002基于Unet的深度学习图像分割的墙体裂缝识别检测

本文介绍了如何使用Unet进行深度学习图像分割,应用于墙体裂缝的识别检测。通过01make_dataset.py将图片数据转换为特定格式,02train.py进行训练,03pyqt.py提供可视化交互界面。此外,还科普了Unet、Mask R-CNN和PSPNet等图像分割算法的基本原理和应用场景。
摘要由CSDN通过智能技术生成

​直接上效果演示图:

demo的演示视频和代码仓库看b站视频002期:

到此一游7758258的个人空间哔哩哔哩bilibili

代码展示界面

​编辑

主要是01、02、03.py文件

运行01make_dataset.py文件能将图片数据转化成特定的格式。

自制数据集需要使用labelme工具对图片中裂缝部分进行打标,最好安装labelme==3.16.7环境

pip install labelme==3.16.7

运行02train.py训练这些的图片

  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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