北京文安招聘


恭喜老杨高中gsoc opencv for ios/iphone/ipad
以下为CtrlCV。。。
Google Summer of Code 2011今天出结果了,有1100多人获得由Google的赞助参与到各种开源项目的开发中去。大体上是这样的:开源项目方给出感兴趣的课题,参与者获得锻炼机会并且有一定的经济补助,Google大款散点小钱落得个支持开源社区的好名声,这是个三赢局面。当然也不是随便什么项目就可以打着GSOC的名号来骗苦力的,Google批准了175个项目。我觉得这些项目必然有值得支持的理由,于是从头到尾扫了一遍,其中很多有名的开源项目,像GCC, GNU, FreeBSD, GNOME, KDE, Mozilla。下图是所有项目的关键词的用wordle在线服务生成的标签云,可以快速预览一下众开源项目的口味。
我挑几个我个人感兴趣的说说:
![]()
Bruce Sterling 推荐的,不用废话了。
This is a fine piece of comprehensive research work. If you’re an AR developer or content guy, you’re gonna want a printout of this lying around, so you can brandish it at people. You’ll look like you know what you’re talking about!
![]()
图像缩放是最常用的图像操作,最近实现了一次双线性插值,适用于单通道8位灰度图像,可以同时处理缩小,放大。
加速手段有三个:
1:使用可分离方式,先后处理行和列
2:构建缓冲区,以避免对某些行重复插值。
3:使用整形运算,避免浮点运算。
performace:
测试图像: C:\Documents and Settings\All Users\Documents\My Pictures\示例图片\Water lilies.jpg
|
scale |
_ieInterpImageBilinear8UC1(ms) |
cvResize(ms) |
ratio |
|
0.3 |
346 |
390 |
89% |
|
0.5 |
939 |
1047 |
90% |
|
0.8 |
1671 |
1507 |
110% |
|
1.2 |
2885 |
1943 |
148% |
|
1.5 |
3951 |
2678 |
150% |
|
2 |
6119 |
3642 |
170% |
上表都是执行1000次的总时间,可以看出,在缩小时速度比opencv的cvResize相当,在放大时,不幸的比cvResize慢上50%。贴出代码求解。
来自牛逼杨,我转来转去很费劲啊。你直接两边一起发了去球。当个站长容易么。
Photosynth这是微软和UW一起搞的照片全景拼接项目,有名的Photo tourism和Build Rome in a day 多少都会跟这个项目有点关系。09年刚推出的时候是个网络服务,用户上传自己的照片,服务器生成全景Panaroma后可以在微软自家的Silverlight的viewer里查看。当时我还试了试,把自己宿舍的桌面给上传了上去。今天又看了一眼,哎呀!当年虚度光阴奋斗努力的地方啊,感慨万千!
转自牛逼杨,大家请猛击他
这年头是个人都会用OpenCV的人脸检测了,代码网上随处都能搜到,真的就两行代码的事情。不过如果你想找到复杂并且靠谱的人脸相关的computer vision代码那就真的很少很少了。复杂:起码不是AdaBoost + CAMSHFIT就完事儿,靠谱:算法不要多fancy,work就行(很多时候这其实很难做到),而且代码写的规整,文档注释都有。目前我知道的有这样一两个开源项目,很奇怪曝光率都很低,遂拿出来分享一下。
这次是FaceL, 项目主页这里,作者David S. Bolme and J. Ross Beveridge来自Colorado State University。FaceL是一个基于OpenCV python接口实现的视频捕捉,人脸标注(Labeling),训练(Training),和识别(Classification)的一条龙软件。从官方的视频看,效果很靠谱!不过浏览量才几百。。。我真的很纳闷,我在交大弄的弱弱的人脸识别demo还有8000多的浏览量呢。。。囧
label可以是人的身份(Identity),也可以是表情(expression),或者你可以去label带墨镜和不带墨镜。怎么说都只是个标签而已,分类器才不管具体是什么意思。FaceL用的是LibSVM的Python接口,训练直接集成并且实时在线。
要做到上面的功能,都有现成的算法。看起来FaceL的功劳就是把所有的东西攒起来,不过这已经够意思了,可以省了很多Computer Vision从业开发人员的时间。但是更牛逼的是FaceL的还实现了一个叫ASEF的eye tracker,相当靠谱精确,而且很快,就是一遍卷积。算法来自于作者自己在09年CVPR上paper: Average of synthetic exact filters。我觉得这个东西很好用,就port成C代码,在iPhone上跑都一点不含糊。
项目是在Mac上开发的,不过windows和Linux都能跑。最后总结一下就是FaceL够给力!
最新评论