本文介绍了基于Python的HOG特征和SVM实现混凝土裂缝目标检测的方法，对比了CNN模型如AlexNet、ResNet等以及目标检测算法如YOLOv3、Faster R-CNN。同时，提供了Unet、Mask R-CNN等图像分割技术的概述，并分享了视频演示和代码示例，包括用于训练、单张图片预测及PyQT交互界面的脚本。
卷积网路CNN分类的模型一般使用包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型
目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等
图像分割一般是Unet、mask-rcnn、PSPnet、yolov5-segment等
视频演示找052期：
效果展示图如下：
代码文件展示如下：
运行01.py可以对data文件夹下的图片数据进行训练
运行02.py可以对单张图片进行预测
运行03.py可以生成pyqt的交互界面，通过点击按钮对感兴趣的图片进行加载，然后进行检测识别。
扫一扫
2891
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
