- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
虽然我一直在研究最佳实践并为正在进行的项目试验多种选择(即 Vuforia 中具有原生集成的 Unity3D iOS 项目,使用 AVFoundation 提取帧,然后通过基于云的图像识别传递图像),但我得出的结论是,我想使用 ARkit、Vision Framework 和 CoreML;让我解释。
我想知道如何捕获 ARFrame,使用 Vision Framework 来检测和跟踪使用 CoreML 模型的给定对象。
此外,一旦对象被识别并能够在手势触摸时添加 AR 对象,拥有一个边界框会很好,但这是可以在完成实体项目后实现的。
这无疑是可能的,但我不确定如何通过 Vision 将 ARFrames 传递给 CoreML 进行处理。
有任何想法吗?
最佳答案
更新:苹果现在有一个 sample code project执行其中一些步骤。继续阅读那些你仍然需要弄清楚自己的人......
几乎所有的部分都可以用来做你想做的事情……你大部分时候只需要把它们放在一起。
您获得 ARFrame
s 或者通过定期轮询 ARSession
为其 currentFrame
或将它们推送给您的 session 代表。 (如果您正在构建自己的渲染器,则为 ARSessionDelegate
;如果您正在使用 ARSCNView
或 ARSKView
,则它们的委托(delegate)回调引用 View ,因此您可以从那里返回 session 以获取currentFrame
导致回调。)ARFrame
提供电流 capturedImage
以 CVPixelBuffer
的形式.
您将图像传递给 Vision使用 VNImageRequestHandler
进行处理或 VNSequenceRequestHandler
类,它们都具有采用 CVPixelBuffer
的方法作为要处理的输入图像。
CVPixelBuffer
到愿景。 (他们在该演示中从 AVCapture 获取像素缓冲区,但如果您从 ARKit 获取缓冲区,则 Vision 部分是相同的。)
VNClassificationObservation
填充告诉您场景是什么的对象(或“可能是”,具有置信度等级)。
VNCoreMLFeatureValueObservation
对象。这些有点像任意键值对,因此您如何从中识别对象取决于您如何构建和标记模型的输出。
关于computer-vision - 带有 ARkit 和 CoreML 的视觉框架,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44976459/
我正在从 spring boot maven 项目调用 google vision OCR api 以从图像中提取文本。 public class TestGoogleVision { Buffere
是否可以使用 Google Vision API 读取姓名、地址、出生日期等身份证信息?在文档中,我找到了一些东西,但我不知道如何使用它。 https://developers.google.com/
请看两个测试结果。 有两种语言,但 Cloud vision api 总是以一种语言返回结果。 我们能否告诉图像中需要哪种语言,以便引擎可以尝试识别所有字符,即使它们是不同的语言? 1. 原图有3个汉
如何调用 Vision API 并在图像上应用多个功能。 我想在图像上同时应用标签检测和地标检测 最佳答案 您可以如下定义您的请求,以在每个图像中包含多个功能请求 "requests":[
我正在探索 Cloud Vision API 的功能,我想知道是否有任何方法可以检测标签检测下对象的尺寸。例如,如果您在街上拍摄汽车的照片,则 Cloud Vision API 将返回汽车的尺寸(长度
首先,请原谅我的英语不好。我在里面工作。 我正在从事计算机视觉应用方面的工作。我正在使用网络摄像头。主循环是这样的: while true get frame process
我正在尝试训练一个模型来识别图像中的某些标签。我尝试使用 1 小时免费版本,一小时后培训结束。结果并不像我想要的那么准确,所以我冒险选择了没有定义训练模型的具体时间限制的选项。 此时,它显示“训练视觉
我试图识别的最简单的例子: 我用 DOCUMENT_TEXT_DETECTION ,但在答案中我得到了象形文字。 如果我使用 Eng在 ImageContext addAllLanguageHints
我将其交叉发布到 Cloud Vision 的谷歌组... 并添加了一些额外的发现。 以下是我认为相关的所有细节: 使用 VB.NET 2010 使用服务帐号认证 仅限于 .NET 4.0 使用这些
我正在尝试使用 Google Vision API。我正在关注 getting started guide : 我已启用 Cloud Vision API 我已启用计费 我已经设置了 API key
我对使用Microsoft的认知服务还很陌生。我想知道MS Computer Vision API和MS Custom Vision API有什么区别? 最佳答案 它们都处理图像上的计算机视觉,但是希
知道如何将规范化顶点转换为顶点吗?归一化顶点给出了图像上的相对位置,而顶点根据图像的比例返回坐标。我有一组标准化顶点,我想将其转换为常规顶点。 https://cloud.google.com/vis
我正在使用 google cloud vision api 来分析图片。是否有 labelAnnotations 方法的所有可能响应的列表? 最佳答案 API reference Vision API
Google Cloud Vision API(测试版)的第 1 版允许通过 TEXT_DETECTION 请求进行光学字符识别。虽然识别质量很好,但返回的字符没有任何原始布局的暗示。因此,结构化文本
假设我有图像并且我想用西类牙语为它们生成标签 - Google Cloud Vision API 是否允许选择以哪种语言返回标签? 最佳答案 标签检测 Google Cloud Vision API
我使用 import torchvision 时遇到的错误这是: 错误信息 "*Traceback (most recent call last): File "/Users/gokulsrin/
我正在为 Google Cloud Vision API 使用 Python 客户端,与文档中的代码基本相同 http://google-cloud-python.readthedocs.io/en/
我正在查看 Google AutoML Vision API 和 Google Vision API。我知道,如果您使用 Google AutoML Vision API,那么它就是一个自定义模型,因
我正在查看 Google AutoML Vision API 和 Google Vision API。我知道,如果您使用 Google AutoML Vision API,那么它就是一个自定义模型,因
由于火线相机由于带宽限制而变得过时,相机制造商似乎正在转向 USB 3.0 或千兆以太网接口(interface)。两者都有许多制造商都遵守的标准 USB3 Vision 和 GigE Vision。
我是一名优秀的程序员,十分优秀!