Хорошо получилось ?? По поводу Вашего вопроса: в example.ipynb в репозитории есть всё необходимое для запуска примеров, в том числе и скачивание shape_predictor_68_face_landmarks.dat
Я особо не пользовался данным модулем в своих проектах, так как в основном работал на PyTorch. Но могу сказать, что аналогично OpenCV в нём написано много оптимизированных алгоритмов на C++, которые даже можно запускать на GPU. Это несомненно, плюс. Но в ней всё-равно ограниченный функционал, и она, подобно torchvision, больше заточена на DL задачи, тогда как OpenCV охватывает широкий спектр задач. Так что рано или поздно придётся прибегнуть к OpenCV. К тому же, для использования tensorflow.image нужно устанавливать Tensorflow, с которым зачастую случаются траблы с зависимостями и который плохо поддерживается.
Тут уже решать сообществу. Если встретит эту идею положительно, значит будут контрибьюты и единомышленники, с которыми можно допилить проект и заниматься поддержкой.
cv2 хоть и написан на Python как интерфейс к OpenCV, но он не избавился от "плюсовости". Это делает его низкоуровневым, но зато обратно совместимым. Отсюда и вытекают недочёты интерфейса, озвученные в этой статье, для решения которых и была написана эта обёртка. Поэтому я почти уверен, что и через 10 лет интерфейсные моменты opencv-python не изменятся, и текущая версия cv3 будет актуальной.
Почему я решил не котрибьютить напрямую в opencv-python я также написал в статье.
Я пока не видел подобных библиотек. Это решение призвано сделать UI/UX использования OpenCV лучше. Выбор за вами: пользоваться ей или нет.
UPD: Теперь Apache 2.0
Сделал везде такой же, как у opencv-python: Apache 2.0
Хорошо получилось ??
По поводу Вашего вопроса: в example.ipynb в репозитории есть всё необходимое для запуска примеров, в том числе и скачивание shape_predictor_68_face_landmarks.dat
@retry
Ваш вопрос:
Что это значит?
Ответ:
В cv2 изображение всегда ожидается в uint8 формате, координаты и цвет обязательно целого типа и т.д. и т.п.
Я особо не пользовался данным модулем в своих проектах, так как в основном работал на PyTorch. Но могу сказать, что аналогично OpenCV в нём написано много оптимизированных алгоритмов на C++, которые даже можно запускать на GPU. Это несомненно, плюс. Но в ней всё-равно ограниченный функционал, и она, подобно torchvision, больше заточена на DL задачи, тогда как OpenCV охватывает широкий спектр задач. Так что рано или поздно придётся прибегнуть к OpenCV. К тому же, для использования tensorflow.image нужно устанавливать Tensorflow, с которым зачастую случаются траблы с зависимостями и который плохо поддерживается.
Тут уже решать сообществу. Если встретит эту идею положительно, значит будут контрибьюты и единомышленники, с которыми можно допилить проект и заниматься поддержкой.
Спасибо) По поводу лицензии: да, забыл везде обновить. Уже поправил
Спасибо, что обратили внимание. Забыл везде заменить на MIT.
Согласен, это как раз таки в планах, если найдутся единомышленники. Если бы начал переписывать cv2 с нуля, то эту статью увидели бы не скоро)
cv2 хоть и написан на Python как интерфейс к OpenCV, но он не избавился от "плюсовости". Это делает его низкоуровневым, но зато обратно совместимым. Отсюда и вытекают недочёты интерфейса, озвученные в этой статье, для решения которых и была написана эта обёртка. Поэтому я почти уверен, что и через 10 лет интерфейсные моменты opencv-python не изменятся, и текущая версия cv3 будет актуальной.
Почему я решил не котрибьютить напрямую в opencv-python я также написал в статье.
Я пока не видел подобных библиотек. Это решение призвано сделать UI/UX использования OpenCV лучше. Выбор за вами: пользоваться ей или нет.