机器学习与深度学习
文章平均质量分 80
机器学习与深度学习
夏融化了这季节
分享自动驾驶,无人系统的知识,程序开发经验
展开
-
深度学习实战项目(二)-基于yolov5和svm的摔倒检测系统设计
所使用的数据集包含了图片和对应的摔倒人物的位置标签。该数据集的配置来自coco128.yaml。原创 2023-05-29 18:34:49 · 2508 阅读 · 1 评论 -
pyqt5界面+myql+跳绳系统设计
改项目主要是学习界面的设计开发,已把一些流行的算法做成功能较好的系统,这里以跳绳计数算法为例子,进行一个开发流程。原创 2023-05-16 17:36:02 · 2186 阅读 · 2 评论 -
深度学习实战项目(一)-基于cnn和opencv的车牌号识别
网上大部分是关于tensorflow,使用pytorch的比较少,本文也在之前大佬写的的基础上,进行了数据集的完善,和代码的优化,效果可比之前好一点。原创 2023-05-07 21:55:04 · 7775 阅读 · 5 评论 -
深度学习目标检测项目实战(六)-基于Faster rcnn pytorch的遥感图像检测
代码:https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0。原创 2023-05-26 20:50:11 · 5408 阅读 · 0 评论 -
深度学习目标检测项目实战(五)—基于mobilenetv2和resnet的图像背景抠图及其界面封装
该项目很有意思,也是比较前沿,项目主要参考了开源代码:https://github.com/PeterL1n/BackgroundMattingV2数据集https://grail.cs.washington.edu/projects/background-matting-v2/#/datasets下载比较小的数据集主要看readme的介绍有两个训练的代码:train_base.pytrain_refine.py要用gpu训练,不然顶不住,比如配置data_path.pth以指向您的数据集原创 2023-05-07 19:05:43 · 2190 阅读 · 1 评论 -
深度学习目标检测项目实战(四)—基于Tensorflow object detection API的骨折目标检测及其界面运行
参考原始代码:https://github.com/tensorflow/models/tree/master/research我用的是1.x的版本所以环境必须有gpu版本的tensorflow,训练才快。(1)原始数据集必须有jpg图片和对应的xml文件。(4)以上操作都是对训练数据集,验证数据集同时操作:因为项目只有一种类别,所以长这样。若有多个则继续往后加。我这里选择ssd_mobilenet_v2_coco,下载下来解压:这里复制文件到里面。原创 2023-03-30 14:32:29 · 2458 阅读 · 1 评论 -
深度学习目标检测项目实战(三)—基于Yolov5的遥感图像目标检测及其界面封装
这里使用官方的yolov5.60进行训练,yolov5的好处就是使用起来便利,只要定义好数据集格式,加上硬件不差,基本上可以跑出来。这里以遥感图像目标检测为例子进行实战。原创 2023-03-22 10:24:05 · 6557 阅读 · 3 评论 -
pyqt5实战-目标检测-图像处理-人脸检测之UI界面
这里可以分为三种功能,分别为摄像头检测,图片检测,视频文件检测,核心代码如下:# 摄像头识别nw = w。原创 2023-03-12 11:06:40 · 4416 阅读 · 6 评论 -
深度学习目标检测ui界面-交通标志检测识别
为了将算法封装起来,博主尝试了实验pyqt5的上位机界面进行封装,其中遇到了一些坑举给大家避开。原创 2023-03-04 13:01:58 · 2993 阅读 · 1 评论 -
深度学习目标检测项目实战(二)—基于Faster-RCNN的交通标志检测
目前目标检测算法有很多,流行的就有faster-rnn和yolov,本文使用了faster-rnn框架进行训练,效果还不错,准确率,当然也可以使用更高版本的Yolov进行实战。原创 2023-03-04 21:56:55 · 3443 阅读 · 0 评论 -
深度学习目标检测项目实战(一)—基于深度学习框架yolov的交通标志检测
目前目标检测算法有很多,流行的就有faster-rnn和yolov,本文使用了几年前的yolov3框架进行训练,效果还是很好,当然也可以使用更高版本的Yolov进行实战。跑工程的原理步骤都是一样的,都可以学习。原创 2023-03-03 17:06:32 · 2545 阅读 · 1 评论 -
深度学习目标检测-交通标志检测web界面
使用Faster-RCNN进行训练,这是一个二分类的问题,也就是检测是否存在交通标志,而未进行分类。今天我们一起学习利用flask框架将深度学习检测封装为一个界面系统。1.该界面适合所有检测目标,只需要更改界面的后台检测算法即可。2.目前算法仅仅是交通标志的检测,检测分类的话后续会进行更新。使用Flask框架进行网页的搭建。这里选用fcnet,也可选择vgg进行训练。原创 2023-02-26 19:06:34 · 961 阅读 · 1 评论 -
深度学习目标检测-钢材缺陷检测系统上位机ui和web界面
钢材缺陷检测-基于yolov5算法和qt界面原创 2022-11-26 21:16:25 · 5551 阅读 · 14 评论 -
机器学习之分类回归树
一. 随机森林RFRF是分类树随机选取一定固定数量的样本和特征来构建决策树,有放回的抽样。对每棵决策树分别进行分类器的训练求每棵树预测结果的百分比的平均值,选取最大的占比的结果作为最终的预测结果二. GBDTGBDT是回归树根据数值特征构建决策树(比如年龄)求每个结点的平均值求与平均值的差值通过差值构建一棵残差树不断拟合残差结果,通过迭代使得残差变小核心是累加所有树的结果作为最终结果入门例子的话,可以看这个视频讲的例子,不错:https://www.bilibili.co原创 2021-12-27 16:20:50 · 583 阅读 · 0 评论 -
工业缺陷检测项目实战(四)——基于HRNet的陶瓷缺陷检测
代码下载链接:https://gitee.com/wxyfmq123456/HRNet-Image-Classification?数据下载链接:https://aistudio.baidu.com/aistudio/datasetdetail/32615。每个文件夹代表一个类型,里面的图片全部都是二值化图片(.png),原图(.jpg)可以删去或者备份在其他地方。这里数据集已经提供了二值化图像的png,我们需要用png图像进行训练。其他参数,比如迭代次数epoch,bath_size等,可以自己调参。原创 2021-12-26 11:06:03 · 3620 阅读 · 4 评论 -
工业缺陷检测项目实战(三)——基于FPN_Tensorflow的PCB缺陷检测
该格式是TensorFlow的高效存储格式,连续的内存二进制存储能够有效的加快数据的读取和写入。你可以从这里下载数据集:http://robotics.pkusz.edu.cn/resources/dataset/发现效果根训练的迭代次数有很大关系,迭代迭代次数越多,训练时间越长,一开始训练了两天时间,30000的迭代值。对应里面的model,应先下载好预训练模型,放在 /data/pretrained_weights/ 中。我的已经将数据的训练数据和验证数据分配好了,这里按照从官网的数据集下载的来说。原创 2021-11-27 22:05:11 · 4441 阅读 · 13 评论 -
工业缺陷检测项目实战(二)——基于深度学习框架yolov5的钢铁表面缺陷检测
基于深度学习框架yolov5的钢铁表面缺陷检测首先说明:我做这个的主要目的,是利用opencv的C++代码,加载深度学习模型框架进行检测识别。也就是说,在yolov5训练完后,用C++部署训练好的权重和网络模型,然后进行检测。这个过程,遇到特别多的坑,这里要给大家一一列出来,也防止我以后自己忘记哈哈哈哈。。。。......原创 2021-11-23 15:50:00 · 21290 阅读 · 25 评论 -
工业缺陷检测项目实战(一)——基于opencv的工件缺陷检测C++和python实现
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式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欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar原创 2021-11-17 22:46:34 · 27010 阅读 · 45 评论