深度学习
文章平均质量分 85
由博主的毕业论文出发,引出的一些机器学习的心得。
yasin墨染锦年
嵌入式软件工程师,欢迎骚扰
展开
-
[机器学习Day 1~3
【代码】[机器学习Day 1~3。原创 2024-04-10 08:55:55 · 502 阅读 · 0 评论 -
图像检测与处理技术在汽车牌照中的运用
在汽车牌照识别中,主要是将牌照部分突出显示出来,去除其他的无效干扰信息。车牌区域的识别是基于以下思想的:分析图像,使用pixval函数来获得牌照的背景色的红、绿、蓝分量亮度值和坐标;通过统计算法找出车牌的范围;通过修剪得到最终图像。Matlab代码:clcclearfilename='car.jpg'; %图片的路径I=im2gray(filename);%调用自编函数读取图像,如果...原创 2020-04-14 10:35:42 · 9799 阅读 · 1 评论 -
相机- yolo训练集 环境搭建
yolo训练集快速搭建教程原创 2023-07-05 16:41:19 · 11549 阅读 · 0 评论 -
基于卷积神经网络的多目标图像检测研究(四)
第4章 Faster R-CNN网络模型设计4.1 Faster RCN文件结构介绍本文在介绍具体的训练模型之前,先介绍Faster RCNN的文件结构。如图4.1所示,主要包括了7个文件夹和4个文件。主要的文件夹模块为:caffe-fast-rcnn,data,experiments,lib,tools,models,.git,和两个主要的文件LICENSE和README。图4.1 Faster RCNN下的文件截图在caffe-fast-rcnn文件夹下定义了caffe的框架目录,而在data原创 2021-01-11 18:50:10 · 5248 阅读 · 2 评论 -
基于卷积神经网络的多目标图像检测研究(三)
第3章 数据集建立最终模型的工作性能很大程度上取决于训练数据集的好坏。本文以生活中常见的人、车、椅子和杯子这四类物体为研究对象,采用Faster RCNN目标检测算法对其进行训练与检测。目标检测算法属于机器学习(Machine learning)领域中的监督式学习,即在一组人工标记的数据基础上推测出假设函数。这种方法需要大量的训练样本和注释文件以形成样本的训练集。因此在训练之前,首先需要制作模型训练所需的数据集,将目标在图片中的位置坐标等信息标注出来,最终生成xml或txt格式文件,便于后续的模型训练使用原创 2021-01-11 18:40:06 · 855 阅读 · 0 评论 -
基于卷积神经网络的多目标图像检测研究(二)
第2章 卷积神经网络2.1 卷积运算的原理及意义卷积层执行的处理是卷积运算。卷积操作相当于图像处理中的“过滤操作” 。 如图 2.1所示,它是典型卷积运算的一个例子。图2.1 卷积运算举例卷积运算将滤波器应用于输入数据。 在该示例中, 输入数据是具有高、 长度方向上的数据, 并且滤波器具有相同的高、 长度方向的尺寸。 假设(高度, 宽度) 表示数据和滤波器的形状, 在这种情况下, 输入大小为 (4, 4), 滤波器大小是(3, 3), 输出大小是(2, 2)。 卷积运算的计算顺序如图 2.2 所示原创 2021-01-11 18:33:58 · 6542 阅读 · 1 评论 -
基于卷积神经网络的多目标图像检测研究(一)
摘 要目标检测任务简单来说是在图片或视频中指出多个特定目标并以方框形式给出这些物体在图片中的位置和大小。它与我们的生活密切相关,它被广泛应用于安全识别、无人驾驶、医疗诊断、图像检索等领域,并且未来将愈发重要。因此目标检测也是近年来机器学习、图像处理领域的热门研究内容。目前来说,深度学习发展迅速,在目标检测方面涌现出了很多优秀的算法。到现在为止,已有的基于深度学习的目标检测与识别算法大致可以分为...原创 2020-03-20 23:39:33 · 13726 阅读 · 3 评论