使用pytorch搞定指针式仪表的读数

最新推荐文章于 2024-09-07 20:33:22 发布
最新推荐文章于 2024-09-07 20:33:22 发布
阅读量3.2k 收藏 35
点赞数 1
文章标签： 深度学习 pytorch tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Enigma_tong/article/details/105261957
版权

模型使用的是pytorch-cpn关键点检测网络
数据集自己使用labelme，打标图片为650张
打标效果如下（ps,有一些敏感信息打码了）：
在这里插入图片描述
参考的作者的git地址如下：
https://github.com/GengDavid/pytorch-cpn
https://github.com/gathierry/FashionAI-KeyPointsDetectionOfApparel
经过数据集打标，然后整理成csv格式送到网络中调参训练，数据量比较小的时候，学习率要设置的低一点，训练时间耗时48h，最终效果如图：

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

gakki_Yuibo
关注
PyTorch深度学习实战（3）——使用PyTorch构建神经网络
盼小辉丶的博客
06-13 6万+
PyTorch 是一个用于构建深度神经网络的库，具有灵活性和可扩展性，可以轻松自定义模型。在本节中，我们将使用 PyTorch 库构建神经网络，利用张量对象操作和梯度值计算更新网络权重，并利用 Sequential 类简化网络构建过程，最后还介绍了如何使用 save、load 方法保存和加载模型，以节省模型训练时间。
使用PyTorch实现验证码识别
CSDN 精品推荐
10-01 1万+
本文实现利用captcha生成验证码，然后利用PyTorch搭建CNN卷积神经网络识别验证码
工业指针仪表检测数据集（800+ VOC）
06-25
仪表类（指针）检测数据集 800张左右 VOC格式 可直接用于实际项目，数据均为实际项目中采集 总大小1G左右 目标检测-yolo- 深度学习
用python写一个识别仪表读数的AI组件
weixin_42599908的博客
02-09 467
要写一个识别仪表读数的AI组件，需要以下步骤： 收集数据集：首先需要收集大量的仪表读数图像，并为其标注读数数字。 建立模型：然后可以使用深度学习技术，例如卷积神经网络 (CNN) 或循环神经网络 (RNN)，来构建识别仪表读数的模型。 训练模型：使用标注数据对模型进行训练，以使其学会识别仪表读数。 测试模型：最后，可以使用测试数据集对模型进行评估，以确定其准确性。 在代码实现方面，可以...
变电站指针式仪表数据集
最新发布
gitblog_09815的博客
09-07 457
变电站指针式仪表数据集 仪表数据集.zip项目地址:https://gitcode.com/open-source-toolkit/4b4f1 欢迎使用变电站指针式仪表数据集，本数据集专门针对变电站中常见的指针式仪表设计，旨在支持机器学习与计算机视觉领域的研究与应用，特别是在仪表自动化读取、目标检测等方面。此数据集的发布旨在促进智能电网技术的发展，帮助开发者和研究人员训练更精准的模型来识别和解析...
毕业设计（四）-- 指针式仪表读数
不学会C++不改名
07-30 3972
1 图像预处理 1.1 中值滤波 为了使输入图像更加清晰，需要对其进行去噪。在常用的去噪算法中，中值滤波可以很好的保留边缘信息同时去除噪点，中值滤波的原理是对矩阵中的像素值进行排序，并用序列中值替换该矩阵中心的数据。 中心点像素为0 处在图像上表现为一个噪点，经过中值滤波处理后，像素0 被替换为像素6。从数值变化的角度上，中值滤波是一种非线性变换，它只对矩阵中心点的像素进行了改变，对矩阵外围的像素数值没有进行改变；从图像的角度上，中值滤波可以对图像进行去噪，同时保留了更...
指针式仪表识别读数 Python（已开源数据集）
热门推荐
qq_27545821的博客
06-14 1万+
指针式仪表的自动读数与识别方法 python opencv
PyTorch 可视化工具Visdom
weixin_43882112的博客
08-21 247
一、Visdom介绍 Visdom旨在促进（远程）数据的可视化，是一个灵活的工具，用于创建、组织和共享实时丰富数据的可视化。支持Torch和Numpy。 以编程方式或通过UI组织可视化空间，为实时数据创建仪表盘，检查实验结果或调试实验代码。 二、Visdom安装 #安装visdom pip instlal visdom 三、 API 窗口：存在于envs中，envs状态通过sessions存储。可下载窗口中的图，可缩放UI比例； 回调：支持串口的回调。Demo以可编辑文本板形式显示。 参考： 1.
发电厂指针仪表检测(YOLOv5训练)
HUTAOhh的博客
10-22 1188
基于YOLOv5网络结构训练指针仪表数据，用于电厂巡检机器人进行检测。
指针仪表读数，采用PYTORCH和YOLOV5开发
02-21
在计算机视觉（CV）领域，"指针仪表读数，采用PYTORCH和YOLOV5开发"是一个典型的任务，涉及到图像识别、目标检测以及深度学习技术。PYTORCH和YOLOV5是两个关键工具，它们分别在深度学习模型构建和实时目标检测方面...
pytorch yolov5 指针表计识别 分步识别表计 数据集
07-29
在这个项目中，"pytorch yolov5 指针表计识别 分步识别表计 数据集"应当包含大量的图像，这些图像展示了各种类型的指针式仪表盘，每个图像都应有精确的标注，包括仪表盘的位置、指针的角度和读数等信息。数据集的...
指针式仪表读数识别源代码(C#)
11-18
指针式仪表的识别，表盘定位、指针定位、读数等功能，基于C#实现
变电站指针式仪表目标检测数据集
11-24
变电站指针式仪表目标检测数据集，voc2007格式，500张，可用于gpu资源比较小的目标检测训练，已训练好的模型下载地址：https://download.csdn.net/download/qq_35206320/11994813
已整理标注，汽车仪表盘数据集.zip
07-03
项目需求要对汽车仪表盘的字符识别，从网上选取的仪表盘位置比较清晰的数据集
基于OpenCV的指针式仪表自动读取算法.zip
07-30
里面有一些我觉得比较有参考价值的python程序，主要有模板匹配法，SIFT特征提取法等，可以用作学习参考
目标检测用-指针仪表数据集
06-06
可用于yolov5的目标检测数据集，内包含指针仪表图片及标注的表盘，起始位置和终止位置等
基于深度学习的仪表读数读取
weixin_48866452的博客
03-08 1万+
基于深度学习的仪表盘识别 代码：https://github.com/HibikiJie/ReadMeter 权重文件：链接: https://pan.baidu.com/s/1wTPo1wJXrNyEFSu8RrD8Xw 密码: t0p4 将其放置于weight文件夹下，运行test.py，即可测试data\images\val下的图像文件 讲解 使用语义分割模型，在不同通道上分割出表盘和指针 环形的表盘展开为矩形图像 二维图像转换为一维数组 对刻度数组用均值滤波 定位指针相对刻度的位置 输出相对位置
利用语义分割算法做指针式仪表的读数识别
Enigma_tong的博客
09-22 2726
第一步先打标，打标之前先安装labelme，这里我用的labelme版本是3.16.7 pip install labelme==3.16.7 然后在终端桥labelme 打开labelme的界面 如下： 把表盘的部分和指针的部分分别用pan和zhen来表示，我标注了1700多张图片数据，然后需要把json文件和图片整理成voc的数据格式。这是一段 json_data_label.py的文件，在很多github仓库中都能找到，我用的代码地址是这个github 代码如下： import argparse
指针仪表读数识别系统 yolov7
燧机科技的博客
01-04 1491
指针仪表读数识别系统通过 yolov7+opencv计算机视觉分析技术,利用现场摄像头可以自动识别指针型仪表读数并将读数回传给平台节省人工巡检读表的时间。YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器，并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。
Python实现的指针式仪表自动识别系统项目介绍
系统的主要目标是实现对指针式仪表读数的自动化识别。在许多工业和科研领域，指针式仪表仍被广泛使用。这些仪表通常需要人工读取数据，这不仅费时费力，还容易引入人为误差。因此，开发一种自动识别系统，可以大大...
评论 21
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值