Comments 6
Спасибо за статью! Очень интересная!
Мне статья не очень понравилась. OpenCV--отличная библиотека, но это всего лишь реализация алгоритмов. А статья читается так, как будто бы все алгоритмы и deep learning были придуманы командой OpenCV (даже заголовок намекает на это). Но алгоритмы придумывались в соответствующих научных группах, коих сотни, если не тысячи, представлялись на десятках конференций по компьютерному зрению, печатались в журналах, которых по компьютерному зрению тоже сотни. Кроме того, есть множество других библиотек компьютерного зрения и обработки изображений. ImageMagick, ImageJ, scikit-image (в питоне), в R, в MATLAB. Вот, например, Yann LeCun представляет сверточные нейронные сети в 1993 году: https://www.youtube.com/watch?v=FwFduRA_L6Q
То же так показалось. И про фокусировку загнули, и про дорожные знаки, ну и про DL.
К слову DNN модуль в opencv штука так себе.
P.s. сам я большой фанат opencv и пользуюсь уже 10 лет
Ну что вы хотите, когда все это начиналось нам было лет по 20 с хвостиком:) Да в начале, конечно, реализовывали известные алгоритмы по статьям. Подкручивали, оптимизировали... Но ведь полетело же :)
OpenCV как библиотека мне очень нравится и мы в команде ей много пользуемся, спасибо вам за нее. Мое недовольство было именно статьей, что это как-то непропорционально отражено в статье. А реализация алгоритмов по научным статьям/книгам--это, наверное, все равно единственный разумный подход, если писать библиотеку алгоритмов. Даже если не писать библиотеку, а решать какую-то задачу. И уже потом, если стандартных алгоритмов не хватает из коробки, пытаться комбинировать/допиливать/модифицировать. Ну и еще раз перепроверить state of the art :-) Потому что на создание своих алгоритмов с нуля в итоге уйдет столько же времени, как и у тех, кто их уже придумал, и, скорее всего, они будут намного хуже.
Как открывали глаза компьютерам