都是之前整理素材時的庫存，如前所述慢慢同步更新~

顏色檢測

從檢測顏色到綠幕應(yīng)用（用自定義視頻或背景替換綠色背景），再到簡單的照片編輯軟件，構(gòu)建顏色識別器是計算機(jī)視覺入門的一個很棒的項目

項目地址：

https://github.com/mpatacchiola/deepgaze

目標(biāo)跟蹤

一句話概括目標(biāo)跟蹤就是，根據(jù)先前的信息估計場景中存在目標(biāo)的狀態(tài)，可以使用一個對象（例如汽車）或多個對象（例如行人、動物等）的視頻來構(gòu)建簡單的跟蹤模型

實際上，該模型執(zhí)行兩項任務(wù)：預(yù)測對象的下一個狀態(tài)并根據(jù)對象的真實條件校正該狀態(tài)

項目地址：

https://github.com/JunweiLiang/Object_Detection_Tracking

行人檢測

構(gòu)建物體檢測模型來檢測行人是最簡單（最爛大街）、最便捷的視覺項目之一

只需要一個相關(guān)的高質(zhì)量圖像數(shù)據(jù)集和一個數(shù)據(jù)訓(xùn)練平臺來訓(xùn)練和測試模型，稍微特殊點(diǎn)的場景需要標(biāo)注，且免費(fèi)的標(biāo)注平臺也很多

項目地址：

https://github.com/kuanhungchen/awesome-tiny-object-detection

手勢識別

手勢識別是一項稍復(fù)雜點(diǎn)的計算機(jī)視覺任務(wù)，首先將手區(qū)域與背景分開，然后分割手指以預(yù)測手勢

如果想讓模型簡單，完全可以使用OpenCV，三哥的視頻就是?；贠penCV，訓(xùn)練之后可以使用網(wǎng)絡(luò)攝像頭測試

項目地址：

https://github.com/ahmetgunduz/Real-time-GesRec

情緒識別

想試試更具挑戰(zhàn)性的任務(wù)，可以考慮構(gòu)建情緒檢測模型。將模型建立在六種主要的面部情緒之上：快樂、悲傷、憤怒、恐懼、厭惡和驚訝

該項目的三個主要組成部分包括圖像預(yù)處理、特征提取和特征分類

項目地址：

https://github.com/atulapra/Emotion-detection

車道線檢測

這也是我當(dāng)年一步步完成的小項目，無論是深度學(xué)習(xí)方法還是傳統(tǒng)方法，就面試來看還會問到這些傳統(tǒng)圖像算法

車道線檢測主要用于自動駕駛，是一個有趣的初學(xué)者項目

項目地址：

https://github.com/oneshell/road-lane-detection

車牌識別

車牌識別是計算機(jī)視覺領(lǐng)域中OCR識別的應(yīng)用之一，但是該項目存在兩個挑戰(zhàn)：數(shù)據(jù)收集和車牌格式因地區(qū)而異。

注意：車牌號被認(rèn)為是敏感數(shù)據(jù)，因此在構(gòu)建模型時請確保使用開源數(shù)據(jù)集。

一個簡單的自動車牌識別系統(tǒng)可以使用基本的圖像處理技術(shù)，比如使用 OpenCV

然而，更進(jìn)階一點(diǎn)的使用物體檢測器，如深度學(xué)習(xí)模型YOLO等

項目地址：

https://github.com/sergiomsilva/alpr-unconstrained

MNIST手寫數(shù)字分類

這個項目常常出現(xiàn)在新手教程中，是一個不錯的上手項目，使用 MNIST 數(shù)據(jù)集構(gòu)建一個簡單的數(shù)字識別器

當(dāng)使用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型時，將會在這其中學(xué)習(xí)如何開發(fā)、評估和使用卷積深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類

MNIST 數(shù)據(jù)集包含 60,000 個示例的訓(xùn)練集和 10,000 個示例的測試集：

項目地址：

https://github.com/GoogleCloudPlatform/tensorflow-without-a-phd/tree/master/tensorflow-mnist-tutorial

人臉識別

該項目號稱世界上最簡潔的人臉識別庫，操作簡單，使用Python和命令行提取、識別、操作人臉

該項目的人臉識別是基于業(yè)內(nèi)領(lǐng)先的C++開源庫 dlib中的深度學(xué)習(xí)模型，用Labeled Faces in the Wild人臉數(shù)據(jù)集進(jìn)行測試，有高達(dá)99.38%的準(zhǔn)確率。但對小孩和亞洲人臉的識別準(zhǔn)確率尚待提升。

項目地址：

https://github.com/ageitgey/face_recognition

口罩識別

在持續(xù)的COVID-19流感中，目前交通工具、人口密集區(qū)、住宅區(qū)、大型制造商和其他企業(yè)需要高效率的口罩檢測應(yīng)用程序以確保安全。該項目可以與嵌入式系統(tǒng)集成，應(yīng)用于機(jī)場、火車站、辦公室、學(xué)校和公共場所，以確保遵守公共安全準(zhǔn)則

項目地址：

https://github.com/AIZOOTech/FaceMaskDetection

交通燈檢測

最后，經(jīng)典的交通燈檢測任務(wù)，在智能交通領(lǐng)域得到應(yīng)用

項目地址：

https://github.com/erdos-project/pylot