机器学习开发者应该收藏的 DIY 计算机视觉和深度学习项目

2018-06-14 来源：

在这篇文章中将推荐一些应用计算机视觉和深度学习的项目，包括具体实现和细节，你可以在自己的电脑上复现这些项目。

LinkedIn 数据科学社区

Akshay Bahadur 是 LinkedIn 数据科学社区给出的最好的榜样。在其他诸如 Quora、StackOverflow、Youtube 等平台，有很多优秀的人，以及很多论坛和平台在科学、哲学、数学、语言学，以及数据科学等领域互相帮助。

Akshay Bahadur

但我认为在过去的 ~3 年间，LinkedIn 社区在共享数据科学内容方面做的非常优秀，从分享经验，到关于如何在现实世界进行机器学习的文章。我经常建议想从事这一领域的人加入这个社区，而且 LinkedIn 是最好的，你可以在那里随时找到我 :)。

从深度学习和计算机视觉开始

https://github.com/facebookresearch/Detectron

在这十年里，在深度学习领域中对图像进行分类、检测和执行相应动作的研究是非常重要的，其结果令人惊讶，有些问题的解决在性能已经超越了人类水平。

在这篇文章中，我将展示 Akshay Bahadur在计算机视觉和深度学习领域所做的工作。如果你对这些概念还不熟悉，可以通过阅读下面这些内容学到更多：

对深度学习的「怪异」介绍

这里有关于深度学习的精彩介绍、课程以及博客文章。但这是一种很独特的介绍。

https://towardsdatascience.com/a-weird-introduction-to-deep-learning-7828803693b0

两个月探索深度学习和计算机视觉

我决定深入了解计算机视觉和机器学习。作为一个网页开发者，我发现了这个。

https://towardsdatascience.com/two-months-exploring-deep-learning-and-computer-vision-3dcc84b2457f

从神经科学到计算机视觉

人类和计算机视觉的50年。

https://towardsdatascience.com/from-neuroscience-to-computer-vision-e86a4dea3574

吴恩达计算机视觉 —— 11 个经验教训

我最近刚完成吴恩达在 Coursera 上的计算机视觉课程。吴恩达在解释这些问题方面做了杰出的工作。

https://towardsdatascience.com/computer-vision-by-andrew-ng-11-lessons-learned-7d05c18a6999

1. 使用 OpenCV 手动执行

akshaybahadur21/HandMovementTracking

https://github.com/akshaybahadur21/HandMovementTracking

Akshay:

为了执行视频追踪，算法需要分析视频帧序列并输出每帧之间的目标位移。有很多种算法，每种各有强项和弱点。选择使用哪种算法，重要的是要考虑应用目的。视频追踪系统有两个主要的组成部分：目标表示和定位，以及滤波和数据关联。

视频追踪是通过摄像头定位一个(或多个)移动目标的过程。拥有多种用途，比如，人机交互、安全监视、视频通讯与压缩、增强现实、交通控制、医学影像，以及视频编辑等。

下面是你在复现它时需要用到的代码：

是的，54 行代码，相当简单?如果你的电脑检查结果如下面所示的话，你需要先安装 OpenCV：

在 MacOS 上安装 OpenCV
这篇文章中，我么将逐步介绍在 MacOS 和 OSX 上安装 OpenCV 3.3.0 (C++ and Python)。
https://www.learnopencv.com/install-opencv3-on-macos/

如果你使用 Ubuntu：

OpenCV：在 Ubuntu 上安装 OpenCV-Python
有了所有必须的依赖项，让我们安装 OpenCV。需要使用 CMake 配置安装选项项
https://docs.opencv.org/3.4.1/d2/de6/tutorial_py_setup_in_ubuntu.html

如果使用 Windows:

Windows 安装 OpenCV-Python- OpenCV 3.0.0-dev documentation
在这篇教程中我们将学习在 Windows 系统中如何设置O penCV-Python。下面的步骤在 Windows 7-64 中测试通过
https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_setup/py_setup_in_windows/py_setup_in_windows.html

2.基于 OpenCV 的疲劳检测

akshaybahadur21/Drowsiness_Detection

在 GitHub.github.com 创建账号有助于疲劳检测项目开发

https://github.com/akshaybahadur21/Drowsiness_Detection

驾驶员长时间驾驶有可能会导致事故发生。这段代码检测你的眼睛，瞌睡时会发出告警。

依赖项：

cv2
immutils
dlib
scipy

算法

每个眼睛使用 6个 (x, y)坐标表示，从眼睛的左角开始(正如你看见人时一样), 然后沿着眼睛周围顺时针计算。