opencv标签_AI编程社区

opencv

换源安装 torch-gpu

本文介绍了使用南京大学开源镜像站快速安装PyTorch-GPU的方法。由于官方源下载速度慢且不稳定，而阿里云镜像更新不及时，推荐使用南京大学镜像源。只需将官方安装命令中的下载地址替换为https://mirrors.nju.edu.cn/pytorch/whl/即可，该镜像站同步更新及时且下载速度快。文中提供了具体替换示例，帮助用户快速完成PyTorch-GPU的安装。

아이유_이지은
2026-05-19 16:04:23

 104

#人工智能 #opencv #pytorch
别再用ZBar硬扛了！YOLO+OpenCV搞定工业现场所有歪扭模糊条码

工业条码识别难题的终极解决方案：YOLO+ZBar组合技针对工业场景中条码识别面临的倾斜、反光、模糊等难题，本文提出了一种高效解决方案。通过YOLO目标检测精准定位条码位置，配合角度矫正算法（关键点在于正确处理minAreaRect返回的角度），最后用ZBar完成识别。该方法仅需OpenCV、Ultralytics和PyZBar三个库，使用预训练模型yolov8n-barcode.pt即可实现9

Java程序员威哥
2026-05-21 08:51:37

 472

 10

#opencv #人工智能 #计算机视觉 +2
基于AI图像识别的菜品食品视觉识别系统demo源码

1.估算出其中所含的卡路里、蛋白质、脂肪、碳水化合物等营养成分。2.识别不同菜肴的特征，如形状、颜色、纹理等，从而实现高精度的识别

 白马山的香客
2026-05-21 16:48:38

 339

 12

#算法 #java #opencv +3
C# 工业机器视觉平台，实现 OpenCV 与深度学习算法的可视化编排

工业机器视觉软件平台，通过C#/C++混合编程，结合可视化流程编辑技术，成功开发了一套功能强大、稳定可靠的工业检测解决方案。它不仅降低了机器视觉应用的开发门槛，还通过强大的扩展性和兼容性，满足了多样化的工业现场需求。在处理速度上，得益于C++底层算法的加持，即使面对高分辨率图像，也能保证毫秒级的处理速度，满足产线的节拍要求。支持流程的保存与加载，实现检测任务的配置化管理。它不仅能够完成基础的图像采

 dotNET跨平台
2026-05-22 08:00:00

 60

#c##opencv #深度学习 +2
从 OpenCV 模板匹配到 YOLO：TFT 截图识别模块的一次升级

在前几篇文章中，项目已经完成了 TFT 阵容顾问的资源构建、英雄识别、装备识别和截图路由层。旧方案主要依赖 tft_screen_capture.py，通过 OpenCV 完成六边形边框检测、HSV 直方图粗筛、灰度 NCC 模板匹配等流程。这套方案的优点是实现清晰、依赖轻、CPU 即可运行，但随着识别场景变复杂，它的上限也逐渐暴露出来：截图来源不统一、边框颜色变化、英雄头像缩放、UI 遮挡、无框

 Stan@34
2026-05-24 13:01:42

 381

 8

#opencv #人工智能
机器学习实战｜基于随机森林的垃圾邮件识别

电子邮件作为现代通信核心工具，被广泛应用于个人、企业与政务场景。与此同时，垃圾邮件（Spam）充斥邮箱，主要包含广告推广、诈骗信息、恶意链接、病毒文件等，不仅占用存储空间、浪费用户时间，还可能引发隐私泄露、财产损失等安全问题。传统垃圾邮件过滤方式多依赖关键词匹配、规则黑名单，难以应对垃圾邮件的变种与伪装，泛化能力极差。而机器学习分类算法可从邮件文本特征中自动学习规律，实现高效、精准、自适应的垃圾邮

 2401_88566519
2026-05-27 12:05:49

 403

 8

#pandas #opencv #python
吴恩达深度学习基础

本文总结了神经网络与深度学习的核心知识体系，重点包括：神经网络基础：监督与非监督学习、ReLU与Sigmoid激活函数的区别、逻辑回归的损失函数、梯度下降算法及其变体（BGD/SGD/MBGD）、梯度消失与爆炸问题及解决方案（如BatchNorm、残差连接）、反向传播算法与向量化加速计算。深度神经网络：L层网络的构建、前向与反向传播、深度表示的优势（自动特征学习、层级化语义表达）、参数初始化方

 Hello world.Joey
2026-05-28 21:24:24

 327

 6

#计算机视觉 #算法 #深度学习 +4
图像处理的知识（一）

YOLOv3/v4/v5/v7：416×416、640×640（主流），也支持 832×832。：224×224、256×256、384×384、512×512（深度学习分类 / 检测常用）~VGG/ResNet/MobileNet/EfficientNet：224×224（最通用）~Faster R-CNN：不固定，常用 600×1000、800×1333。~图像分类：标清（SD）、高清（HD）

深秋青花
2026-05-29 15:50:29

 237

 7

#图像处理 #人工智能 #opencv +3
计算机视觉第五课：给每个物体画 bounding box

本文介绍了一个简单的物体检测程序，通过OpenCV实现自动框选图片中的物体。核心步骤包括：1）读取图片并进行灰度化、模糊和边缘检测预处理；2）使用findContours寻找轮廓；3）过滤小面积噪点后，通过boundingRect获取物体坐标；4）用rectangle函数绘制绿色检测框并标注文字。程序逻辑与常见的人脸识别、YOLO检测类似，关键都在于获取物体的(x,y,w,h)坐标参数。文中提供了

 yubo0509
2026-05-29 22:14:22

 258

 7

#opencv #人工智能 #计算机视觉
SuperPoint(utils)

整体架构：典型的自监督特征点检测与描述网络。检测头通过网格划分和 depth_to_space 高效输出全分辨率概率图；描述头在低分辨率特征图上采样并归一化。损失函数：检测损失使用二分类交叉熵，仅监督网格内是否存在兴趣点，缺少偏移量监督；描述损失使用基于单应性的对比损失。这种设计可能依赖于特殊的数据预处理或网络收敛特性，实际使用时需谨慎验证。代码风格：TensorFlow 1.x 风格，使用 tf

六年一叹，一世一轮
2026-06-02 18:31:28

 217

 4

#opencv #人工智能 #算法
【深度学习】OpenCV 实战：从图片中精确提取扇子区域

import cv2。

m沐沐
2026-06-28 20:07:01

 571

 18

#opencv #深度学习 #人工智能 +3
DeepSeek-V4 DSpark加速模块

从“挤牙膏”到“文思泉涌”，一文搞懂DSpark怎么让AI回答快得飞起

 冰^
2026-06-28 18:09:32

 386

 7

#开源 #github #opencv +4
学机器视觉，别先纠结 OpenCV、HALCON 还是深度学习

机器视觉学习的关键在于明确应用场景而非工具顺序。OpenCV适合打基础，理解图像处理原理；HALCON侧重工业项目快速开发；深度学习解决复杂识别问题。三者并非替代关系，需根据项目需求组合使用。真正的项目落地涉及相机选型、光源设计、算法稳定性和系统集成等多方面因素。建议新手先了解完整项目流程，再结合目标（基础学习/工业开发/复杂检测）选择工具路径，避免陷入工具比较而忽视实际需求。机器视觉的核心是解决

 极客晨风
2026-06-29 08:38:41

 461

 6

#opencv #深度学习 #人工智能
基于卷积网络的水果识别模型设计（PyTorch/TensorFlow、openCV、高质量、深度学习、训练模型）

摘要：针对农产品分拣与新零售商品识别中对水果自动化识别的需求，本研究设计了一款基于卷积神经网络（CNN）的轻量化水果识别模型。传统人工识别效率低、误差率高，而现有CNN模型存在覆盖不足、设备适配性差等问题。本研究通过构建多场景水果图像数据集，结合图像预处理与MobileNetV2迁移学习，优化模型训练流程，实现高精度识别。测试表明，模型在复杂光照与遮挡条件下对25类水果的平均识别准确率达90%以

 AA-老高_BYSJ88088
2026-06-29 09:28:57

 245

 5

#深度学习 #网络 #pytorch +4
2026大厂应届生起薪曝光：有人年包60万，有人连“白菜价”都摸不到

2026届校招薪资呈现结构性分层，AI算法岗（如大模型工程师月薪中位2.4万）与核心研发岗年薪可达50万+，而普通测试岗（中位1.36万）等基础岗位薪资涨幅有限。薪资差异主要受岗位稀缺性（AI/核心业务溢价）、面试评级、竞争offer等因素影响，总包需注意base（28k×16薪）、签字费等组成。测试开发人员应转向自动化框架、AI测试工具链等高端方向，而非盲目转算法。建议应届生多拿offer作为谈

 霍格沃兹测试开发学社
2026-06-29 15:57:51

 171

#python #职场和发展 #人工智能 +4
【深度学习】OpenCV 视频分析实战：背景建模 + 形态学处理实现运动目标检测

import cv2cv2.VideoCapture：创建一个视频捕获对象，参数可以是视频文件路径或摄像头设备号（0 表示默认摄像头）。这里指定了 ‘test.avi’，表示读取本地视频文件。定义了一个十字形结构内核，尺寸为 3×3。这个内核将用于形态学操作（开运算）。十字形结构适合处理细长的噪声或连接断裂的前景区域。

m沐沐
2026-06-29 19:41:08

 475

 10

#深度学习 #opencv #音视频 +3
从零打造微博情绪分析系统：深度学习+Flask+GUI全流程实战（附完整代码）

数据集文件标签,评论文本0,今天天气真好，心情超级棒！1,服务太差劲了，气的我发抖2,这种东西看着就恶心，真想吐3,突然觉得好孤独，没有人理解我第一行为标题行，实际数据从第二行开始。每行第一个字符为情绪标签（数字 0~3），分别对应喜悦、愤怒、厌恶、低落。标签后紧接一个逗号，逗号之后为该条微博的评论文本。数据集已经过预处理，只保留了中文字、常用标点符号，没有脏数据。本文带你从零到一实现了一个完整的

 2401_88566519
2026-06-29 20:40:32

 328

 5

#深度学习 #flask #人工智能 +4
【深度学习】OpenCV 实战：基于 SIFT 特征匹配的指纹识别

import cv2。

m沐沐
2026-06-29 19:27:21

 478

 13

#深度学习 #opencv #人工智能 +3
OpenCV × YOLO × 大模型：构建实时视频智能分析全链路方案

从OpenCV的图像预处理，到YOLO的实时目标检测，再到大模型的语义理解与跨模态推理，现代视频智能分析系统已经不再是单一算法的堆砌，而是一个多能力协作的生态体系。在这个体系中，大牛直播SDK（SmartMediaKit）扮演的角色并不仅仅是“视频传输工具”—— 它是保证整条智能分析链路能够在低延迟、跨平台、可扩展条件下稳定运行的数据动脉。未来的实时视频 AI 系统，将不再只是“看”和“识别”，而

 FeelTouch Labs
2026-06-30 16:03:32

 319

 8

#opencv #音视频
智能物流视觉系统完整方案：从距离测量到装货优化

模块功能精度距离测量单目/双目/深度±2%体积测量点云/高度图±3%装货率实时计算±2%装箱优化85-90%质量检查超限/稳定性±1cm装货率提升 15-20%：直接降低运输成本人工成本减少 50%：自动化检测替代人工6-12 个月回本：快速 ROI数据驱动：装货数据可追溯、可分析。

物联网_咸鱼
2026-06-30 18:48:58

 222

 7

#opencv #计算机视觉 #机器学习
【深度学习】OpenCV 光流估计：视频特征点跟踪（代码可完成复现）

feature_params = dict(maxCorners=100, # 最多检测 100 个角点qualityLevel=0.3,# 角点质量阈值，取值 0~1minDistance=7)# 两个角点之间的最小欧氏距离，避免角点过于集中。

m沐沐
2026-07-01 15:54:29

 430

 14

#深度学习 #opencv #音视频 +3
无需深度学习！OpenCV 实现全自动答题卡识别打分系统（完整可运行源码）

在计算机视觉学习路径中，答题卡识别是最经典、最适合新手入门、最适合做课程设计的实战项目。目前网上很多方案都是深度学习训练模型，门槛高、需要数据集、训练耗时。本项目不使用任何深度学习、不训练模型、无需 GPU自动矫正倾斜、透视变形的答题卡自动检测试卷边框自动定位所有答题圆圈自动排序题目顺序自动识别学生填涂答案自动对比标准答案、打分、可视化对错适合：OpenCV 练手、计算机视觉课程设计、Python

丨白色风车丨
2026-07-01 23:00:11

 284

 9

#深度学习 #opencv #人工智能
【深度学习】OpenCV 人脸检测实战：使用 Haar 级联分类器实现人脸识别

如果希望提高检测的准确率可以将该参数的值设置得更大，但这样做可能会让一些人脸无法被检测到。在使用低版本 OpenCV (OpenCV 1.X 版本)时，该参数可能会被设置CV_HAAR_DO_CANNY_PRUNING，表示使用 Canny 边缘检测器拒绝一些区域。人脸检测器通常工作在灰度图像上，因为灰度图能减少计算量，而且 Haar 特征是基于亮度变化的，不依赖颜色。minSize：目标的最小尺

 m沐沐
2026-07-01 18:48:54

 415

 13

#深度学习 #opencv #人工智能 +3
【深度学习】OpenCV 实时微笑检测：摄像头人脸检测 + 微笑识别

完整代码一览。

m沐沐
2026-07-02 19:49:52

 532

 21

#深度学习 #opencv #人工智能 +3
基于yolov8的实时目标检测与陌生人入侵告警系统设计与实现，通过OpenCV采集摄像头视频流，对人员、宠物、车辆等多类目标进行实时检测与画面标注

近几年，智能家居市场保持了较快的增长势头。根据Statista发布的数据，2024年全球智能家居市场规模预计达到1544亿美元，其中家庭安防类产品的渗透率已超过30%。摄像头作为安防体系的核心感知设备，出货量持续攀升，但一个突出的问题是，大多数家用摄像头仍然停留在一对一画面传输的阶段——能“看”，却不能“懂”。用户对监控系统的期待早已不只是录像回放，而是希望设备能在异常发生的第一时间主动识别并推送

 叫我：松哥
2026-07-02 20:53:28

 1144

 31

#目标检测 #opencv #人工智能 +3
【深度学习】OpenCV 人脸识别实战：LBPH 算法实现简单人脸识别

当识别器预测时，如果计算出的置信度（距离）大于这个值，则认为“不认识”，返回标签 -1。注意：这些图片应该是已经裁剪好的人脸图像（只含脸部区域），尺寸可以不一致（LBPH 会内部处理）。我们准备了 4 张人脸图像，分别是 pyy1.png、pyy2.png，qzl1.png、qzl2.png。labels 是对应的数字标签：0 代表 pyy，1 代表 qzl。label：识别出的标签（如果置信度超

 m沐沐
2026-07-02 20:31:20

 479

 18

#深度学习 #opencv #算法 +3
TID质量竞争大会分享议题丨正元智晟科技CEO：大模型时代，软件测试如何做到可证可信？

大模型进入测试领域之后，一个常见问题是：测试人员会不会被 AI 替代？如果只是做重复性的测试内容编写、简单脚本生成、基础报告整理，这些工作确实会被快速自动化。但在可信测试体系里，人的价值反而会更加突出。因为 AI 可以帮助生成内容，但不能天然承担质量责任。人的角色会从“手工执行者”，逐步转向：业务风险识别者测试模型设计者规则体系建设者测试结论复核者质量可信体系负责人。

霍格沃兹测试开发学社
2026-07-10 12:25:43

 201

 5

#科技 #压力测试 #微信 +4
【深度学习】OpenCV 人脸识别实战：EigenFace 算法实现人脸识别

EigenFace 识别器属于 OpenCV 的 contrib 扩展模块，如果你使用的是标准版 opencv-python，运行时会报错 module ‘cv2’ has no attribute ‘face’。我们准备了 4 张人脸图像（灰度图，因为 flags=0 表示以灰度模式读取），分别是 qzl1.png、qzl2.png（属于“qzl”），pyy1.png、pyy2.png（属于“p

m沐沐
2026-07-03 19:49:54

 387

 11

#深度学习 #opencv #算法 +3
【深度学习】OpenCV 人脸识别实战：FisherFace 算法实现中文标注识别

FisherFace 使用 LDA（线性判别分析），它寻找一个投影方向，使得不同类别的人脸之间的距离尽可能大，同一类别内部的距离尽可能小。draw.text 在指定位置写入文字，颜色用 RGB 格式，最后将 PIL 图像转回 NumPy 数组，并转换回 BGR 格式，以便 OpenCV 显示。定义一个函数 image_re，它读取一张灰度图（flags=0），然后 resize 到宽 120，高

 m沐沐
2026-07-03 20:03:47

 428

 15

#深度学习 #opencv #算法 +3
【深度学习】OpenCV 人脸识别实战：FisherFace + 摄像头 + 中文标注

print(f"警告：图片 {img_path} 缺失，跳过")return读取灰度图（flags=0），统一缩放为 120×180 像素。如果文件不存在，打印警告并跳过（避免崩溃）。

m沐沐
2026-07-03 20:22:40

 854

 17

#深度学习 #opencv #人工智能 +3
工业质检新范式：传统与深度学习混合决策流程设计

本文提出了一种工业视觉检测的分层混合决策流程，通过结合传统算法与深度学习模型的优势，解决了传统"二选一"方案的局限性。该架构采用两层设计：第一层使用传统方法快速处理80%的规则明确任务（如尺寸测量、色差检测等），耗时仅7.7ms/样本；第二层针对20%的复杂样本采用深度学习模型（如CNN、分割网络）进行语义级缺陷识别。实验表明，相比纯深度学习方案，混合流程速度提升3倍，同时复杂缺陷检出率比纯传统方

 JLi_Tech
2026-07-06 09:56:31

 490

 7

#深度学习 #人工智能 #opencv +1
【深度学习】PyTorch 图像分类进阶：从本地脚本到 Flask Web 服务部署

if flask.request.method == 'POST': #首先检查请求方法是否为 POSTif flask.request.files.get("image"): #然后检查 flask.request.files 中是否包含名为 "image" 的文件image_bytes = flask.request.files["image"].read() #读取文件的二进制内容。

m沐沐
2026-07-06 19:38:06

 587

 22

#深度学习 #pytorch #分类 +3
基于yolo26的叶片病虫害检测项目

涵盖数据集搭建、模型原理改进、性能消融实验、模型部署、可视化开发，完整贴合AI、CV、深度学习方向复试考核重点，可作为核心科研经历写入简历、项目经历、科研小结；：工作量饱满、逻辑完整、创新点充足，既能满足普通本科毕业设计要求，也可作为优质硕预项目打磨，可轻松支撑论文撰写、答辩PPT、成果演示；：可二次改造为病害分割、产量预估、田间实时检测、视频流识别等拓展功能，适合后续发论文、做科创竞赛、大创项目

 Blessing171
2026-07-07 11:49:00

 698

 25

#python #pyqt #opencv +2
OpenCV 5 深度解析：计算机视觉领域的“五年之变”与跨越式升级

OpenCV 5 重磅来袭，实现从“工具箱”到“推理运行时”的跨越式升级。本文深度解析 DNN 性能飞跃与 Python 接口原生化，带你掌握计算机视觉基础设施的最新变革，轻松应对大模型部署挑战！🚀

在水一缸
2026-07-07 14:02:12

 275

 4

#计算机视觉 #opencv #人工智能
【深度学习】dlib 人脸关键点检测

进入下载文件的存放位置，比如D:\Edge\，在搜索栏输入cmd，输入命令：pip install dlib-19.6.0-cp36-cp36m-win_amd64.whl，下载完成。对于每个人脸，调用 predictor(img, face) 得到 shape 对象，它包含 parts() 方法，返回一个包含 68 个点的列表。该函数返回一个基于 HOG（方向梯度直方图）和线性 SVM 的人脸检

 m沐沐
2026-07-11 12:20:24

 343

 13

#深度学习 #人工智能 #人脸识别 +3
羽毛球运动员和羽毛球轨迹分析系统

本文介绍了一个基于计算机视觉的羽毛球运动员和羽毛球轨迹分析系统。该系统使用YOLO目标检测和TrackNet深度学习模型，实现了场地标定、球员识别、球路追踪、速度分析和姿态检测等功能。项目特点包括结构化模块设计、球场中线标定和小地图映射，能够自动生成运动员轨迹、速度和距离数据。系统采用YOLOv8、OpenCV等技术，支持从2D视频中提取3D运动数据，为羽毛球比赛分析提供量化基础。

清风益生菌
2026-07-12 10:20:45

 249

 5

#人工智能 #python #opencv +4
【OpenCV实战】手把手教你实现目标检测与跟踪

本文介绍了使用OpenCV实现目标检测与跟踪的三种方法：1）基于Haar特征的级联分类器进行实时人脸检测；2）利用DNN模块加载SSD MobileNet深度学习模型检测通用物体；3）采用CSRT等跟踪算法实现目标持续追踪。文章包含详细代码示例，并比较了检测与跟踪的优缺点（检测稳定但慢，跟踪快速但易丢失），建议实际项目中结合两者使用。环境需安装opencv-python和opencv-contri

m0_61749394
2026-07-14 11:06:50

 323

 10

#opencv #目标检测 #人工智能
OpenCV 做目标检测不是什么新鲜事了。但大部分人装完跑个 demo 就结束了，真正要集成到自己的项目里，才发现官方示例和实际需求差了不少。

本文介绍了基于OpenCV的几种实用计算机视觉技术实现方法：颜色检测：通过HSV色彩空间和轮廓分析检测特定颜色目标，适用于颜色特征明显的室内场景，但易受光照影响。预训练模型检测：使用YOLOv3模型实现80类常见物体检测，需下载约240MB的模型文件。运动检测：通过背景减法识别移动目标，适合固定摄像头的监控场景。目标跟踪：提供CSRT和KCF两种跟踪器实现，前者精度高但较慢，后者速度快但易

 2401_87982107
2026-07-14 16:16:42

 326

 15

#opencv #目标检测 #人工智能
Python自动驾驶图像识别完整实战教程（OpenCV+YOLOv8，附可直接运行源码）

传统计算机视觉（OpenCV）：依靠边缘检测、透视变换、霍夫变换实现车道线识别，优势无需训练数据集、运行速度快，适合入门学习；缺点在强光、阴雨、弯道场景稳定性一般。深度学习目标检测（YOLOv8）：识别行人、机动车、非机动车、红绿灯等障碍物，鲁棒性更强，是现阶段自动驾驶感知主流方案。本教程将两者结合，搭建简易自动驾驶视觉识别流水线：摄像头画面输入 → 图像预处理 → 车道线检测 + 道路障碍物识别

 爱吃提升
2026-07-15 15:05:02

 295

 5

#python #自动驾驶 #opencv
使用OpenCV + YOLOv8 + PaddleOCR从录屏中提取英雄联盟对局数据

labels = ['击杀', '生存(低死亡)', '助攻', '经济转化', '视野控制', '技能命中']norm["经济转化率"] = min(raw_stats["经济转化率"] / 1.5, 1.0)norm["击杀数"] = min(raw_stats["击杀数"] / 20, 1.0)norm["助攻数"] = min(raw_stats["助攻数"] / 25, 1.0)# ==

言乐6
2026-07-17 09:21:48

 699

 9

#opencv #人工智能 #计算机视觉 +1
YOLOv5口罩检测完整实战：训练、评估与摄像头识别

本文介绍了基于YOLOv5的口罩检测实战项目。

梦想三三
2026-07-17 21:02:23

 353

 13

#人工智能 #opencv
基于 Python + OpenCV 的显微图像目标检测、统计与可视化分析项目实战

这个项目实现了一套完整的显微图像自动分析流程，从图像读取、目标检测、批量计数，到 Excel 统计和科研风格可视化，基本覆盖了实验数据整理中的核心需求。相比手动统计，该流程的优势是：- 批量处理效率高- 结果可复现- 输出结构清晰- 图像和表格自动归档- 可根据品种和镜头进行精细化分析后续还可以继续扩展，例如加入更多颜色通道、增加交互式阈值调整、导出 PDF 报告，或者将所有结果自动汇总成一个 H

超级飞侠-
2026-07-23 10:43:20

 265

 12

#python #opencv #人工智能
【深度学习】OpenCV 角点检测与 SIFT 特征提取详解

角点检测（Corner Detection）是计算机视觉中的一种基础特征提取方法，用于识别图像中具有显著灰度变化的像素点，即角点（Corner）。物体的尖角两条边的交点T形或L形结构的端点旋转不变性：图像旋转后角点仍然可被检测尺度不变性：在不同缩放比例下角点依然存在光照不变性：对光照变化具有一定的鲁棒性SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）

m沐沐
2026-07-27 20:00:09

 435

 7

#深度学习 #opencv #人工智能 +2