- 博客(4)
- 收藏
- 关注
RSS订阅原创 PaddleOCR二次训练，训练属于自己的数据集（linux）
1.1源码安装下载，找到PPOCRlabel.py文件，并运行它。3.点击查看标注内容是否正确，若正确则点击，不正确进行步骤四。下载成功后，运行PPOCRLabel文件，将弹出来标注软件。4.若不正确选择对应的框进行重新标注，并输入正确识别结果。2.自动标注，若有不对可进行人为修改。标注好后，需进行点击生成这三个文件。（需要很多的库，报错就安装）
2024-09-18 13:17:09
331
原创 visionpro（自学ing）
3.模板匹配，位置修正（模板匹配和位置修正一般配合使用）2.主代码，分为两个部分，一个是模板匹配找到基准点，之后是进行质量对比。4.1 完好模板的对比匹配，（统计训练当前模式，就是把当前图片加入到训练集当中）检测打印质量，根据设定标准进行检测，首先进行匹配找到对应位置设置为基点，之后根据完整的模板进行对比。4.与完好的模板进行匹配之后进行blob分析。
2024-01-24 11:31:20
1012
原创 opencv的使用
cv2.imshow('image', img)destroyAllwindows()img = cv2.imread('F:/ac/ac/1.png', cv2.IMREAD_GRAYSCALE)var = img.shapeimg1 = img[0:200, 0:200]b, g, r = cv2.split(img)img = cv2.merge((b, g, r))cur_img = img.copy()cur_img[:, :, 1] = 0cur_img[:, :, 2] = 0cv2.imsh
2023-12-15 17:08:00
131
原创 yolov8从下载到应用，查看训练是否到最佳结果（自学ing）
因为有时二者有一个极高，一个极低时，这样平均值是高的，但实际的效果并不会好。通过F1-score的方式来权衡Precision与Recall，可以有效的避免短板效应，这在数学上被称为调和平均数。x轴是真实类别，y轴是预测类别，根据这张图，我们可以看出分类模型发生的错误，和正在发生的错误。对于所有的种类，最好的结果置信度在0.259.对于不同的模型，有很多的准确性和回归，这样我们需要引入F1参数，来选择最优解。这幅图主要是置信度与准确率的关系，在置信度为0.935的情况下,准确率为1。错误结果为FN和TP。
2023-12-15 16:55:33
1966
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人