小编Vaj*_*aka的帖子

我正在为android开发一个实时对象分类应用程序.首先,我使用"keras"创建了一个深度学习模型,我已经将训练过的模型保存为"model.h5"文件.我想知道如何在android中使用该模型进行图像分类.

我已经工作了几天，试图在 python-for-android 中使用 cv2.VideoCapture()。我正在使用带有 buildozer 的 kivy 为 android 构建 apk。这是我的代码

from kivy.app import App
from kivy.uix.image import Image
from kivy.clock import Clock
from kivy.graphics.texture import Texture
import cv2


class KivyCamera(Image):
    def __init__(self, capture, fps, **kwargs):
        super(KivyCamera, self).__init__(**kwargs)
        self.capture = capture
        Clock.schedule_interval(self.update, 1.0 / fps)

    def update(self, dt):
        print 'hello'
        ret, frame = self.capture.read()
        print frame
    if ret:
        # convert it to texture
        buf1 = cv2.flip(frame, 0)
        buf = buf1.tostring()
        image_texture = Texture.create(
            size=(frame.shape[1], frame.shape[0]), colorfmt='bgr')
        image_texture.blit_buffer(buf, colorfmt='bgr', bufferfmt='ubyte')
        # …

我正在开发一个 python 程序来通过 RTMP 从 android 设备接收实时流媒体视频。我创建了一个服务器，而且我能够从 android 设备传输 videoStream。但问题是我无法在 opencv 中访问该流。谁能告诉我通过opencv访问它的方法。如果您可以发布任何 python 代码片段，那就更好了。

我正在开发一个 Laravel 应用程序，在那里我想为 Htmlanchor元素设置一个 onclick 函数。所以我按照以下方式创建了它。

在我的刀片视图中

<a class='compon' id="{{$value[1]}}" href="#" onclick="return myFunction();">
    <div class="mq-friends thumbnail">
       <div class="mq-friends-footer">
          <small>{{$value[0]}}</small>
       </div>
    </div>
</a>

我的 resources/assets/js/app.js

function myFunction() {
    console.log('whatever');
    return true;
}

这是行不通的，（我还仔细检查了 app.js 文件是否已内置到public/js/app.js使用 laravel-mix ( npm run dev) 中，并且该函数myFunction()在那里。）

我想知道的是为什么它不起作用？有什么问题blade吗？

注意：当我将此脚本插入同一个刀片视图而不添加到 js 文件时，这显然有效：

<script type='text/javascript'>
     function myFunction()
     {
          console.log('whatever');
          return true;
     }
</script> 

我有一个用数组表示的图像，它的形状是(128,128)，数据类型是bool（这意味着它代表一个二进制图像）。

所以我需要将它调整到给定的比例（比如，(543, 347)）。

谁能告诉我一种使用 pythonscikit-image库轻松做到这一点的方法吗？

我正在研究" Mask R-CNN用于对象检测和分割".因此,我已阅读呈现原始研究论文Mask R-CNN为目标检测,也发现了我的几个实现Mask R-CNN,在这里和这里(被Facebook人工智能研究小组称为detectron).但他们都使用coco数据集进行测试.

但是,对于使用具有大量图像的自定义数据集进行上述实现的培训,我有点困惑,并且对于每个图像,存在用于在相应图像中标记对象的掩模图像的子集.

所以,如果有人可以为此任务发布有用的资源或代码示例,我很高兴.

注意:我的数据集具有以下结构,

它包含大量图像,每个图像都有单独的图像文件,将对象突出显示为黑色图像中的白色色块.

这是一个示例图像和它的掩码:

图片;

面具;