目标检测中的指针识别
- 语义分割模型
- 其中一个模型: python-opencv指针识别https://download.csdn.net/download/qq_44781688/20009503
- 类似于综述: 基于深度学习的指针式仪表图像智能读数方法_一颗小萌新的博客-CSDN博客
- 方法介绍+效果展示: 仪表识别算法介绍_zxy199104的博客-CSDN博客
方法一
六、基于深度学习关键点的指针式表计识别_表记识别_YAYA视觉的博客-CSDN博客
基于深度学习关键点的指针式表计识别
提示:网上有太多的方案都是分割思路,思路很好,但是在制作数据的时候太费时间,据统计:分割数据标注一张需要180s-360s;而关键点标注控制在30s-90s。
一、 yolov7表计检测
目标检测就不用多说。该步骤最主要有两个任务,第一,将图像中的表计检测出来;第二,并将每个表计进行分类,为了后面能根据类别配置表盘中的量程。
二、表盘关键点检测和指针检测
该部分是整个算法的核心,需要将关键点检测和分割整合为一个多任务学习模型。关键点检测参考openpose,分割网络参考deeplabv3等主流网络即可。这套算法相较百度的算法(分割刻度和指针)数据标注任务量减轻60%以上,更加的省事,便于优化。
三、表计矫正以及坐标的变换
将倾斜的表计采用透视变换矫正,并对坐标进行变换。
三、拟合出表盘的弧形结构,并计算比值
根据矫正后的表计所得关键点,并拟合出表盘结构,并最终得到比值。
三、根据比值、量程计算出读数
最后根据比值、量程计算出具体读数,下图给出的是百分比,没时间转化了,将就用这个图了。
总结
本方案实现:
环境:pytorch、python=3.7、c++
数据标注时间:本方案60s VS 百度方案360s
方法思路二 (有源码但是是概念性的方式)
【人工智能笔记】第十一节 Tensorflow 2.0 实现指针仪表方向纠正及指针识别(中)_PPHT-H的博客-CSDN博客
方法三(传统方法, 有源码, 相对靠谱)
指针表值识别(传统算法)_指针识别_LS_learner的博客-CSDN博客
模板匹配