AI 影像辨識教學
本篇文章彙整了一系列 Python AI 影像辨識教學,只要按照教學文的順序閱讀和實作,就可以輕鬆入門 AI 影像辨識,做出人臉辨識、姿勢辨識、手勢辨識、數字辨識、物件追蹤...等影像辨識應用。
下列所有 AI 影像辨識都會使用 OpenCV,請先閱讀:OpenCV 教學
使用 OpenCV 進行影像辨識
下面這幾篇文章,使用 OpenCV 內建功能所實現的影像辨識或影像追蹤,當中除了汽車偵測和行人偵測的準確度比較差,其他的準確度和速度都相當不錯。
使用 MediaPipe
下面這幾篇文章,始使用 MediaPipe 搭配 OpenCV,實作出人臉偵測、姿勢偵測、手掌偵測、手勢辨識...等更進階的影像辨識,由於 MediaPipe 在 2023 年有進行較大的更新和改版,雖然舊版程式碼仍然可以運作,但仍建議使用新版的寫法:
舊版寫法:
- 使用 MediaPipe ( 安裝與啟動 )
- Mediapipe 人臉偵測 ( Face Detection )
- 使用 MediaPipe ( 安裝與啟動 )
- Mediapipe 人臉偵測 ( Face Detection )
- Mediapipe 人臉網格 ( Face Mesh )
- Mediapipe 手掌偵測 ( hands )
- Mediapipe 姿勢偵測 ( Pose )
- Mediapipe 全身偵測 ( Holistic )
- Mediapipe 物體偵測 ( Objectron )
- Mediapipe 人物去背 ( Selfie Segmentation )
- Mediapipe 手勢辨識
- Mediapipe 辨識比中指,自動馬賽克
- Mediapipe 辨識手指,用手指在影片中畫圖
- Mediapipe 辨識手指,做出手指擦除鏡子霧氣的效果
- Mediapipe 即時合成搞笑橘子臉
使用 Teachable Machine
下面這幾篇文章,會介紹如何使用 Google 的 Teachable Machine,實際進行訓練影像分類的動作,並將訓練好的影像應用於影像辨識的情境中,最後會透過 tensorflow 搭配 OpenCV KNN 演算法,辨識出手寫的阿拉伯數字。
其他影像辨識範例
下面這幾篇文章,綜合應用了 OpenCV、tensorflow...等技巧,屬於比較進階的影像辨識範例。
意見回饋
如果有任何建議或問題,可傳送「意見表單」給我,謝謝~