机械臂项目1 训练目标检测模型记录

最新推荐文章于 2024-05-10 03:59:33 发布
最新推荐文章于 2024-05-10 03:59:33 发布
阅读量654 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42319408/article/details/97307515
版权

https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html

获取数据集

  1. 拍照
  2. 调整大小、扩充
  3. 使用LabelImg标记

训练

  1. Creating Label Map
  2. Converting *.xml to *.csv
python xml_to_csv.py -i /Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/images/train -o /Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/annotations/train_labels.csv

python xml_to_csv.py -i /Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/images/test -o /Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/annotations/test_labels.csv
  1. Converting from *.csv to *.record
python generate_tfrecord.py --csv_input=/Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/annotations/train_labels.csv --img_path=/Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/images/train --output_path=/Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/annotations/train.record

python generate_tfrecord.py --csv_input=/Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/annotations/test_labels.csv --img_path=/Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/images/test --output_path=/Users/coconutnut/.pyenv/versions/3.5.7/lib/python3.5/site-packages/tensorflow/workspace/garbage_classification/annotations/test.record
  1. Training the Model
python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/ssd_mobilenet_v2_coco.config
  1. Exporting a Trained Inference Graph
python export_inference_graph.py --input_type image_tensor --pipeline_config_path training/ssd_mobilenet_v2_coco.config --trained_checkpoint_prefix training/model.ckpt-688 --output_directory trained-inference-graphs/output_inference_graph_v1.pb
_CoCoNutNut_
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用深度学习和机械臂在现实生活中实现目标检测和分类-研究论文
06-10
深度学习是当今计算机科学时代最受青睐的领域之一。 在本文中，我们讨论了通过使用 Auduino uno 和机器人应用程序来实现深度学习概念。 为了进行物体检测和分类，项目中使用了一个机械臂，它被控制来自动检测和分类不同的物体（我们项目中的水果）。 在这个项目中，相机将捕捉水果的图像，以便在基于卷积神经网络 (CNN) 的模型中进行进一步处理。 当经过训练的模型将检测到图像中的物体时，将使用 Arduino uno 将特定信号发送到机械臂，后者会将检测到的物体放入篮子中。 通过这种方式，我们的项目将识别和分类两种不同的水果，并将其放入不同的篮子中。 该项目是深度学习概念与Arduino编程相结合的示范，它本身就是一个完整的框架。 这种组合可以用来解决许多现实生活中的问题。 实施后，我们发现目标检测的准确率高达 99.22%。
机械臂识别抓取笔记（真实世界多目标、多抓取检测）
m0_52785249的博客
11-12 2138
Real-world Multi-object, Multi-grasp Detection （真实世界多目标、多抓取检测） 感悟： 抓取预测分为： 检测位置和方向分类（方向和）两个方面； 方法核心： 通过利用神经网络进行边界框（bounding box）回归的能力，避免了耗时的滑动窗口方法，从而直接预测完整图像上的候选区域。 网络结构： 上图是多目标多抓取预测器的完整结构。该网络接受RGB-D输入，并为视图中的每个对象预测具有方向和矩形边框的多个抓取候选对象。蓝色块表示网络层，灰色块表示图像特征图。绿
Tensorflow入门（1）——深度学习框架Tesnsflow入门 &amp； 环境配置 &amp； 认识Tensorflow(1)
2401_84141293的博客
05-10 874
tf.global_variables_initializer() 添加一个初始化所有变量的op，在会话中开启。图默认已经注册，一组表示 tf.Operation计算单位的对象和tf.Tensor。会话可能拥有很多资源，如 tf.Variable，tf.QueueBase。1、转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状。• 变量也是一种OP，是一种特殊的张量，能够进行存储持久化，它的值就是张量。注：修改程序后，再保存一遍会有新的事件文件，打开默认为最新。
机械臂论文笔记（五）【2020抓取检测】机器人目标抓取区域实时检测方法 卢智亮
CSPhD-winston的博客
12-13 4185
针对目前机器人目标抓取区域检测方法无法兼顾检测准确率和实时性的问题，提出一种基于 SE-Retina Grasp神经网络模型的机器人目标抓取区域实时检测方法。该方法首先以一阶目标检测模型RetinaNet为基础提取抓取框位置及抓取角度；针对抓取检测任务采用 SENet结构确定重要的特征通道；结合平衡特征金字塔设计思想，充分融合高低层的特征信息，以加强小抓取框的检测性能；在Cornell数据集上进行实验验证，结果表明该方法在取得更高检测准确率的同时，提高了抓取检测的效率，达到实时检测的要求。
基于深度学习的自动识别夹取机械臂
weixin_44860390的博客
09-17 4775
cs
实际的机械臂控制（8）使用find_object3D和Kinect2实现目标跟踪(基于python)
qq_33328642的博客
01-24 7771
话不多说了 在很多大佬的博客，主要是古月居的一些博客中，他们都介绍了使用find_object2D这个包是识别目标的位姿。但是如何将目标的位置和姿态发送给机械臂，他们都没有提及。这让我很尴尬呀，没人带入门，很生气，所以停止研究机械臂的控制，然后去继续告视觉部分，一不小心发了个定刊T-PAMI。 可能是借助于这个T-PAMI提供的元气，瞬间打通了我的任督二脉，让我瞬间-----------------------------------------------白瞟到了一个新的方法。 首先是安装find_obj
六轴机械臂模型solidworks
05-23
SolidWorks用户可以下载此模型来学习机械臂的设计原理，进行仿真分析，或者作为项目的基础进行定制化设计。 标签“综合资源”暗示了这可能是一个包含多种文件格式和信息的资源包，可能包括SolidWorks的3D模型文件...
机械臂obj格式三维模型
12-05
机械臂obj格式三维模型，可用于学习研究点云处理等
YOLOV5 实战项目：实验台机械臂抓取物体检测（1类别）【数据+代码+训练好的权重】
最新发布
05-26
基于YOLOV5 对实验台机械臂抓取物体检测（1类别）的目标检测实战项目，包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用 图像分辨率为1280*720的大分辨率RGB图片，数据集为实验室机械臂抓取的目标。...
机械臂机械手模型图纸
11-02
本文将深入探讨“机械臂机械手模型图纸”及其与3D打印模型的相关知识。 首先，机械臂是一种能够实现多关节运动的机械设备，通常由多个旋转或伸缩的关节组成，类似于人类手臂的功能。它们通过精确的控制系统，能够在...
六自由度机械臂solidworks三维模型.zip
07-03
《六自由度机械臂SolidWorks三维模型解析》 在现代工业自动化领域，六自由度机械臂扮演着至关重要的角色。这种机械臂具有六个独立的运动轴，能够实现全方位的运动控制，包括前后移动、左右摆动、上下升降、旋转以及...
机械臂测试 简介及方法
09-19
机械臂是一套手机自动化测试系统，能够长时间 地对手机终端的功能、性能、稳定性进行测试。
Robot-Kol:基于人工神经网络的机械臂二维运动-开源
06-29
我自己创建了Robot-Arm人工神经网络和Robot Arm的二维运动数据集，因为我在创建数据集的时候做了四舍五入，我的成功率很低。
MAFAULDA_机械故障数据集的正常数据normal.rar
06-18
MAFAULDA，Machinery Fault Database [Online] 此为机械故障的正常数据集，可做为机器学习、神经网络训练用。
机械手抓取常用数据集
weixin_52334371的博客
07-08 386
cornell数据集：https://blog.csdn.net/qq_40081208/article/details/104547339（官方链接已失效，此链接为本人保存的数据集副本）spm=a2c4e.10696291.0.0.5fd719a4RrpfUk。Jacquard数据集：https://jacquard.liris.cnrs.fr/files/database/download.php。GraspNet数据集：https://graspnet.net/
机械臂项目2 不同数据集和模型效果比较
CoCoNutNut的博客
07-29 949
数据集 原图：100 扩充后：600 训练集：480 测试集：120 模型 ssdlite_mobilenet_v2_coco_2018_05_09 I0729 11:48:05.138240 4638664128 learning.py:507] global step 1: loss = 17.8064 (15.097 sec/step) I0729 11:48:08.143901 4638...
睿尔曼 RM65-B 机械臂 WIN 示教软件测试
cau_weiyuhu的博客
01-11 2449
协作机械臂，小，轻、还价格便宜一点，由于我师兄弟强烈推荐的睿尔曼 RM65-B机械臂，所以总结一下自己的开箱测试经验，主要是在WIN下 示教器软件测试机械臂，这里分享给大家。
机械臂论文笔记（二）【实时抓取点检测】Real-Time Grasp Detection Using Convolutional Neural Networks
CSPhD-winston的博客
12-07 4751
Real-Time Grasp Detection Using Convolutional Neural Networks Abstract— We present an accurate, real-time approach torobotic grasp detection based on convolutional neural networks.Our network performs single-stage regression to graspable bounding boxes wit
机械臂项目3 发现tensorflow object_detection一个疑似bug
CoCoNutNut的博客
08-01 317
问题 训练好模型后，检测图片中物体时，多个目标检测正常，但如果只检测出一个目标，画图时报错 Traceback (most recent call last): File "detect_dir_image.py", line 125, in <module> line_thickness=8) File "/Users/coconutnut/.pyenv/versio...
opencv机械臂目标检测
07-28
您好！对于使用OpenCV在机械臂上进行目标检测，您可以按照以下步骤进行： 1. 安装OpenCV库：首先，确保您已经安装了OpenCV库。您可以通过pip或conda来安装。 2. 获取图像：使用机械臂的相机或其他传感器获取图像。 3. 图像预处理：对获得的图像进行预处理，以提高目标检测的效果。例如，可以进行灰度转换、尺寸调整、平滑处理等。 4. 目标检测算法选择：根据您的需求，选择适合的目标检测算法。OpenCV提供了一些预训练的目标检测模型，如Haar级联分类器、HOG+SVM等。您也可以选择使用深度学习模型，例如YOLO、SSD、Faster R-CNN等。 5. 目标检测：使用选定的算法进行目标检测。将图像输入到模型中，模型将返回检测到的目标的位置和类别信息。 6. 结果可视化：根据检测到的目标位置和类别信息，可以在图像上绘制边界框或其他标记，以便直观地显示检测结果。 以上是一个基本的框架，您可以根据具体的需求和情况进行调整和优化。希望对您有所帮助！如果您有任何进一步的问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值