项目进阶实战》视频课程 ## 目录 - 串联 AI 流程理论：商品检测与商品识别 - 串联 AI 流程实战：商品检测与商品识别 - 展现 AI 效果理论：使用 OpenCV 可视化识别结果 - 展现 AI 效果实战：使用 OpenCV 可视化识别结果 - 搭建 AI SaaS 理论：Web 框架选型 - 搭建 AI SaaS 理论：数据库 ORM 选型 - 搭建 AI SaaS 理论：10 '红星二锅头43度绵柔8陈酿100ml' '红星二锅头52度500ml'] 串联 AI 流程实战：商品检测与商品识别 ## Try it! 展现 AI 效果理论：使用 OpenCV 可视化识别结果 ## 检测+分类 ## 极客时间 def load_image(img_path): img = image.load_img(img_path, target_size=(224 极客时间  展现 AI 效果实战：使用 OpenCV 可视化识别结果 ## Try it! 搭建 AI SaaS 理论：Web 框架选型 ## Python Web 框架 ![Image](/uploads/documents/f/c/8/6/

package(OpenCV) - 查找名为 OpenCV 的包，找不到不报错，事后可以通过 $ \{OpenCV\_FOUND\} $ 查询是否找到。 • find package(OpenCV QUIET) - 查找名为 OpenCV 的包，找不到不报错，也不打印任何信息。 • find package(OpenCV REQUIRED) # 最常见用法 - 查找名为 OpenCV 的包，找不到就报错（并终止 进程，不再继续往下执行）。 • find package(OpenCV REQUIRED COMPONENTS core videoio) - 查找名为 OpenCV 的包，找不到就报错，且必须具有 OpenCV::core 和 OpenCV::videoio 这两个组件，如果没有这两个组件也会报错。 • find package(OpenCV REQUIRED OPTIONAL COMPONENTS core videoio) - 查找名为 OpenCV 的包，找不到就报错，可具有 OpenCV::core 和 OpenCV::videoio 这两个组件，没有这两组件不会报错，通过 ${OpenCV_core_FOUND} 查询是否找到 core 组件。 ## find_package 说是找“包”，到底是在找什么？ • find_package(OpenCV) 实际上是在找一个名为 OpenCVConfig

VHDL 代码 ➢ 可以通过制定约束 (Directive) 来提高运算性能和优化资源利用率 ➢ 从算法验证到硬件实现的自动化工作流程 适合C算法的工程师进行快速硬件验证 ➢ 赛灵思提供基于 OpenCV 的库函数，适用于图像处理 ➢ 高层次EDA开发工具，C开发者的福音，Xilinx 开发工具的核心引擎。 怎么用C语言写硬件逻辑设计？ ➢ 使用C 的编程语法 ➢ 借用硬件设计的思路 [Image](/uploads/documents/e/3/3/4/e334f61741573221602c5a3234497644/p10_2.jpg) ## 赛灵思 openCV 库：xFopencv - HW Accelerated OpenCV Functions

Level 1

Level oLBM

Xilinx并没有专注在机器视觉算法，HLS中所使用的算法基本都是开源的 OpenCV 算法 目前HLS提供的视觉算法函数只是opencv原版函数的一个重构。功能以及接口参数基本上同原opencv函数保持一致，方便客户使用。同时适合于HLS综合成HDL代码硬件实现 客户可以直接调用这些函数，也可以参考它们的实现，针对自己的算法做修改

VHDL 代码 ➢ 可以通过制定约束（Directive）来提高运算性能和优化资源利用率 ➢ 从算法验证到硬件实现的自动化工作流程 适合C算法的工程师进行快速硬件验证 ➢ 赛灵思提供基于 OpenCV 的库函数，适用于图像处理 ➢ 高层次EDA开发工具，C开发者的福音，Xilinx 开发工具的核心引擎。 怎么用C语言写硬件逻辑设计？ 使用C 的编程语法 ➢ 借用硬件设计的思路  ## 赛灵思 openCV 库：xFopencv - HW Accelerated OpenCV Functions

Level 1

Level LBM

Xilinx并没有专注在机器视觉算法，HLS中所使用的算法基本都是开源的 OpenCV 算法 目前HLS提供的视觉算法函数，只是opencv原版函数的一个重构。功能以及接口参数基本上同原opencv函数保持一致，方便客户使用。同时适合于HLS综合成HDL代码硬件实现 客户可以直接调用这些函数，也可以参考它们的实现，针对自己的算法做修改

VHDL 代码 ➢ 可以通过制定约束（Directive）来提高运算性能和优化资源利用率 ➢ 从算法验证到硬件实现的自动化工作流程 适合C算法的工程师进行快速硬件验证 ➢ 赛灵思提供基于 OpenCV 的库函数，适用于图像处理 ➢ 高层次EDA开发工具，C开发者的福音，Xilinx 开发工具的核心引擎。 怎么用C语言写硬件逻辑设计？ ➢ 使用C 的编程语法 ➢ 借用硬件设计的思路 [Image](/uploads/documents/d/c/8/8/dc88f8a54aa261256e8a48f36d5e29d5/p10_2.jpg) ## 赛灵思 openCV 库：xFopencv - HW Accelerated OpenCV Functions

Level 1

Level LBM

Xilinx并没有专注在机器视觉算法，HLS中所使用的算法基本都是开源的 OpenCV 算法 目前HLS提供的视觉算法函数，只是opencv原版函数的一个重构。功能以及接口参数基本上同原opencv函数保持一致，方便客户使用。同时适合于HLS综合成HDL代码硬件实现 客户可以直接调用这些函数，也可以参考它们的实现，针对自己的算法做修改

Linux, and macOS find package(OpenCV REQUIRED) Install package 'OpenCV' using vcpkg Copy vcpkg command to install 'OpenCV' to clipboard ? Library 'OpenCV' can be installed using "version-string": "1.0.0", "dependencies": [ { "opencv": "gtest", "libwebp": "libjpeg-turbo", "libpng": 5-e843284dd0b0f0e6f8cf14ec3d831a1c1c0cd34a Published 4 days ago by Marian Luparu in mluparu/OpenCVSample1 opencv_x64-linux 4.3.0-1a61e8b4430f6cad3588a2254825472d3e0be368 Published 4 days ago by Marian Luparu in

https://docs.opencv.org/4.1.1/d6/d0f/group__dnn.html#ga3b34fe7a29494a6a4295c169a7d32422. config: [MUST] The path of model config file, more detailed contents please refer to https://docs.opencv.org/4.1.1/d6/d0f/group__dnn inference efficiency. Now support `halide`, `openvino`, `opencv`, `vulkan` and `default`. More detailed contents please refer to https://docs.opencv.org/4.1.1/d6/d0f/group__dnn.html#ga186f7d9bfacac8b0ff2e26e2eab02625 `fp32`, `fp16`, `vpu`, `vulkan` and `fpga`. More detailed contents please refer to https://docs.opencv.org/4.1.1/d6/d0f/group__dnn.html#ga709af7692ba29788182cf573531b0ff5. process: before: creates 4-dimensional

SDK，这类似于FFmpeg 集成Libx264的方式 - VAAPI 作为一个底层的Media硬件加速API; FFmpeg VAAPI 提供更灵活，更开放的方案 - 可以集成OpenCL/OpenCV video processing Library 以适应更多的用户需求  - OpenCV 已经支持OpenCL的优化，使用T-API (http://opencv.org/platforms/opencl.html) - 充分利用OpenCL优化过的OpenCV - 重新发明轮子？不是每个客户都有时间或能力重新实现图像算法 ##

https:// docs.opencv.org/4.1.1/d6/d0f/group_dnn.html#ga3b34fe7a29494a6a4295c169a7d32422. config: [MUST] The path of model config file, more detailed contents please refer to https://docs.opencv.org/4.1.1/d6/d0f/group_dnn inference efficiency. Now support `halide`, `openvino`, `opencv`, `vulkan` and `default` More detailed contents please refer to https://docs.opencv.org/4.1.1/d6/d0f/group dnn.html#ga186f7d9bfacac8b0ff2e26e2eab02625 `fp32`, `fp16`, `vpu`, `vulkan` and `fpga`. More detailed contents please refer to https://docs.opencv.org/4.1.1/d6/d0f/group_dnn.html #ga709af7692ba29788182cf573531b0ff5. process: before: creates 4-dimensional

Computer Vision Library, OpenCV）遵从BSD协议许可。 它具有C++，Python和Java接口，支持Windows，Linux，Mac OS，iOS和Android。 OpenCV专为提高计算效率而设计，专注于实时应用。该库以优化的C/C++编写，通过OpenCL可以启用多核处理和硬件加速模式。 安装 OpenCV 的 Python 接口： $ pip3 install install python-opencv ## 使用 OpenCV 进行人脸检测  ## 使用 OpenCV 进行人脸检测 ![Image](/uploads/documents/0/b/d/4/0bd4f69b2bdb870dee3c62dbc766167c/p54_2