Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Concept
OpenCV
Résumé
OpenCV (pour Open Computer Vision) est une bibliothèque libre, initialement développée par Intel, spécialisée dans le en temps réel. La société de robotique Willow Garage, puis la société ItSeez se sont succédé au support de cette bibliothèque. Depuis 2016 et le rachat de ItSeez par Intel, le support est de nouveau assuré par Intel.
Cette bibliothèque est distribuée sous licence BSD.
NVidia a annoncé en septembre 2010 qu'il développerait des fonctions utilisant CUDA pour OpenCV.
La bibliothèque OpenCV met à disposition de nombreuses fonctionnalités très diversifiées permettant de créer des programmes en partant des données brutes pour aller jusqu'à la création d'interfaces graphiques basiques.
Elle propose la plupart des opérations classiques en traitement bas niveau des images :
lecture, écriture et affichage d’une image ;
calcul de l' des niveaux de gris ou d'histogrammes couleurs ;
lissage, filtrage ;
(méthode d'Otsu, seuillage adaptatif)
segmentation (composantes connexes, GrabCut) ;
morphologie mathématique.
Cette bibliothèque s'est imposée comme un standard dans le domaine de la recherche parce qu'elle propose un nombre important d'outils issus de l'état de l'art en vision des ordinateurs tels que :
lecture, écriture et affichage d’une vidéo (depuis un fichier ou une caméra)
détection de droites, de segment et de cercles par Transformée de Hough
détection de visages par la méthode de Viola et Jones
cascade de classifieurs boostés
détection de mouvement, historique du mouvement
poursuite d'objets par mean-shift ou Camshift
détection de points d'intérêts
estimation de flux optique (Méthode de Lucas–Kanade)
triangulation de Delaunay
diagramme de Voronoi
enveloppe convexe
ajustement d'une ellipse à un ensemble de points par la méthode des moindres carrés
Certains algorithmes classiques dans le domaine de l'apprentissage artificiel sont aussi disponibles :
K-means
AdaBoost et divers algorithmes de boosting
Réseau de neurones artificiels
Séparateur à vaste marge
Estimateur (statistique)
Les arbres de décision et les forêts aléatoires
Depuis la version 2.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.