姜饼饼-CSDN博客

原创 YOLOv5 实现目标检测（训练自己的数据集实现猫猫识别）

一、概要2020年6月10日，Ultralytics在github上正式发布了YOLOv5。YOLO系列可以说是单机目标检测框架中的潮流前线了，由于YOLOv5是在PyTorch中实现的，它受益于成熟的PyTorch生态系统，支持更简单，部署更容易，相对于YOLOv4，YOLOv5具有以下优点：速度更快。在YOLOv5 Colab notebook上，运行TeslaP100，我们看到每张图像的推理时间仅需0.007秒，这意味着每秒140帧（FPS），速度是YOLOv4的2倍还多。精度更高。在Rob

2020-07-25 13:10:35 152606 387

原创基于opencv的裂缝宽度检测算法（计算轮廓最大内切圆算法）

这里依然是应用在图像分割的场景，在对路面病害中的裂缝进行检测时，通过UNet++图像分割模型我们可以得到裂缝的标注图像，如下图所示。针对裂缝的图像分割图像，我们仍需进一步的进行图像处理操作，计算裂缝的宽度。这里我采用的是膨胀圆算法，通过opencv计算裂缝轮廓中最大内切圆，以此来求得最大的裂缝宽度。代码如下：import cv2import mathimport randomimport numpy as npfrom numpy.ma import cos, sinimport matpl

2021-09-07 16:36:53 15490 41

原创 PyTorch图像分割模型——多类别图像分割数据集制作

上一篇文章中，主要介绍了使用segmentation_models_pytorch库进行UNet++模型训练，我们使用的数据集是已经标注好的CamVid数据集，但在实际应用中，我们需要标注自己的多分类图像分割数据集，这篇文章中，就重点介绍下怎么创建自己的图像分割数据集。首先需强调的是在这里我们用的数据集都是png格式的，生成的标注图像也都是png格式的，因为png图像可以做到无损压缩，能在保证最不失真的情况下尽可能压缩图像文件的大小，而且png用来存储灰度图像时，灰度图像的深度可多到16位，存储彩色图像时

2021-08-10 16:11:11 10826 3

原创 PyTorch图像分割模型——segmentation_models_pytorch库的使用

一、概要segmentation_models_pytorch是一个基于PyTorch的图像分割神经网络这个新集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造，对于图像分割而言简直就是神器般的存在。github地址：https://github.com/qubvel/segmentation_models.pytorch该库的主要功能有：高级API（只需两行即可创建神经网络）；用于二分类和多类分割的9种模型架构（包括传奇的Unet）（Unet、Unet++、MAnet、Lin

2021-08-10 01:39:19 40960 28

原创 YOLOv5图像识别显示中文标签

采用YOLOv5进行图像识别时，通常识别结果中的标签都是英文显示的，如下图所示：当然，无论是YOLO还是opencv，都是老外开发的，开发的过程中肯定不会考虑中文显示了，所以一直以来，在opencv-python中显示中文都有一些麻烦。那如何才能在YOLOv5图像识别中让标签变为中文呢？这里提供了一种修改YOLOv5源码方法可以参考。YOLOv5的使用在这里就不再阐述了，我们直接在YOLOv5程序中utils/utils.py（新版的是utils/general.py）文件下找到这一行代码：def p

2020-11-03 14:45:23 28382 41

原创 python制作深度学习数据集中的xml文件

在进行路面裂缝识别的项目中，我截取了9000多张只存在路面裂缝的100X100的图片，因为再进行一张一张的标注过于麻烦，所以我采用xml包利用python自动生成xml文件，作为yolov5识别的数据集。数据集中xml文件的具体内容可以参考：PASCAL VOC 数据集简介代码如下所示：from lxml.etree import Element, SubElement, tostringfrom xml.dom.minidom import parseStringimport osdef

2020-10-28 16:16:52 14690 1

原创 Python异常数据处理——箱型图分析

在数据分析中，利用箱型图的方法对异常数据进行过滤，是一种很快速、很有效的异常数据处理方法。箱形图（英文：Box plot），又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名。在各种领域也经常被使用，常见于品质管理，快速识别异常值。箱形图最大的优点就是不受异常值的影响，能够准确稳定地描绘出数据的离散分布情况，同时也利于数据的清洗。箱型图可以通过程序设置一个识别异常值的标准，即大于或小于箱型图设定的上下界的数值则识别为异常值，箱型图如下图所示：其中，

2020-08-05 15:35:51 28774 4

原创 HyperLPR 对图片和视频中车牌的识别

概要在上一篇文章中，主要介绍了HyperLPR开源车牌识别系统的配置和使用（链接：https://blog.csdn.net/oJiWuXuan/article/details/107332668），目前这个系统是我用过的开源车牌识别程序中最精准最稳定的，很多模糊的、角度倾斜的、恶劣天气下的车牌都能识别清楚，作为开源程序来说已经非常优秀了。但是上一篇文章主要是在虚拟环境中的配置及HyperLPR的简单使用，并没有涉及HyperLPR在实际场景中的应用，如对具体图片或者视频中车牌的识别并输出识别后的图片或视

2020-07-14 11:02:39 3586 6

oJiWuXuan的博客