图像算法
文章平均质量分 83
有关图像的深度学习算法、图像分类、目标检测等
数虫
这个作者很懒,什么都没留下…
展开
-
图像预处理(1)
在二值化过程中,根据像素的灰度值与设定的阈值进行比较,将像素分为两个类别:低于阈值的像素被设为黑色,高于阈值的像素被设为白色。这种转换可以突出图像中的物体轮廓,简化图像,并提取出感兴趣的目标。自适应阈值二值化(Adaptive Thresholding)是一种将图像转换为黑白(二值化)图像的方法,其中阈值是根据图像局部区域的亮度来确定的,而不是全局应用一个固定的阈值。二值化是将图像转换为只包含两个灰度值的图像,通常是将图像中的像素值限定为两个固定的值,例如0和255,用于表示黑色和白色。原创 2023-07-24 14:18:08 · 281 阅读 · 0 评论 -
YOLO5-v5.0训练自定义数据集(完整教程)
一般目标检测的数据集资源标签的格式都是VOC:xml格式,而yolov5训练所需要的文件格式是yolo:txt格式,则需要对xml格式的标签文件转换为txt文件。1、修改数据配置文件 :一个是data目录下的相应的yaml文件,一个是model目录文件下的相应的yaml文件。训练自己的数据集的话,那么就需要修改其中的.yaml文件。数据训练好之后,就会在主目录下产生一个run文件夹,在run/train/exp/weights目录下会产生两个权重文件,一个是最后一轮的权重文件,一个是最好的权重文件。原创 2023-05-19 13:36:10 · 1388 阅读 · 0 评论 -
YOLO5-v5.0训练自定义数据集的问题与解决
YOLO5-v5.0运行的出现的问题原创 2023-05-19 10:10:39 · 170 阅读 · 1 评论 -
搭建maskrcnn-benchmark的环境遇到问题
对于layers下面的文件,nms.py、roi_align.py等出现这个错误的from maskrcnn_benchmark import _C都换成from ._utils import _C就解决了。在GitHub中直接下载该库,然后解压。并放到相应的位置上。永久:到环境变量PATHONPATH 添加,没有就新建一个。设置环境变量---我的cl.exe位置跟网上不太一样;这个库的安装不是像其他的一样的直接使用。的形式,而是使用原始的Git方式。原创 2023-05-12 16:37:17 · 1608 阅读 · 2 评论 -
Pytorch版Mask-RCNN图像分割实战(自定义数据集)
Mask R-CNN是一种广泛应用于目标检测和图像分割任务的深度学习模型,它是由Faster R-CNN(一种快速目标检测模型)和Mask R-CNN(一种实例分割模型)组成的。Mask R-CNN将Faster R-CNN中的RPN和RoI Pooling层替换成了RPN和RoI Align层,以实现像素级的图像分割,能够同时检测出多个对象,并对每个对象进行像素级的分割。原创 2023-05-12 16:32:55 · 7376 阅读 · 2 评论 -
目标检测小知识
COCO的检测任务共含有80个类,在2014年发布的数据规模分train/val/test分别为80k/40k/40k, 学术界较为通用的划分是使用train和35k的val子集作为训练集(trainval35k),使用剩余的val作 为测试集(minival),同时向官方的evaluation server提交结果(test-dev)。目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。原创 2023-05-08 16:49:46 · 264 阅读 · 0 评论