AI 助理
备案控制台
开发者社区 人工智能 文章 正文

【机器视觉】OpenCV-Python 视频基本操作

2022-12-07 99
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 【机器视觉】OpenCV-Python 视频基本操作 
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 设置兼容中文
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']
D:\Anaconda\AZWZ\lib\site-packages\numpy\_distributor_init.py:30: UserWarning: loaded more than 1 DLL from .libs:
D:\Anaconda\AZWZ\lib\site-packages\numpy\.libs\libopenblas.NOIJJG62EMASZI6NYURL6JBKM4EVBGM7.gfortran-win_amd64.dll
D:\Anaconda\AZWZ\lib\site-packages\numpy\.libs\libopenblas.WCDJNK7YVMPZQ2ME2ZZHJJRJ3JIKNDB7.gfortran-win_amd64.dll
  warnings.warn("loaded more than 1 DLL from .libs:\n%s" %

1.视频文件的读取

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I4ItiooG-1637755673389)(attachment:image.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5s26ix61-1637755673391)(attachment:image.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9lwfjjn0-1637755673394)(attachment:image.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UTKrGdcP-1637755673395)(attachment:image.png)]

# 获取视频对象
cap = cv.VideoCapture('viedo/DOG.wmv')
# 判断是否获取成功
print(cap.isOpened())
True



while(cap.isOpened()):
    # 获取每一帧的图像
    ret,frame = cap.read()
    # 获取成功显示图像
    if ret == True:
        cv.imshow('frame',frame)
    # 每一帧间隔25ms 当视频播放完毕，且按下q键时，会弹出循环
    if cv.waitKey(25) & 0xFF == ord('q'):
        break
# 释放视频对象
cap.release()
cv.destroyAllWindows()

2.视频文件的保存

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cfAq4FYP-1637755673397)(attachment:image.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cDP566f3-1637755673397)(attachment:image.png)]

# 读取视频
cap = cv.VideoCapture('viedo/DOG.wmv')
# 获取视频的宽和高
width = int(cap.get(3))
height = int(cap.get(4))
print("宽：",width,"，高：",height)
宽： 444 ，高： 480



# 创建保存视频的对象，设置编码格式，帧率，图像的宽高等
out = cv.VideoWriter('viedo/outpy.avi',cv.VideoWriter_fourcc('M','J','P','G'),10,(width,height))
# 
while(True):
    ret,frame = cap.read()
    if ret==True:
        # 将每一帧图像写入一个文件中
        out.write(frame)
    else:
        # 读取完毕
        break
# 释放资源
cap.release()
out.release()
cv.destroyAllWindows()
print("保存成功!")
保存成功!

总结

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y2og246l-1637755673399)(attachment:image.png)]

3.MeanShift实现视频追踪

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ojrfzjny-1637755673399)(attachment:image.png)]

# 获取视频
cap = cv.VideoCapture('viedo/DOG.wmv')
# 获取第一帧图像
ret,frame = cap.read()
# 指定第一帧图像上的目标位置 (行，高，列，宽)
r,h,c,w = 197,141,0,208
track_window = (c,r,w,h)
# 指定目标的感兴趣区域
roi = frame[r:r+h,c:c+w]
# 计算直方图
# 转换色彩空间(HSV)
hsv_roi = cv.cvtColor(roi,cv.COLOR_BGR2HSV)
# 计算直方图
roi_hist = cv.calcHist([hsv_roi],[0],None,[180],[0,180])
# 归一化 min_max归一化
cv.normalize(roi_hist,roi_hist,0,255,cv.NORM_MINMAX)
array([[2.3043747e+00],
       [3.1423289e-01],
       [5.2372152e-01],
       [9.4269872e-01],
       [3.1423289e-01],
       [9.6888477e-01],
       [4.6611214e+00],
       [1.3878620e+00],
       [4.5563769e+00],
       [4.3730745e+00],
       [1.4507086e+01],
       [5.4205173e+01],
       [8.2669441e+01],
       [6.8764633e+01],
       [6.6434074e+01],
       [7.7222733e+01],
       [2.5500000e+02],
       [4.2971348e+01],
       [1.5790203e+01],
       [2.3043747e+00],
       [1.5711645e+00],
       [2.6186076e-01],
       [1.0474430e-01],
       [1.3093038e-01],
       [7.8558221e-02],
       [0.0000000e+00],
       [1.3093038e-01],
       [5.2372150e-02],
       [1.0474430e-01],
       [2.6186075e-02],
       [2.6186076e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [3.1423289e-01],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [1.7806531e+00],
       [8.3795440e-01],
       [6.2846577e-01],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [4.1897721e+00],
       [0.0000000e+00],
       [1.7806531e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.1521873e+00],
       [3.4827480e+00],
       [0.0000000e+00],
       [7.8034506e+00],
       [1.1521873e+00],
       [7.5939620e-01],
       [1.6759088e+00],
       [0.0000000e+00],
       [7.9605670e+00],
       [1.1521873e+00],
       [8.4842882e+00],
       [2.6186075e-02],
       [1.3093038e-01],
       [9.4269872e-01],
       [1.0474430e-01],
       [0.0000000e+00],
       [1.4926063e+00],
       [0.0000000e+00],
       [6.2846577e-01],
       [2.6186075e-02],
       [8.3795440e-01],
       [6.5465188e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [6.0227972e-01],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.4614911e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [8.3795440e-01],
       [0.0000000e+00],
       [2.0948860e-01],
       [5.2372152e-01],
       [5.2372152e-01],
       [1.0474430e-01],
       [4.1897720e-01],
       [5.2372152e-01],
       [1.0474430e-01],
       [2.6709797e+00],
       [1.0736290e+00],
       [8.3795440e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.3093038e-01],
       [1.3093038e-01],
       [1.3878620e+00],
       [4.1897720e-01],
       [1.2569315e+00],
       [3.1423289e-01],
       [2.0948860e-01]], dtype=float32)




# 目标追踪
# 设置窗口搜索终止条件，最大迭代次数，窗口中心飘移最小值
term_crit = (cv.TERM_CRITERIA_EPS | cv.TERM_CRITERIA_COUNT,10,1)
while(True):
    ret,frame = cap.read()
    if ret == True:
        # 计算直方图的反向投影
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        dst = cv.calcBackProject([hsv],[0],roi_hist,[0,180],1)
        # 进行meanshift目标追踪
        ret,track_window = cv.meanShift(dst,track_window,term_crit)
        # 将追踪的位置绘制在视频中
        x,y,w,h = track_window
        res = cv.rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2)
        cv.imshow('frame',res)
        # 终止
        if cv.waitKey(60) & 0xFF == ord('q'):
            break
    else:
        break
# 释放资源
cap.release()
cv.destroyAllWindows()

4.CamShift算法实现视频追踪

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Rdo1qxJ8-1637755673400)(attachment:image.png)]

# 获取视频
cap = cv.VideoCapture('viedo/DOG.wmv')
# 获取第一帧图像
ret,frame = cap.read()
# 指定第一帧图像上的目标位置 (行，高，列，宽)
r,h,c,w = 197,141,0,208
track_window = (c,r,w,h)
# 指定目标的感兴趣区域
roi = frame[r:r+h,c:c+w]
# 计算直方图
# 转换色彩空间(HSV)
hsv_roi = cv.cvtColor(roi,cv.COLOR_BGR2HSV)
# 计算直方图
roi_hist = cv.calcHist([hsv_roi],[0],None,[180],[0,180])
# 归一化 min_max归一化
cv.normalize(roi_hist,roi_hist,0,255,cv.NORM_MINMAX)
array([[2.3043747e+00],
       [3.1423289e-01],
       [5.2372152e-01],
       [9.4269872e-01],
       [3.1423289e-01],
       [9.6888477e-01],
       [4.6611214e+00],
       [1.3878620e+00],
       [4.5563769e+00],
       [4.3730745e+00],
       [1.4507086e+01],
       [5.4205173e+01],
       [8.2669441e+01],
       [6.8764633e+01],
       [6.6434074e+01],
       [7.7222733e+01],
       [2.5500000e+02],
       [4.2971348e+01],
       [1.5790203e+01],
       [2.3043747e+00],
       [1.5711645e+00],
       [2.6186076e-01],
       [1.0474430e-01],
       [1.3093038e-01],
       [7.8558221e-02],
       [0.0000000e+00],
       [1.3093038e-01],
       [5.2372150e-02],
       [1.0474430e-01],
       [2.6186075e-02],
       [2.6186076e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [3.1423289e-01],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.0948860e-01],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [1.7806531e+00],
       [8.3795440e-01],
       [6.2846577e-01],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [4.1897721e+00],
       [0.0000000e+00],
       [1.7806531e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.1521873e+00],
       [3.4827480e+00],
       [0.0000000e+00],
       [7.8034506e+00],
       [1.1521873e+00],
       [7.5939620e-01],
       [1.6759088e+00],
       [0.0000000e+00],
       [7.9605670e+00],
       [1.1521873e+00],
       [8.4842882e+00],
       [2.6186075e-02],
       [1.3093038e-01],
       [9.4269872e-01],
       [1.0474430e-01],
       [0.0000000e+00],
       [1.4926063e+00],
       [0.0000000e+00],
       [6.2846577e-01],
       [2.6186075e-02],
       [8.3795440e-01],
       [6.5465188e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [6.0227972e-01],
       [0.0000000e+00],
       [1.0474430e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [2.4614911e+00],
       [0.0000000e+00],
       [1.0474430e-01],
       [8.3795440e-01],
       [0.0000000e+00],
       [2.0948860e-01],
       [5.2372152e-01],
       [5.2372152e-01],
       [1.0474430e-01],
       [4.1897720e-01],
       [5.2372152e-01],
       [1.0474430e-01],
       [2.6709797e+00],
       [1.0736290e+00],
       [8.3795440e-01],
       [0.0000000e+00],
       [0.0000000e+00],
       [0.0000000e+00],
       [1.3093038e-01],
       [1.3093038e-01],
       [1.3878620e+00],
       [4.1897720e-01],
       [1.2569315e+00],
       [3.1423289e-01],
       [2.0948860e-01]], dtype=float32)




# 目标追踪
# 设置窗口搜索终止条件，最大迭代次数，窗口中心飘移最小值
term_crit = (cv.TERM_CRITERIA_EPS | cv.TERM_CRITERIA_COUNT,10,1)
while(True):
    ret,frame = cap.read()
    if ret == True:
        # 计算直方图的反向投影
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        dst = cv.calcBackProject([hsv],[0],roi_hist,[0,180],1)
        # 进行meanshift目标追踪
        ret,track_window = cv.CamShift(dst,track_window,term_crit)
        # 将追踪的位置绘制在视频中
        pts = cv.boxPoints(ret)
        pts = np.int0(pts)
        res = cv.polylines(frame,[pts],True,255,2)
        cv.imshow('frame',res)
        # 终止
        if cv.waitKey(60) & 0xFF == ord('q'):
            break
    else:
        break
# 释放资源
cap.release()
cv.destroyAllWindows()

总结

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pasHYwxz-1637755673400)(attachment:image.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AZPV71Mc-1637755673402)(attachment:image.png)]

文章标签：
算法
关键词：
Python视频
视觉Python
OpenCV视频
机器OpenCV
机器视觉Python
WSKH0929
目录
相关文章
途途途途
|
8天前
|
自然语言处理 数据挖掘 开发者
Python腾讯视频16978条弹幕，发现弹幕比剧还精彩
Python腾讯视频16978条弹幕，发现弹幕比剧还精彩
途途途途
21 4
Python腾讯视频16978条弹幕，发现弹幕比剧还精彩
未名编程
|
2月前
|
Python
Python使用ffmpeg下载m3u8拼接为视频
Python使用ffmpeg下载m3u8拼接为视频
未名编程
106 1
阿旭算法与机器学习
|
2月前
|
存储 Python
python实现图片与视频转换：将视频保存为图片，将批量图片保存为视频
python实现图片与视频转换：将视频保存为图片，将批量图片保存为视频
阿旭算法与机器学习
41 0
AI之家
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
【深度学习】python之人工智能应用篇——视频生成技术
视频生成技术是一种基于深度学习和机器学习的先进技术，它使得计算机能够根据给定的文本、图像、视频等单模态或多模态数据，自动生成符合描述的、高保真的视频内容。这种技术主要依赖于深度学习模型，如生成对抗网络（GAN）、自回归模型（Auto-regressive Model）、扩散模型（Diffusion Model）等。其中，GAN由两个神经网络组成：一个生成器用于生成逼真的图像或视频，另一个判别器用于判断生成的图像或视频是否真实。通过不断的对抗学习，生成器和判别器共同优化，以产生更高质量的视频。
AI之家
10 2
龙大吉
|
27天前
|
数据可视化 数据挖掘 Python
告别枯燥数字，拥抱视觉盛宴！Python 数据分析中的数据可视化艺术，你 get 了吗？
【7月更文挑战第23天】在数据驱动时代，Python的Matplotlib、Seaborn与Plotly等库使数据可视化成为洞察信息的关键工具。不仅转化数字为图形，更是视觉传达故事。示例代码展示从基础图表到箱线图、小提琴图和热力图的创建过程，强调选择合适图表、简洁设计与色彩的重要性。Python赋能数据可视化，开启数据理解新视角，助于揭示模式、辅助决策。✨📊💡 （总计239字符）
龙大吉
39 7
李木子2024
|
28天前
|
机器学习/深度学习 数据可视化 开发者
视觉的力量！Python 机器学习模型评估，Matplotlib 与 Seaborn 如何助力决策更明智？
【7月更文挑战第23天】在Python机器学习中,模型评估不可或缺。Matplotlib与Seaborn作为数据可视化工具,助力洞察模型性能。Matplotlib基础灵活,构建复杂图表;Seaborn在其上层,简化绘图,提升美观。从折线图追踪损失到条形图对比准确率,两者互补,促进高效决策制定。尽管Matplotlib掌控力强,但Seaborn友好快捷,适于统计图形。结合使用,可将数据转化成深刻见解。
李木子2024
26 6
python编程狮
|
13天前
|
数据采集 JSON 数据处理
基于Python的B站（哔哩哔哩）视频评论采集，可破解反爬手段，想爬几条爬几条
本文介绍了一个基于Python的B站（哔哩哔哩）视频评论采集工具，能够通过输入视频的av号、BV号或链接，并使用特定的cookie和请求头信息来绕过反爬手段，实现大规模的评论数据采集，并支持将数据解析并保存为CSV格式。
python编程狮
29 0
小空门123-30335
|
1月前
|
机器学习/深度学习 XML 计算机视觉
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库，它提供了大量的函数和工具，用于处理图像和视频数据。
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库，它提供了大量的函数和工具，用于处理图像和视频数据。
小空门123-30335
22 0
未名编程
|
2月前
|
计算机视觉 Python
【干货】Python玩转各种多媒体，视频、音频到图片
【干货】Python玩转各种多媒体，视频、音频到图片
未名编程
36 1
蓝色流星86
|
2月前
|
编解码 Linux 计算机视觉
python 调用ffmpeg使用usb摄像头录制视频，输出h264格式，自动获取摄像头的最佳帧率和最大画面尺寸
使用 Python 调用 FFmpeg 进行 USB 摄像头视频录制，需先确保安装 FFmpeg 和 Python 的 `subprocess` 模块。代码示例展示了如何自动获取摄像头的最佳帧率和最大分辨率，然后录制视频。首先通过 FFmpeg 列出摄像头格式获取信息，解析出帧率和分辨率，选择最优值。之后调用 FFmpeg 命令录制视频，设置帧率、分辨率等参数。注意 `/dev/video0` 是 Linux 的摄像头设备路径，Windows 系统需相应调整。代码中未直接实现自动获取最佳参数，通常需要借助其他库如 OpenCV。
蓝色流星86
165 3

热门文章

最新文章

  • 1
    Python-OpenCV学习（十）用GrabCUt算法进行图片前景的提取
  • 2
    OpenCV 脸部跟踪(2)
  • 3
    【OpenCV C++&Python】（一）图像读取、显示和保存
  • 4
    【OpenCV学习】ROI区域
  • 5
    关于opencv中人脸识别主函数的部分注释详解。
  • 6
    OpenCV学习(4) Mat的基本操作(1)
  • 7
    opencv条码(5)边缘检测
  • 8
    OpenCV学习(12) 图像的腐蚀与膨胀(3)
  • 9
    Opencv中直线的表示方法
  • 10
    OpenCV 1 图像分割--分水岭算法代码
  • 1
    【Python机器学习专栏】机器学习在物联网（IoT）中的集成
    114
  • 2
    【Python 机器学习专栏】机器学习在医疗诊断中的前沿应用
    321
  • 3
    【Python机器学习专栏】联邦学习：保护隐私的机器学习新趋势
    78
  • 4
    【Python机器学习专栏】迁移学习在机器学习中的应用
    54
  • 5
    【Python 机器学习专栏】强化学习在游戏 AI 中的实践
    221
  • 6
    【Python机器学习专栏】深度学习在自动驾驶中的应用
    119
  • 7
    【Python 机器学习专栏】自然语言处理中的深度学习应用
    57
  • 8
    【Python机器学习专栏】金融数据分析中的机器学习应用
    413
  • 9
    【Python机器学习专栏】文本分类的机器学习应用
    37
  • 10
    【Python机器学习专栏】使用Python进行图像分类的实战案例
    109

    • 相关课程

    更多
  • Python Web开发基础
  • Python爬虫实战
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车巡线
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车跟车
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车识别路牌停车
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车多车跟随
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车综合实验

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • golang
    • 下一篇
    通义千问API入门教程