三、代码实现深度学习道路训练样本数据的制作(全流程摸索详解)——重复工作+多次返工的血泪史

已于 2022-12-08 12:41:51 修改
阅读量1.1k 收藏 3
点赞数
分类专栏： 深度学习 windows windows10平台Dlinknet深度学习道路水体全过程 文章标签： 图像检测 人工智能 机器学习 图像处理 样本对比
于 2022-05-09 14:03:05 首次发布
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/Laney_Midory/article/details/124664892
版权

先试试把训练样本作为valid样本对比一下结果
看起来还不错
对比如下：
上面是人工画的真值
下面是机器训练之后test得到的值
在这里插入图片描述
在这里插入图片描述
你别说在最上面他进行了一下平滑
这样的结果其实更好一些
在这里插入图片描述
在这里插入图片描述
效果没有太大的问题
有较大差异的我放在下面了：
在这里插入图片描述
在这里插入图片描述
上面部分没检测出来
原图如下：
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
这个是多检测出来了一部分

原图如下：
在这里插入图片描述
人工在画的时候漏掉了一部分
别说还检测出来了
在这里插入图片描述
在这里插入图片描述
原图如下：
在这里插入图片描述
能够补全人工没画的部分

下面也是
在这里插入图片描述

在这里插入图片描述原图是下面，把小路也提取出来了一部分
在这里插入图片描述
感觉效果挺不错的，能够把大多数道路都提取出来
但如何用提取出来的结果做样本还是个问题

Laney_Midory
关注
专栏目录
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
盼小辉丶的博客
04-10 4万+
神经网络是一种性能强大的学习算法，其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式，神经网络获取输入后，通过某些函数在网络中进行传递输入信息，连接在其后的一些神经元会被激活，从而产生输出。本文主要介绍神经网络中重要的基础知识，然后使用 Python 从零开始构建神经网络的训练流程，包括前向传播和反向传播，更直观的了解神经网络的通用训练流程。............
training:训练样本
06-14
userManager-2 这是 Thomas Davis 教程“Backbone.js 初学者视频教程”的 OOP 版本，位于： 目前由 Apache 服务于： 它用： 1/ -requiresjs- 用于异步 javascript 和模块加载。 由于 Backbone 未启用 AMD，因此需要在每个模块的开头调用 'define' 来定义/加载依赖项。 还使用了 requirejs 'text.js' 插件。 2/ 下划线 _ 用于模板 3/ 主干 4/ 启用 CORS 的服务器内置： 节点或更具体地表示服务器部分 Redis for Database：Heroku 上的附加组件 欧姆 url 和 body-parser newrelic：Heroku 的附加组件，用于监控、故障排除和调整生产 Web 应用程序。 服务器托管在 Heroku 上：
SVM训练样本方法总结（用于目标识别）
四维空间
05-17 3288
http://blog.csdn.net/xw20084898/article/details/21389885 原文链接
opencv训练分类器样本处理
weixin_30564785的博客
03-07 1608
分类器的训练以分为以下三部进行： 1、 样本的创建 2、 训练分类器 3、 利用训练好的分类器进行目标检测。 对检测物体要确定其属性：是否为绝对刚性的物体，也就是检测的目标是一个固定物体，没有变化（如特定公司的商标），这样的物体只要提供一份样本就可以进行训练。 但绝大数时候我们想进行训练的目标是非绝对刚性的物体，如对人的检测，包括人脸识...
深度学习制作自己的样本
zhengxinjie2的博客
05-22 7625
目前，深度学习在遥感领域的应用逐渐开展，然而遥感数据往往幅宽比较大，在具体的应用时，往往需要自己的数据制作训练样本。很多人对这样大的数据如何制作样本感到犯愁，今天就介绍一下如何制造遥感影像的样本。 labeme对整张大样本进行标注，labelme的介绍、安装和使用可以参照我的其他博客。这里额外添加一下，在用labelme 标注过程中，如果遇到下面两类在一起这种情况，如何标注？ 如果分别单独的去标...
【Deep Learning】图像数据库
chenyj92的专栏
11-29 1万+
原文链接：http://blog.csdn.net/qq_14845119/article/details/51913171 ImageNet          ImageNet是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家李飞飞模拟人类的识别系统建立的。能够从图片识别物体。目前已经包含14197122张图像，是已知的最大的图像数据库。每年的
PyTorch深度学习实战（40）——零样本学习(Zero-Shot Learning)
最新发布
盼小辉丶的博客
04-01 2794
零样本学习 (Zero-Shot Learning) 旨在解决传统监督学习中，当训练数据中不存在某个类别的样本时，如何对该类别进行分类的问题。在传统监督学习中，分类模型需要通过训练数据学习到每个类别的特征和模式，并在测试阶段根据这些学习到的知识对新样本进行分类。然而，在现实世界中，我们无法获得所有可能类别的训练样本，因此零样本学习成为了一种重要的解决方案。在本节中，我们将学习零样本学习的基本概念，并使用 PyTorch 实现零样本学习模型。
PyTorch深度学习实战（36）——Pix2Pix详解与实现
盼小辉丶的博客
01-31 2957
Pix2Pix 是基于生成对抗网络的图像转换框架，能够将输入图像转换为与之对应的输出图像，能够广泛用于图像到图像转换的任务，如风格转换、图像修复、语义标签到图像的转换等。Pix2Pix 的核心思想是通过对抗训练将输入图像和目标输出图像进行配对，使生成网络可以学习到输入图像到输出图像的映射关系。在本节中，将学习使用 Pix2Pix 根据给定轮廓生成图像。
PyTorch深度学习实战（3）——使用PyTorch构建神经网络
热门推荐
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。
机器学习训练样本
12-18
机器学习训练样本part1, fcis_coco-0000.params.00000003
车牌识别训练样本（全套）
01-08
该车牌识别训练样本包括了所有的字符，数字0~9，和26个英文字母（由于我国车牌中英文字母没有‘I’和‘O’，所以实际是24个英文字符）。 所以共有34个文件夹。 每个文件夹中有50个图片。（即有50个不同的0，50个不同的1......） 该训练样本对车牌识别进行训练有很大帮助。
机器学习训练样本part1
12-18
机器学习训练样本part1, fcis_coco-0000.params.00000001
手势训练样本及其创建
07-23
一个可选定roi区域拍照的程序文本代码以及用其创作的手部样本1000份，只要在一块白色的背景前设置ROI，即可利用摄像头将输入设备的视频分成大量可用于分类器、神经网络训练的手势图片。
训练分类训练 正样本图片处理工具
04-11
图片批量生成正样本 图片批量灰化及大小及描述文件
训练样本和测试样本
bluewater的专栏
04-14 3万+
一， 训练样本和测试样本 训练样本的目的是 数学模型的参数，经过训练之后，可以认为你的模型系统确立了下来。 建立的模型有多好，和真实事件的差距大不大，既可以认为是测试样本的目的。 一般训练样本和测试样本相互独立，使用不同的数据。 网上有人说测试样本集和验证样本集不一样，测试样本集数据主要用于模型可靠程度的检验，验证样本集的样本数据要在同样条件下，再另外采集一些数据用来对模型的准确性进行
训练样本的过程
Cloud Joe的笔记
03-11 3305
转自http://htedsv.com/?p=137 目标：训练眼睛分类器数据准备正例：收集眼睛图像，图像大小一致（720*576共800张）反例：不包含眼镜的图像，图像大小与正例图像一致（共80）训练步骤：（OPencv2.0）一、 数据预处理每个正例数据，使用ObjectMarker在每个图像上画出眼镜区域，那么在一幅图像上可以得到两个矩形框，ObjectM
深度学习的生成模型：从GAN到更先进的方法
程序员光剑
01-07 487
1.背景介绍 深度学习是一种人工智能技术，它通过深度神经网络学习数据的特征表达，从而实现智能化的模式识别和预测。生成模型是深度学习的一个重要分支，它主要关注于生成新的数据样本，而不是预测已有样本的标签。生成模型的主要任务是学习数据的生成过程，从而生成与原始数据相似的新样本。 生成模型的一个重要应用是图像生成和处理。图像生成和处理是计算机视觉领域的基础和核心技术，它涉及到图像的生成、处理、分析和...
大数据之：影像提取中深度学习样本库获取的思考
09-27 3672
话说，虾神一直是做空间统计和数据分析的，对于深度学习这个热门学科，一直以来也就停留在“了解”阶段，虽然这个平展开来，里面比较核心的技术使用了聚类，而虾神研究生的时候做的课题也正好是空间聚类，所以也算有点沾亲带故把。但是毕竟不是专门做这个的，具体的技术细节也处于一知半解的状态，而今天突然“赶时髦”般的想写这样一篇文章，无论是蹭热点也好，东施效颦也好，因为有些事情已经到了不吐不快的程度。 先简介
评论
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

打赏作者

Laney_Midory

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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