در این مطلب، ویدئو تشخیص پیش زمینه تصویر Grabcut OpenCV پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:15:57
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:05,830 –> 00:00:08,330
سلام یوتیوبرها من پاریسی هستم این
2
00:00:08,330 –> 00:00:11,090
ویدیو بیش از 20 ثانیه است و یک رزومه کاملاً باز است،
3
00:00:11,090 –> 00:00:13,100
بنابراین در ویدیوی قبلی
4
00:00:13,100 –> 00:00:17,170
ما آن را در مورد تشخیص دایره ساده
5
00:00:17,170 –> 00:00:21,770
در CV باز یاد گرفتیم، بنابراین این از
6
00:00:21,770 –> 00:00:26,000
مثال قبلی با استفاده از الگوریتم نیم دایره بود و
7
00:00:26,000 –> 00:00:28,550
خیلی خوب است. یک
8
00:00:28,550 –> 00:00:31,610
مثال ساده از استخراج پیش
9
00:00:31,610 –> 00:00:35,120
زمینه یا تشخیص پیش زمینه با استفاده از
10
00:00:35,120 –> 00:00:37,280
الگوریتم گربه گربه ایجاد کنید، بنابراین حالا بیایید شروع کنیم
11
00:00:37,280 –> 00:00:40,309
این است که من ممکن است یک
12
00:00:40,309 –> 00:00:42,890
فایل پایتون ساده پایتون ایجاد کرده باشم و این تصویر من است،
13
00:00:42,890 –> 00:00:44,809
بنابراین می توانید ببینید که من یک
14
00:00:44,809 –> 00:00:47,780
پس زمینه دارم. در اینجا و من می خواهم یک
15
00:00:47,780 –> 00:00:53,210
استخراج پس زمینه ساده انجام دهم، بنابراین اول از
16
00:00:53,210 –> 00:00:57,140
همه اجازه دهید توضیح دهم که چگونه الگوریتم grab cats
17
00:00:57,140 –> 00:01:02,059
کار می کند، بنابراین از نظر کاربر
18
00:01:02,059 –> 00:01:04,909
ابتدا یک کاربر یک
19
00:01:04,909 –> 00:01:06,620
مستطیل در اطراف منطقه پیش زمینه ترسیم می کند به
20
00:01:06,620 –> 00:01:10,640
این معنی که منطقه پیش زمینه
21
00:01:10,640 –> 00:01:13,640
باید کاملاً در داخل باشد. مستطیل و سپس
22
00:01:13,640 –> 00:01:17,390
الگوریتم الگوریتم
23
00:01:17,390 –> 00:01:20,390
crabcat آن را به طور مکرر بخش بندی می کند تا بهترین نتیجه را
24
00:01:20,390 –> 00:01:24,259
انجام دهد، اما در برخی موارد تقسیم بندی
25
00:01:24,259 –> 00:01:28,159
خوب نخواهد بود مانند من که ممکن است
26
00:01:28,159 –> 00:01:30,680
علامت گذاری شده باشد. برخی از پیشزمینهها بهعنوان پسزمینه رزومه میشوند
27
00:01:30,680 –> 00:01:33,859
و بالعکس، به طوری که
28
00:01:33,859 –> 00:01:37,009
معمولاً نیاز به انجام لمسآپهای خوب است و
29
00:01:37,009 –> 00:01:40,070
فقط چند ضربه روی تصاویری
30
00:01:40,070 –> 00:01:43,119
که نتایج معیوب وجود دارد، انجام میدهند،
31
00:01:43,119 –> 00:01:51,740
بنابراین اکنون برای این الگوریتم یک
32
00:01:51,740 –> 00:01:54,170
مثال ساده برای آن داریم، اجازه دهید من فقط
33
00:01:54,170 –> 00:01:59,409
وارد کنم. بسیار مهم در pi مانند P و
34
00:01:59,409 –> 00:02:05,509
import نگاه کنید به v2 همچنین ما میخواهیم
35
00:02:05,509 –> 00:02:07,700
تصویر خود را در یک نقشه
36
00:02:07,700 –> 00:02:16,540
37
00:02:16,780 –> 00:02:28,099
38
00:02:28,099 –> 00:02:31,370
ترسیم کنیم. تصویر من را بارگذاری کنید
39
00:02:31,370 –> 00:02:36,140
بنابراین تصویر CB به نرخ M و نام تصویر من
40
00:02:36,140 –> 00:02:42,709
Salah dot jpg است پس از آن می
41
00:02:42,709 –> 00:02:47,870
خواهیم مسجد خود را بسازیم بنابراین مسجد و
42
00:02:47,870 –> 00:02:54,769
پیتر صفر IMG شما را می
43
00:02:54,769 –> 00:03:03,319
دهند و شکل فلان و فلان دیگری را به عنوان
44
00:03:03,319 –> 00:03:07,730
نوع P می دهند. نقطه u و هشت
45
00:03:07,730 –> 00:03:13,790
اوه متاسفم که شکل نقطه تصویر است، پس
46
00:03:13,790 –> 00:03:18,980
این شکل تصویر خوب است پس از اینکه ما پسزمینه
47
00:03:18,980 –> 00:03:21,530
و مدلهای پسزمینه فیلد صفر را ایجاد
48
00:03:21,530 –> 00:03:24,440
کردیم، اکنون
49
00:03:24,440 –> 00:03:26,420
تصویر خود را ایجاد کردهایم و بارگذاری کردهایم، ماسک خود را ایجاد
50
00:03:26,420 –> 00:03:28,900
کردهایم و اکنون باید پسزمینه خود را ایجاد کنیم.
51
00:03:28,900 –> 00:03:31,609
و پیش زمینه جلو m Odels
52
00:03:31,609 –> 00:03:40,959
بنابراین BG مدل haha بنابراین NP آن را در مورد صفر 165
53
00:03:41,440 –> 00:03:55,160
نوع داده بسیار in و نو
54
00:03:55,160 –> 00:04:03,340
آن n P نقطه شناور 64 بیتی است و اج
55
00:04:03,340 –> 00:04:08,859
زه دهید مدل FG را ایجاد کنم بنابراین مدل FG و P
56
00:04:08,859 –> 00:04:17,750
قطه صفرهای 165 و P نق
57
00:04:17,750 –> 00:04:24,130
ه به دنبال 64 نوع داده است، بنابراین
58
00:04:24,130 –> 00:04:27,050
مدل های پس زمینه و پیش زمینه
59
00:04:27,050 –> 00:04:29,150
60
00:04:29,150 –> 00:04:32,090
بر اساس نواحی خارج از
61
00:04:32,090 –> 00:04:35,330
مستطیل اولیه تعیین می شوند و چون
62
00:04:35,330 –> 00:04:39,590
گفته ایم که با کشیدن مستطیل می توانیم
63
00:04:39,590 –> 00:04:42,260
پیش زمینه را استخراج کنیم، اکنون
64
00:04:42,260 –> 00:04:43,880
مستطیل خود را ایجاد می کنیم و این
65
00:04:43,880 –> 00:04:49,729
کد مستطیل است پس مستطیل 330 پس
66
00:04:49,729 –> 00:04:51,620
این مطابق تصویر شماست شاید من
67
00:04:51,620 –> 00:04:53,479
از این تصویر استفاده کرده باشم اما اگر تصویر دیگری اضافه
68
00:04:53,479 –> 00:04:56,900
کنید نتیجه خوبی دریافت نمی کنید
69
00:04:56,900 –> 00:04:59,510
اما باید این را تغییر دهید برای مثال
70
00:04:59,510 –> 00:05:06,680
این دو مقدار و 421 و 3 بنابراین این
71
00:05:06,680 –> 00:05:08,930
آیا وزن و ارتفاع
72
00:05:08,930 –> 00:05:13,430
مستطیل خوب است حالا بعد از
73
00:05:13,430 –> 00:05:17,180
ایجاد مستطیل ما، اکنون باید الگوریتم
74
00:05:17,180 –> 00:05:19,310
برش نمودار را پیاده سازی
75
00:05:19,310 –> 00:05:25,100
کنیم، بنابراین v2 dot crabcat را ببینید، بنابراین
76
00:05:25,100 –> 00:05:27,740
اولین موردی که باید تصویر خود را ارائه دهیم،
77
00:05:27,740 –> 00:05:29,300
دومی مسجد است که ما ایجاد کرده ایم
78
00:05:29,300 –> 00:05:32,120
و یکی دیگر مستطیل است
79
00:05:32,120 –> 00:05:35,330
و این مستطیل است، بنابراین اکنون باید
80
00:05:35,330 –> 00:05:39,460
مدل ویدیویی خود را مدل BG و
81
00:05:39,460 –> 00:05:43,610
یکی دیگر مدل FG است اگر مدل G
82
00:05:43,610 –> 00:05:47,419
اکنون این نکته مهم است و
83
00:05:47,419 –> 00:05:49,550
این تعداد تکرارها اکنون این مقدار است.
84
00:05:49,550 –> 00:05:52,370
تعداد تراسیونی است که
85
00:05:52,370 –> 00:05:54,620
الگوریتم قرار است روی تصویر اجرا کند، میتوانید آن را
86
00:05:54,620 –> 00:05:56,990
افزایش دهید، بنابراین میتوانید آن را
87
00:05:56,990 –> 00:05:59,990
مطابق با انتخاب خود افزایش دهید و میتوانید آن را
88
00:05:59,990 –> 00:06:04,300
افزایش دهید، اما یک نکته وجود دارد
89
00:06:04,300 –> 00:06:07,550
90
00:06:07,550 –> 00:06:11,889
که وقتی این عدد را افزایش میدهید، طبقهبندی سلولی کدام دستهبندی را پوشش میدهد.
91
00:06:11,889 –> 00:06:15,620
و شما فقط تکرارها را اضافه می کنید
92
00:06:15,620 –> 00:06:17,750
بدون اینکه پیشرفت بیشتری داشته باشید
93
00:06:17,750 –> 00:06:21,949
پس از این ماسک ما به
94
00:06:21,949 –> 00:06:25,820
مقادیر بین 0 و 3 تغییر می کند و
95
00:06:25,820 –> 00:06:29,539
همچنین مقادیر بین 0 و 2
96
00:06:29,539 –> 00:06:33,500
به صفر تبدیل می شوند و اعداد از
97
00:06:33,500 –> 00:06:36,229
1 تا 0 تبدیل می شوند.
98
00:06:3