino，所以有

🎏Dijstar 最短路径算法（用于计算起始点到最终点的最短路径），一般采用的是贪心算法策略=.=🎃。

ROS 机器人操作系统（Melodic, Kinetic)一般刚开始的时候会出现，渲染库和路径算法库的问题。然后新建文件夹并且执行下面命令行。

放假期间接着了解opencv里面的东西，之前就有过想调用看看opencv库里面的想法，花了一点点时间了解了一下。我的想法是通过opencv库里面自带的人脸检测包来给识别出来的人脸做一个类似于市面上的特效软件一样。opencv自带了17人脸个人脸特征检测包。路径一般都在/home/sms/opencv4.1.0/data/haarcascades这个路径下。读者可以自行上网了解一下opencv的各种

（SVM简单的编写）编辑器环境：VsCode , Pycharm所需要的文件：正样本文件件（存放正样本图片-需要train 的图片）负样本文件夹（存放负样本的图片）测试文件夹（测试图片的存放）训练的图片最好使用灰度后的二值化图像，跟家好的效果将正负样本放到同一个 samples 和labels里面，使用SVM train 去训练图片。注意正负样本的大小需要一致。import osimport cv

根据下面的思路，可以用hsv提取所需要的区域放到放到Mask中进行抠图。#include<iostream>#include<opencv2/opencv.hpp>#include<opencv2/highgui.hpp>using namespace std;using namespace cv;int main(){Mat src=imread("/home

在做别的东西的同时，用ｏｐｅｎｃｖ写了一份简单粗暴的条形码的检测识别，还需要做更加多的逻辑识别处理#include <iostream>#include<opencv2/opencv.hpp>#include<opencv2/highgui/highgui.hpp>#include<opencv2/core/core.hpp>using namesp

ROS roscore(python 版本更换)

段错误（Segment error）一般解释为内存溢出导致的结果参考 github 上开源的Openvino cpp 解释推理仓库代码，在后期 Yolov5 模型训练完之后出现（Segment error）因为原仓库代码使用的是 YolvoV5 3官方模型推理的结果，结果的输出层和现在最新的 Yolov5输出层有点不用，3layer->4layer，所以在结果推理的时候因为出现随机的map