一段时间以来,我一直在使用OpenCV。它满足了我对特征提取,匹配和聚类(k-means到现在)和分类(SVM)的所有需求。最近,我遇到了Apache Mahout。但是,大多数机器学习算法也已在OpenCV中提供。如果工作涉及视频和图像,是否有使用Mahout优于OpenCV的优势?OpenCV vs Mahout基于计算机视觉的机器学习?
2
A
回答
2
由于是基于意见的,因此此问题可能会被搁置。我仍然想添加一个基本的比较。
OpenCV能够处理任何可能被研究或发明的视觉和毫升。视觉文学是以它为基础的,它是根据文献发展起来的。甚至可以使用OpenCV(http://gnebehay.github.io/OpenTLD/)在一些努力下实现新出生的ml算法(如TLD),起源于MATLAB-(http://www.tldvision.com/)。
Mahout也有能力,具体到ml。它不仅包括众所周知的ml算法,还包括特定的算法。假设您遇到纸张“用K-means Orientation Filtering处理苹果”。您可以在网络上找到本文的OpenCV实现。即使是实际的算法也可能是开源的,并且使用OpenCV开发。随着OpenCV的,说需要500行代码,但亨利马乌,纸张可能已经与single method making everything easier
实现的一个例子对这个案子是http://en.wikipedia.org/wiki/Canopy_clustering_algorithm,这是很难用OpenCV的立即实施。
由于您要使用图像数据集,因此您还需要了解HIPI。
总之,这里是一个简单的亲CON表:
诀窍(学习曲线): OpenCV的是比较容易的,因为你已经知道这件事。 Mahout + HIPI需要更多时间。
示例:文学+视觉社区通常使用OpenCV。开源算法大多是用OpenCV的C++ api创建的。
ml算法: Mahout只有约ml,而OpenCV更通用。 OpenCV仍然可以访问基本的ml算法。
发展:Mahout的是更容易的编码和时间复杂度与工作(我不知道关于后者,但我认为这是)。
相关问题
- 1. OpenCV,计算机视觉
- 2. 有关机器学习/计算机视觉领域实用方法的问题
- 3. 如何预测机器学习基于计算的数据?
- 4. 关于机器学习,统计学习算法
- 5. 机器学习库OpenCV 2.1
- 6. 用Mathematica计算机视觉
- 7. 机器人和计算机视觉
- 8. 使用Apache Mahout机器学习库
- 9. 学习计算机图形
- 10. 计算机视觉库
- 11. Python/OpenCV - 基于机器学习的OCR(图像到文本)
- 12. 用于OpenCV机器学习算法的CSV格式
- 13. 基本机器学习
- 14. 机器学习算法
- 15. 如何学习计算机科学
- 16. 跟踪人员是计算机视觉的相机示波器
- 17. 云计算机视觉
- 18. 计算机视觉库
- 19. 计算机视觉/图像处理经典练习?
- 20. 如何学习计算机视觉编程和实时图像处理的基本概念
- 21. 基于机器学习的边缘检测器
- 22. 图像处理和计算机视觉
- 23. 用于后续计算机视觉处理的屏幕捕获
- 24. 统计帮助计算机视觉
- 25. OpenCV + Python + GigE视觉相机
- 26. 机器学习在Python:scikit学习/ Pybrain
- 27. 此任务的机器学习算法?
- 28. pyspark streaming适合机器学习/科学计算吗?
- 29. 用于凝聚层次聚类的OpenCV机器学习库
- 30. 用于机器学习部分的OpenCV 2.2 python绑定