作业笔记
文章平均质量分 77
成功=目标的微分+汗水的积分
@DWC_DIP
每天进步一点点~~
展开
-
2021-04-28 YOLO实验记录
YOLOv3-Tiny+vs2019+opencv训练1.环境的配置2.YOLOv3-Tiny3.数据准备4.准备模型5.训练模型1.环境的配置建议环境:Win10、支持CUDA的Nvidia显卡、Python3、CUDA>=9.0、CUDNN>=7.0、VS2015(或其他)、OPENCV<4.0详细操作步骤参考:Yolov3+windows10+VS2015部署安装Windows安装+配置Yolov3(vs2019+NVIDIA+CUDA+cuDNN+OPENCV)YOLO原创 2021-04-28 21:45:28 · 329 阅读 · 0 评论 -
缺陷检测中的分类、检测与分割网络
缺陷检测中分类、检测与分割网络前言1. 分类网络2. 检测网络3. 分割网络前言根据缺陷检测的三个阶段其方法大致可以分为三类分别是分类网络、检测网络、分割网络。1. 分类网络由于CNN强大的特征提取能力, 采用基于CNN的分类网络目前已成为表面缺陷分类中最常用的模式一般来说,现有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构, 包括AlexNet, VGG, GoogLeNet,ResNet, DenseNet, SENet, ShuteNet,MobileNet等。利用分类网络结合上滑动窗口原创 2021-01-19 20:26:30 · 7651 阅读 · 3 评论 -
OpenCV基于Python图像掩模处理
图像掩模目标1. 图像掩模的概念2. 图像掩模的作用3. 示例演示目标本篇文章主要介绍图像掩模的概念、作用、及其简单实现。1. 图像掩模的概念图像掩模(image mask)是用选定的图像、图形或物体,对待处理的图像(局部或全部)进行遮挡来控制图像处理的区域或处理过程。由于覆盖的特定图像或物体称为掩模或模板。2. 图像掩模的作用数字图像处理中,掩模为二维矩阵数组,有时也为多值图像。图像掩模主要用于:提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持原创 2021-01-08 20:46:08 · 4171 阅读 · 1 评论 -
OpenCV基于Python轮廓面积筛选
轮廓面积筛选目标目标通过本篇文章的学习,你将会学习到对不同轮廓图案按照设置的面积条件进行筛选,获取满足面积条件的轮廓图案。下面用一个示例图像筛选出轮廓面积超过平均面积的轮廓,待处理图像如下图所示:处理程序代码:import numpy as npimport cv2 as cv# 加载图片img = cv.imread('Contour area screening.png')# 灰度化img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)#原创 2021-01-07 22:24:26 · 5491 阅读 · 2 评论