計算機視覺是目前深度學習領域最熱門的研究領域之一。計算機視覺實際上是一個跨領域的交叉學科，包括計算機科學、數學、工程學、物理學、生物學和心理學等。許多科學家認爲，計算機視覺爲人工智能的發展開拓了道路，如果想要更加深入的學習計算機視覺，那麼就一定要關注這6個開源項目。
推薦項目1、簡單高效的車牌識別引擎 EasyPR
EasyPR是一箇中文的開源車牌識別系統，其目標是成爲一個簡單、高效、準確的車牌識別引擎。
項目特點：
1.它基於openCV這個開源庫。這意味着你可以獲取全部源代碼，並且移植到java等平臺。
2.它能夠識別中文。例如車牌爲蘇EUK722的圖片，它可以準確地輸出std:string類型的"蘇EUK722"的結果。
3.它的識別率較高。圖片清晰情況下，車牌檢測與字符識別可以達到80%以上的精度。
項目地址：https://gitee.com/easypr/EasyPR
推薦項目2、基於深度學習的人臉檢測與識別系統 DFace
基於多任務卷積網絡(MTCNN)和Center-Loss的多人實時人臉檢測和人臉識別系統，所有功能都採用pytorch框架開發。
項目特點：
1.pytorch是一個由facebook開發的深度學習框架，它包含了一些比較有趣的高級特性，例如自動求導，動態構圖等。DFace天然的繼承了這些優點，使得它的訓練過程可以更加簡單方便，並且實現的代碼可以更加清晰易懂。
2.DFace可以利用CUDA來支持GPU加速模式。我們建議嘗試Linux GPU這種模式，它幾乎可以實現實時的效果。
項目地址：https://gitee.com/kuaikuaikim/dface
推薦項目3、高性能開源中文車牌識別框架 HyperLPR
HyperLRP是一個開源的、基於深度學習高性能中文車牌識別庫，由北京智雲視圖科技有限公司開發，支持PHP、C/C++、Python語言，Windows/Mac/Linux/Android/IOS 平臺。
項目特點：
1.速度快 720p,單核 Intel 2.2G CPU (MaBook Pro 2015)平均識別時間低於100ms
2.基於端到端的車牌識別無需進行字符分割
3.識別率高,卡口場景準確率在95%-97%左右
4.輕量,總代碼量不超1k行
項目地址：https://gitee.com/zeusees/HyperLPR
推薦項目4 Java人臉識別庫 seetafaceJNI
基於中科院seetaface2進行封裝的Java人臉識別庫，支持人臉識別、1:1比對、1:N比對。
項目地址：https://gitee.com/cnsugar/seetafaceJNI
推薦項目5、手寫體數字識別軟件 EasyOCR
採用BP神經網路，基於colt數學庫，有完整源碼，可以保存訓練結果，基於開源例程neuralnetwork-sample，原作可以在GitHub中找到。主要改進了訓練結果保存，並新增500張手寫訓練樣本照片，新增6076幅MNIST訓練圖片。
項目地址：https://gitee.com/jerryshensjf/EasyOCR
推薦項目6、CNN識別4位字符驗證碼 verification-decoder
使用TensorFlow，CNN識別4位字符驗證碼，60萬次訓練，90.02%正確率。通過訓練CNN（卷積神經網絡）對4位驗證碼識別，其中字符有0-9a-zA-Z共計62種，但是預測結果不區分大小寫，所以最終預測結果爲36種。驗證碼由多個字體、顏色、干擾線隨機生成。
項目地址：https://gitee.com/kdldbq/verification-decoder