![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
bjfkjsdhfsldf
这个作者很懒,什么都没留下…
展开
-
117nlp自然语言处理-文本情感分类-joy-sadness-anger-fear-love-surprise
这是调用训练好的模型来识别的,运行python 02pyqt.py的可视化界面,通过输入文本来识别情感是喜怒哀乐等情感中的哪类。运行python 02pyqt.py会有可视化的界面,输入需要测试的文本内容,就会调用已经训练好保存在本地的模型进行识别结果。Data文件夹保持的是数据集包括训练,验证和测试集。Txt格式里面存的数据分号前面是完整的英语句子,后面跟着相应的情感标签。代码整体是非常简便的,总共两个py部分和一个数据集在data文件夹下。最后模型保存在logs文件夹下。原创 2024-02-16 15:09:41 · 371 阅读 · 1 评论 -
118nlp-中文影评情感分析积极or消极评论
这是调用训练好的模型来识别的,运行python 02pyqt.py的可视化界面,通过输入电影评论来是识别是消极评论还是积极评论。运行python 02pyqt.py会有可视化的界面,输入需要测试的影评内容,就会调用已经训练好保存在本地的模型进行识别结果。data文件夹里面的csv文件即影评数据集,都是中文影评,然后我们只要影评和star评分,这两列数据即可。运行01 train.py会对影评数据划分8:2,最后验证准确率,然后保存模型在logs文件夹下。原创 2024-02-16 15:08:38 · 569 阅读 · 0 评论 -
119基于lstm对中文文本数据分类
Data文件夹存的了txt是中文停止符,用来处理中文数据用的,csv文件中记录的是数据集,第一列是对应的要最后识别出的物件,第二列表示文本是积极的还是消极的,这里做文本内容的分类暂时不需要这个。运行python 02pyqt.py会有可视化的界面,输入需要测试的文本内容,就会调用已经训练好保存在本地的模型进行识别结果。这是调用训练好的模型来识别的,运行python 02pyqt.py的可视化界面,通过输入文本来识别讲述的是什么物件。代码整体是非常简便的,总共两个py部分和一个数据集在data文件夹下。原创 2024-02-16 15:07:37 · 243 阅读 · 0 评论 -
120狗脸识别检测
Data文件夹存的500只狗的数据集,每个文件夹对于一只狗的图片集,文件夹名称即为狗的名称,可自行修改狗的名称,也可以替换成其他数据集,只有每个名称为文件夹名,然后每个个体的不同状态下的脸部照片放在该文件夹下即可训练自己的数据集了。运行python 02train.py会将txt文本里面的图片路径和对应的标签读取进行训练,训练好的模型也保存在logs文件夹下。这是调用训练好的模型来识别的,运行python 03pyqt.py的可视化界面,通过传狗脸图片来进行识别是哪只狗。原创 2024-02-16 15:06:43 · 440 阅读 · 0 评论 -
121狗脸识别录入检测打卡系统
其中狗脸特征路径记录的就是狗的脸部特征,用于后续对比特征使用,每组特征对比基本0.几毫秒就对比完了,可以说即使很多数据录入,打开时长也是无感秒过的。代码整体是非常简便的,主要是logs文件夹和01main.py文件,120期狗脸识别检测再上一期讲过,这期不再重复。当excel里面有录入的狗脸特征后,同一只狗在不同状态下的图片,也是可以打卡成功。点击录入狗脸至系统内部后,会将狗脸特征路径和录入时间保存在excel文件中。如需远程安装环境运行,或讲解代码,或其他需求都是另外算的。下载本代码环境自行安装。原创 2024-02-16 15:05:43 · 265 阅读 · 0 评论 -
122猫脸识别检测
本期检测是猫脸识别,如上根据加载猫的图片,识别猫的名字,数据集中,该猫是在0102文件夹下,命名为0102,当然也可以自定义文件夹名称来修改猫的名称。运行02train.py可以将图片路径读取训练模型,也保存在爱logs文件夹下。其中data文件夹下供有191只猫的图片,每个文件夹为一只猫在不同状态下拍摄的图片。运行01数据集文本生成制作.py可以将图片路径保存在txt文件里,并附上对应的标签。运行03pyqt.py会生成可视化界面用于加载猫脸图片识别,看看是哪只猫。原创 2024-02-16 15:04:58 · 296 阅读 · 0 评论 -
123基于python深度学习的猫脸识别录入检测系统
当excel里面有录入的猫脸特征后,同一只猫在不同角度下的图片,也是可以打卡成功。点击录入猫脸至系统内部后,会将猫脸特征路径和录入时间保存在excel文件中。代码整体是非常简便的,主要是logs文件夹和01main.py文件。运行01main.py会有一个可视化的界面用于猫脸打卡使用。其中加载图片可以加载你需要打开的猫脸图片到可视化界面上。如果猫脸未在系统中录入,则会打卡失败,提示请录入猫脸。原创 2024-02-16 15:04:10 · 168 阅读 · 0 评论 -
124基于mask-rcnn的图像分割算法检测森林区域
运行03pyqt.py可以选择自己感兴趣的图片进行识别,通过调用上一步训练好的模型识别图片中森林区域。运行02train.py会对标准格式的数据集进行训练,训练好的模型保存在weights文件夹下。运行01将json文件转标准格式文件.py能将图片数据集转成标准格式。代码整体是非常简便的,主要是data数据集文件夹和3个py文件。原创 2024-02-16 15:03:15 · 211 阅读 · 0 评论 -
125基于mask-rcnn检测猫狗
运行03pyqt.py可以选择自己感兴趣的图片进行识别,通过调用上一步训练好的模型识别图片中的猫狗。运行02train.py会对标准格式的数据集进行训练,训练好的模型保存在weights文件夹下。运行01将json文件转标准格式文件.py能将图片数据集转成标准格式。代码整体是非常简便的,主要是data数据集文件夹和3个py文件。原创 2024-02-16 15:02:25 · 207 阅读 · 0 评论 -
126基于deeplabv3+图像分割检测墙体裂缝
运行02train.py会对标准格式的数据集进行训练,训练好的模型保存在checkpoints文件夹下。并生成评价指标图在IOU。运行03pyqt.py可以选择自己感兴趣的图片进行识别,通过调用上一步训练好的模型识别图片中的墙体裂缝。运行01json转mask格式.py能将图片数据集转成标准格式,并划分训练集和验证集。代码整体是非常简便的,主要是dataset数据集文件夹和3个py文件。原创 2024-02-16 15:01:28 · 193 阅读 · 0 评论 -
127基于python深度学习识别30种乐器
在训练时提供了11种卷积神经网络供任意切换。包括resnet\mobilenet\alexnet\vgg\sufflenet\efficientnet等等。运行02train.py会txt文本里面的图片数据进行读取并训练模型,训练好的模型也保存在logs文件夹下。运行03pyqt.py可以选择自己感兴趣的图片进行识别,通过调用上一步训练好的模型识别图片中的乐器。运行01.py能将图片数据保存在txt格式的文本里面,并划分训练集和验证集。代码整体是非常简便的,主要是data数据集文件夹和3个py文件。原创 2024-02-16 15:00:39 · 186 阅读 · 0 评论 -
128基于深度学习的根据音频识别乐器
运行03pyqt.py可以选择自己感兴趣的音频进行识别,通过调用上一步训练好的模型识别音频是哪种乐器发出来的。运行02train.py会txt文本里面的音频数据进行读取并训练模型,训练好的模型也保存在logs文件夹下。运行01.py能将音频数据保存在txt格式的文本里面,并划分训练集和验证集。代码整体是非常简便的,主要是data数据集文件夹和3个py文件。训练完成后还会生成评价指标图,f1-score,精确率和召回率。原创 2024-02-16 14:59:40 · 211 阅读 · 0 评论 -
129基于FCN图像分割算法检测火焰_数据集json转mask
运行01json转mask格式.py能将labelme打标签好的json格式文件变成mask图,并划分训练集和验证集,如果数据集本身是mask的可直接训练。运行02train.py会对训练集和验证集的数据进行读取,训练模型,训练好的模型保存在本地。运行03pyqt.py可以选择自己感兴趣的图片进行识别,通过调用上一步训练好的模型识别图片中的火焰。代码整体是非常简便的,主要是dataset数据集文件夹和3个py文件。原创 2024-02-16 14:58:41 · 239 阅读 · 0 评论 -
130基于PSPnet语义分割算法的道路裂缝检测
运行01json转mask格式.py能将labelme打标签好的json格式文件变成mask图,并划分训练集和验证集,如果数据集本身是mask的可直接训练。运行02train.py会对训练集和验证集的数据进行读取,训练模型,训练好的模型保存在本地。运行03pyqt.py可以选择自己感兴趣的图片进行识别,通过调用上一步训练好的模型识别图片中的道路裂缝了。代码整体是非常简便的,主要是dataset数据集文件夹和3个py文件。原创 2024-02-16 14:57:39 · 152 阅读 · 0 评论 -
131可用于深度学习系统交互的pyqt可视化界面20例
比如运行001,是打开摄像头,然后再点击按钮会定格画面,点击识别会识别当前画面的平均RGB值,如果用于深度学习,你将一个比如图像分类的模型加载到这个pyqt里面,将定格的摄像头画面传入图像识别,就可以将识别的结果RGB值,变为你当前模型的分类类别。运行011可用于nlp文本情感分类的界面,只要将输入文本内容导入自己训练好的模型内识别即可,在将这里输出的字符个数换成自己的识别内容即可。代码是十分的简介,每个py文件代表一个pyqt的界面。运行008可用于数据预测,比如根据学生的学习课程数和时长来识别。原创 2024-02-16 14:56:46 · 504 阅读 · 0 评论