计算机视觉-深度学习
文章平均质量分 96
计算机视觉中的深度学习相关内容
CaptainSG
这个作者很懒,什么都没留下…
展开
-
目标检测之YOLOX--Windows系统下的环境配置
YOLOX之Windows环境配置Windows下的安装配置步骤从github上clone yolox项目到本地磁盘创建新的环境或者使用之前已经创建完成的环境,查看requirements.txt文件中所要求的依赖库是否都已安装。我这里是在conda环境下,使用的之前在用的环境,所以大部分的依赖库都已安装完成在YOLOX根目录下打开新的终端,conda切换到刚才创建的环境下,执行以下命令:python setup.py develop如果成功,显示如下:[外链图片转存失败,源站原创 2021-09-30 11:09:28 · 1526 阅读 · 0 评论 -
目标分割-U-net
1.网络结构U-Net提出了一种新的网络结构和训练方法,依靠数据增强将有效的标注数据更为有效地使用。网络由收缩路径和扩张路径组成,收缩路径用于获取上下文信息,扩张路径用于精确定位,两条路径相互对称;网络运行速度快结构:一个contracting path即收缩路径(左侧)和一个expansive path即扩展路径(右侧)组成。1、收缩路径遵循卷积网络的典型架构。它包括重复使用两个3x3卷积(无填充卷积),每个卷积后跟一个线性修正单元(ReLU)和一个2x2最大池化操作,步长为2的下采原创 2020-06-14 16:31:51 · 809 阅读 · 0 评论 -
目标分割网络-segnet
1. 网络结构VGG16去掉全连接层结构分为编码网络和解码网络编码网络(encoder network):由13个卷积层组成(使用的时预训练的VGG16的前13层),该部分提取输入特征,用于目标分类,这就是使用预训练的VGG原理所在,至于丢弃FC层是为了保持更高的分辨率,同时也减少了参数。总共5个Block,每个Block都由Conv + Batch Norm + ReLU组成解码网络(decoder network):每个encoder会对应一个decoder,故decoder具有13层,原创 2020-06-14 15:55:45 · 772 阅读 · 0 评论 -
目标检测网络-sppnet
可以参考该连接https://blog.csdn.net/weixin_43854922/article/details/86509694转载 2020-06-13 15:27:06 · 278 阅读 · 0 评论 -
CV-人脸识别03-疲劳检测
1. 疲劳状态检测1.1 根据嘴的状态检测使用基于Haar特征的Adaboost算法训练分类器,实现嘴的正常状态和张嘴状态的区分,再针对区分结果实现二次处理,计算嘴的张开程度,判定是否处于疲劳状态处理方法:选取打哈欠及各种张嘴时的嘴部图像为正样本,选取脸部其他部分图像为负样本,正样本和负样本图像均从网上搜索得到,正样本图像250张,大小统一缩放为24×24,负样本图像550张。1.2 驾驶员疲劳驾驶检测系统主要内容1.2.1 双眼位置精确定位一般情况下,是在定位人眼之前先检测并定位出人脸,然原创 2020-06-04 20:30:06 · 4628 阅读 · 0 评论 -
CV-人脸识别02-关键点检测
关键点提取【实现方法, 疲劳检测, 人脸校准】1实现方法-face_recognitionface_recognition,可以通过python引用或者命令行的形式使用,管理和识别人脸安装命令 pip install face_recognition实现方法:创建两个目录,一个放已知图片,另一个放要识别的图片输入命令face_recognition /known_people/ / unknown_pictures/如果想指定想并行处理图像,则可以指定cpu核数,例如指定4个cpu则可认原创 2020-06-01 19:40:26 · 1016 阅读 · 0 评论