计算机视觉
文章平均质量分 76
Computer Vision
chaser&upper
西电CS硕士在读,热爱Coding,喜欢分享,欢迎您与我交流~
展开
-
【计算机视觉】复习笔记
【计算机视觉】复习笔记。什么是滤波什么时候利用滤波滤波的种类:线性滤波:用相邻的线性组合 (加权和)替换每个像素卷积:(权重核反转(水平和垂直))原创 2023-03-15 12:58:46 · 279 阅读 · 0 评论 -
【论文笔记】旋转图像验证码角度识别-深度学习
softmax 函数将输入的值映射成(0,1)的值,每个元素的大小即为其概率,最后选出输出结果的时候,可以选取概率最大的那个元素作为输出目标。在训练期间,网络的学习效果在未用于训练的数据子集上的性能是很重要的。在训练过程的开始,权重是随机初始化的,所以网络会做出随机预测。,这些函数应用于层中的每个神经元,以决定是否活跃(如果一个神经元的输出大于零,它就是活跃的)。:这是卷积神经网络中执行大部分非线性计算的层的类型,通常用于提取图像特征。这些权重是神经网络的内部状态,负责在每一层计算的不同特征。原创 2023-03-04 19:12:15 · 1002 阅读 · 0 评论 -
【卷积神经网络】二维卷积层(conv-layer)
卷积神经网络-二维卷积层二维卷积层二维互相关运算二维卷积层图像中物体边缘检测通过数据学习核数组互相关运算和卷积运算特征图和感受野小结二维卷积层卷积神经网络(convolutional neural network)是含有卷积层(convolutional layer)的神经网络。本章中介绍的卷积神经网络均使用最常见的二维卷积层。它有高和宽两个空间维度,常用来处理图像数据。本节中,我们将介绍简单形式的二维卷积层的工作原理。二维互相关运算虽然卷积层得名于卷积(convolution)运算,但我们通常在卷原创 2022-01-07 11:53:21 · 6213 阅读 · 0 评论 -
【RotNet 自监督学习】预测图像旋转角度
RotNet:预测图像旋转论文导读图像旋转预测框架旋转拖动验证码解决方案两种思路大数据应用赛卷积神经网络模型编译训练参数回调模型训练完整代码模型调用论文导读RotNet 通过预测图像旋转进行自监督学习这是2018年ICLR发表的一篇论文,被引用超过1100次。论文的想法来源于:如果某人不了解图像中描绘的对象的概念,则他无法识别应用于图像的旋转。在这篇文章中,我们回顾了巴黎科技大学(University Paris-Est)通过预测图像旋转进行的无监督表示学习。使用RotNet通过训练ConvNets原创 2021-12-24 21:33:12 · 7664 阅读 · 1 评论 -
keras.utils.Sequence:FileSequence生成文件序列流
keras.utils.Sequence:FileSequence文件序列流前言tensorflow.keras.utils.Sequence学习官方例子代码展示前言最近参加【2021年第三届全国高校计算机能力挑战赛】大数据应用赛,题目属于计算机视觉方向的图像扶正。在训练模型时避免不了需要批量加载图片文件,因此需要构建一个FileSequence文件序列流类,进行加载图片文件。我对官方示例提交代码进行浅显研究,仅供个人学习使用。tensorflow.keras.utils.Sequence学习t原创 2021-12-05 21:15:57 · 456 阅读 · 0 评论 -
【2021年第三届全国高校计算机能力挑战赛】大数据应用赛
【2021年第三届全国高校计算机能力挑战赛】大数据应用赛赛题:大数据应用赛一、赛题背景:二、时间安排:三、奖项设置:四、赛题和数据:五、评价标准:六、作品提交要求:七、解决方案:赛题:大数据应用赛组织架构主办单位:全国高等学校计算机教育研究会承办单位:各高校计算机相关院系技术支持:DataCastle数据城堡、我爱竞赛网一、赛题背景:计算机视觉在众多的AI中应用广泛,比如自动驾驶、视觉导航、目标检测、目标识别等等,无一不关系到计算机视觉,而图像技术往往能帮助计算机视觉得到提升,比如随机剪原创 2021-12-05 20:57:06 · 7603 阅读 · 0 评论 -
物体检测案例大总结
原创 2021-08-17 10:11:31 · 410 阅读 · 0 评论 -
【模型导出与部署】项目接口与百度机器人对接
项目接口与百度机器人对接1. 百度服务机器人介绍2. 接口对接百度修改2.1 web对接口1. 百度服务机器人介绍开放平台架构机器人后台配置网址: https://console.bce.baidu.com/abcrobot/#/consolePage/extAbility/objIdentify需要企业百度云账号,这里做演示说明机器人配置后台配置自定义物体识别功能配置页面其中需要配置我们自己的物体识别HTTP接口,密钥可以随意配置2. 接口对接百度修改原创 2021-08-17 10:11:02 · 449 阅读 · 0 评论 -
【模型导出与部署】Web Server开启
Web Server开启1. Docker管理运行Web部分2. 调试web程序(flask程序)的方法应用TensorFlow Serving Client完成模型服务调用预测应用Docker完成Web服务的运行1. Docker管理运行Web部分此部份的docker镜像需要自己通过Dockerfile来制作创建名称的Dockerfile的文本文件(没有后缀名),# FROM表示从哪个镜像基础上进行构建新的镜像# 从Python官方提供的3.6.7的镜像基础上进行构建FROM py原创 2021-08-17 10:10:47 · 414 阅读 · 0 评论 -
【模型导出与部署】TensorFlow Client对接模型服务
TensorFlow Client对接模型服务1. Tensorflow Client代码编写对接Web1.1 Client端代码2. 步骤过程应用TensorFlow Serving Client完成对接模型服务编写以及运行1. Tensorflow Client代码编写对接Webmain.py当中调用# 获取用户上传图片image = request.files.get('image')if not image:abort(400)# 预测标记result_img = make原创 2021-08-16 18:28:01 · 1050 阅读 · 3 评论 -
【模型导出与部署】TF Serving 与 Web开启服务
TF Serving 与 Web开启服务1. TensorFlow Serving1.1 安装Tensorflow Serving2. TensorFlow Serving Docker3. 案例操作:commodity模型服务运行应用TensorFlow Serving完成模型服务运行1. TensorFlow ServingTensorFlow Serving是一种灵活的高性能服务系统,适用于机器学习模型,专为生产环境而设计。TensorFlow Serving可以轻松部署新算法和实验,同时原创 2021-08-16 18:20:28 · 641 阅读 · 0 评论 -
Docker部署环境使用介绍
Docker使用介绍1. Docker安装2. Docker命令1. Docker安装1、获取Docker安装包wget -qO- https://get.docker.com/ | sh2、启动Docker后台服务sudo service docker start2. Docker命令docker ps # 查看正在运行的dockerdocker ps --all # 查看所有运行的docker,包括停止和未启动异常退出的docker stop 容器ID(CONTAI原创 2021-08-16 18:15:37 · 505 阅读 · 2 评论 -
【模型导出与部署】Web与模型服务对接逻辑及模型导出
模型导出与部署1. Web与模型服务对接逻辑2. 模型导出2.1 keras 模型进行TensorFlow导出1. Web与模型服务对接逻辑目标了解线上使用、部署模型的完整流程掌握深度学习模型的部署架构应用无完整过程为:用到的技术:Tensorflow servinggrpc+protobufFlask2. 模型导出应用tf.saved_model.simple_save完成模型导出2.1 keras 模型进行TensorFlow导出Tensorflo原创 2021-08-16 17:56:12 · 535 阅读 · 0 评论 -
【计算机视觉】案例:应用opencv+keras完成视频物体检测
案例:视频物体检测测试1. 案例结构目录2. 案例效果演示3. 步骤分析4. 代码实现5. 调用视频预测6. 完整代码1. 案例结构目录2. 案例效果演示3. 步骤分析配置获取相关预测数据类别,网络参数获取摄像头视频获取摄像每帧数据,进行格式形状处理模型预测、结果NMS过滤画图:显示物体位置,FPS值(每秒帧数)4. 代码实现导入相关包import cv2import kerasfrom keras.applications.imagenet_utils import pr原创 2021-08-16 12:53:28 · 3625 阅读 · 5 评论 -
【强烈推荐】Opencv-python介绍
Opencv-python介绍1. opencv介绍1.1 cv2 helloword2. cv2视频读取处理2.1 摄像头捕获视频2.2 获取本地视频3. cv2 颜色空间变换4. cv2画图函数5. 人脸识别1. opencv介绍OpenCV是Intel®开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成,实现了图像处理和计算机视觉方面的很多通用算法。OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。OpenCV包原创 2021-08-16 12:41:35 · 3353 阅读 · 6 评论 -
【商品检测数据集训练】应用API完成商品数据集的训练
应用API完成商品数据集的训练1. 案例训练结果2. 案例思路2.1 获取Generator2.2 初始化网络参数,微调网络2.3 设置训练参数以及fit3. 多GPU训练代码修改4. 预测代码5. 完整代码1. 案例训练结果文件2. 案例思路image_generator:获取图片数据标注数据生成器标注数据分割from utils.detection_generate import Generator初始化模型参数以及冻结部分结构compile与fit_generato原创 2021-08-16 12:31:53 · 1100 阅读 · 13 评论 -
【标注数据读取与存储】案例:xml读取本地文件存储到pkl
案例:xml读取本地文件存储到pkl1. 解析结构2. one_hot编码函数3. 完整代码ElementTree工具使用,解析xml结构保存物体坐标结果以及类别pickle工具导出1. 解析结构导入from xml.etree import ElementTree处理XML库import xml.etree.ElementTree as ETtree = et.parse(filename):形成树状结构tree.getroot():获取树结构的根部分root.原创 2021-08-16 12:22:44 · 547 阅读 · 0 评论 -
【商品检测数据集训练】项目训练结构介绍
项目训练结构介绍1. 项目目录结构2. train_ssd.py1. 项目目录结构ckpt:分为预训练与微调模型datasets:放训练原始数据以及存储数据、读取数据代码以及模型priorboxservingmodel:模型部署使用的模型位置export_serving_model:导出TFserving指定模型类型train_ssd:训练模型代码逻辑2. train_ssd.py"""商品检测数据集训练"""import picklefrom computerVision.uti原创 2021-08-16 12:18:35 · 624 阅读 · 4 评论 -
【目标检测算法】改进-SPPNet(详解)
目标检测算法之改进-SPPNet学习目标1. SPPNet1.1 映射1.2 spatial pyramid pooling2. SPPNet总结3. 总结4. 问题学习目标目标说明SPPNet的特点说明SPP层的作用【目标检测算法】R-CNN(详解)R-CNN的速度慢在哪?每个候选区域都进行了卷积操作提取特征。1. SPPNetSPPNet主要存在两点改进地方,提出了SPP层减少卷积计算R-CNN模型SPPNet模型1、R-CNN是让每个候选区域经原创 2021-08-14 12:56:43 · 1850 阅读 · 0 评论 -
目标检测任务描述
目标检测任务描述学习目标1. 目标检测算法分类2. 目标检测的任务2.1 分类原理回顾2.2 检测的任务3.1 目标定位的简单实现思路3.1 回归位置4. 两种Bounding box名称学习目标目标了解目标检测算法分类知道目标检测的常见指标IoU了解目标定位的简单实现方式1. 目标检测算法分类两步走的目标检测:先进行区域推荐,而后进行目标分类代表:R-CNN、SPP-net、Fast R-CNN、Faster R-CNN端到端的目标检测:采用一个网络一步到位代表原创 2021-08-14 11:29:16 · 794 阅读 · 0 评论 -
【目标检测算法】Fast R-CNN(详解)
4.4 Fast R-CNN学习目标目标了解Fast R-CNN的结构特点说明RoI pooling的特点了解多任务损失【目标检测算法】改进-SPPNet(详解)SPPNet的性能已经得到很大的改善,但是由于网络之间不统一训练,造成很大的麻烦,所以接下来的Fast R-CNN就是为了解决这样的问题1. Fast R-CNN改进的地方:提出一个RoI pooling,然后整合整个模型,把CNN、RoIpooling、分类器、bbox回归几个模块整个一起训练步骤首先将原创 2021-08-14 13:02:35 · 1814 阅读 · 0 评论 -
【目标检测算法】SSD(Single Shot MultiBox Detector)
学习目标目标知道SSD的结构说明Detector & classifier的作用说明SSD的优点1. SSD1.1 简介SSD算法源于2016年发表的算法论文,论文网址:https://arxiv.org/abs/1512.02325SSD的特点在于:SSD结合了YOLO中的回归思想和Faster-RCNN中的Anchor机制,使用全图各个位置的多尺度区域进行回归,既保持了YOLO速原创 2021-08-15 10:13:51 · 830 阅读 · 0 评论 -
SSD网络接口介绍(包含完整代码)
SSD网络接口介绍1. keras SSD结构2. ssd_net.py3. ssd_layers.py4. ssd_utils.py1. keras SSD结构SSD300网络结构网络输入input_tensor = input_tensor = Input(shape=input_shape)网络输出net['predictions'] = merge([net['mbox_loc'], net['mbox_conf'],原创 2021-08-15 10:13:45 · 524 阅读 · 1 评论 -
CV案例:应用Keras SSD进行物体检测
案例:SSD进行物体检测1. 案例效果2. 案例需求3. 步骤分析以及代码3.1 模型预测流程3.2 图片的检测结果显示4. 完整代码1. 案例效果我们使用已经训练过的模型进行加载之后,总共基础训练时有动物、载具等等共20个物体类别的训练集。以下是对没有训练过的图像的检测结果:2. 案例需求使用开源的SSD网络结构进行检测的是的代码编写,由于开源代码使用 keras 编写,没有tf.keras版本,需要下载 keras-1.2.2 包pip install keras==1.2.2原创 2021-08-15 10:13:38 · 941 阅读 · 3 评论 -
商品物体检测项目介绍
商品物体检测项目介绍1. 项目演示2. 项目结构3. 项目知识点1. 项目演示项目已经部署上线Web端演示百度机器人端识别演示2. 项目结构3. 项目知识点神经网络卷积网络TensorFlowAPI操作RCNN以及相关算法YOLO与SSD算法接口介绍数据集标记格式数据集存储与读取数据接口实现模型接口实现训练、设备部署逻辑实现测试接口TensorFlow serving部署模型Web server+TensorFlow se原创 2021-08-14 11:11:48 · 1020 阅读 · 0 评论 -
【目标检测算法】R-CNN(详解)
目标检测算法之R-CNN学习目标1. 目标检测-Overfeat模型1.1 滑动窗口1.2 Overfeat模型总结2. 目标检测-R-CNN模型2.1 完整R-CNN结构2.2 候选区域(Region of Interest)得出2.3 CNN网络提取特征2.4 特征向量训练分类器SVM2.5 非最大抑制(NMS)2.6 修正候选区域3. 检测的评价指标3.1 IoU交并比3.2 平均精确率(mean average precision)map4. R-CNN总结4.1 流程总结4.2 缺点5. 总结6.原创 2021-08-14 12:48:08 · 11741 阅读 · 1 评论 -
【目标检测算法】Faster R-CNN(详解)
Faster R-CNN学习目标1. Faster R-CNN2. RPN原理2.1 anchors3. Faster RCNN训练4.5.3.1 Faster R-CNN的训练3.2 候选区域的训练4. 效果对比5. Faster R-CNN总结6. 总结7. 问题?8. 开源keras Faster RCNN 模型介绍8.1 环境需求8.2 keras Faster RCNN代码结构8.3 FaterRCNN源码解析8.4 RPN 与 classifier定义8.5 data_generators.p原创 2021-08-14 13:16:07 · 5717 阅读 · 1 评论 -
开源Keras Faster RCNN 模型介绍
开源Keras Faster RCNN 模型介绍1. 环境需求2. keras Faster RCNN代码结构3. FaterRCNN源码解析4. RPN 与 classifier定义5. data_generators.py:传递图像参数,增广配置参数,是否进行图像增广6. 损失计算 losses.py开源Keras Faster RCNN 模型地址:https://github.com/jinfagang/keras_frcnn1. 环境需求1、由于该源代码由keras单独库编写所以需要下载原创 2021-08-14 13:21:42 · 1030 阅读 · 0 评论 -
【目标检测算法】详解 YOLO(You only look once)
学习目标目标知道YOLO的网络结构知道单元格的意义知道YOLO的损失在正式介绍YOLO之前,我们来看一张图:可以看出YOLO的最大特点是速度快。1. YOLO1.1 结构一个网络搞定一切,GoogleNet + 4个卷积+2个全连接层1.2 流程理解1、原始图片resize到448x448,经过前面卷积网络之后,将图片输出成了一个7 * 7 * 30的结构以图示的方式演示:2、默认7 * 7个单元格原创 2021-08-15 10:14:00 · 1487 阅读 · 0 评论 -
【商品检测数据集训练】目标检测数据集与标记
目标检测数据集与标记学习目标1. 常用目标检测数据集6.1.2 pascal voc数据集介绍6.1.3 XML为什么要进行数据集标记呢?6.1.4 数据集标记工具介绍6.1.4.1 介绍6.1.4.2 安装6.1.5 商品数据集标记6.1.5.1 需求介绍6.1.5.2 标记6.1.6 总结学习目标目标了解常用目标检测数据集了解数据集构成了解数据集标记的需求知道labelimg的标记使用应用应用labelimg完成商品数据集的标记1. 常用目标检测数据原创 2021-08-16 12:07:26 · 1981 阅读 · 0 评论 -
Python人脸识别
Python人脸识别OpenCV 简介安装 OpenCV 模块OpenCV 基本使用人脸检测使用 OpenCV 进行人脸检测插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入OpenCV 简介OpenCV 的全称是 Open Source Computer Vision Library,是原创 2021-02-21 14:30:23 · 6149 阅读 · 11 评论