上一讲中，我们了解了python打开图片的方法，当图片被读入内存后，我们便可以对图像按照自己的意愿进行处理了（它的本质就是一个数组，对应于数学中的矩阵）。对于一些常见的图像操作，我们可以自己来编写处理方法，也就是自己造轮子，但这样做有一个弊端——会让我们陷入各种编程技巧的汪洋大海中。我们编程的目的是为了处理图像，所以我们只应关注算法本身。为了避免让更多的人重复造轮子，本文的主角——opencv（上图为opencv Logo）诞生了，它是由英特尔（就是造PC处理器的那家）主导的一个开源项目（由C&C++编写），它里面提供了大量的图像操作方法及处理算法。太科罗技的前三期视频中介绍了opencv C语言版本的一些简单应用。本文就将介绍如何在python中使用opencv算法库。
YOLOV3算法解读
在yolov3前，还有yolov2以及yolo 2个版本，YOLO 的核心思想是用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别，由于yolo前2个版本的缺陷，作者发布了第三个版本yolov3，其yolov3在不同训练集上的速度与精确度远远大于Faster R-CNN，ResNet，SSD等训练算法，yolo算法的发布便引起了大家的广泛关注