前言最近在b站发现了一个非常好的 计算机视觉 + pytorch实战 的教程，相见恨晚，能让初学者少走很多弯路。 因此决定按着up给的教程路线：图像分类→目标检测→…一步步学习用pytorch实现深度学习在cv上的应用，并做笔记整理和总结。up主教程给出了pytorch和tensorflow两个版本的实现，我暂时只记录pytorch版本的笔记。参考内容来自：up主将代码和ppt都放在了github
文章目录我的环境：一、前期工作1. 设置 GPU2. 导入数据3. 数据可视化二、构建简单的CNN网络三、训练模型1. 设置超参数2. 编写训练函数3. 编写测试函数4. 正式训练四、结果可视化 我的环境：语言环境：Python 3.6.8编译器：jupyter notebook深度学习环境：
torch==0.13.1、cuda==11.3torchvision==1.12.1、cud
转载
2024-04-16 16:07:45
1129阅读
keras_cnn_实现人脸训练分类废话不多扯，直接进入正题吧！今天在训练自己分割出来的图片，感觉效果挺不错的，所以在这分享一下心得，望入门的同孩采纳。 1、首先使用python OpenCV库里面的人脸检测分类器把你需要训练的测试人脸图片给提取出来，这一步很重要，因为deep learn他也不是万能的，很多原始人脸图片有很多干扰因素，直接拿去做模型训练效果是非常low的。所以必须得做这一步。而
转载
2024-02-19 20:54:05
101阅读
1评论
基于TensorFlow训练花朵识别模型的源码和Demo下面就通过对现有的 Google Inception-V3 模型进行 retrain ，对 5 种花朵样本数据的进行训练，来完成一个可以识别五种花朵的模型，并将新训练的模型进行测试部属，让大家体验一下完整的流程。 有问题，请评论提问，紧急问题可以看置顶博客加入作者学术交流QQ群。有很多人留言让代码上传到GitHub，其实没多少代码，已经上传到
【注意，本文创建于2022，最近一次更新在2023。2022主要围绕环境配置，2023关注yolo具体使用】抱着试试水的想法参加了robocup校赛，想借此试试人工智能识别。比赛给了诸多实现方案，我选择了其中需要自己搭网络的方案。不料配置环境一路坎坷，特此记录 比赛分为人脸识别和物体识别。人脸识别是face_recognition，物体识别是yolov5。出于电脑洁癖和项目本身要求，我租了个ubu
鉴于有很多人来询问我数据集（我翻箱倒柜找了一下= =放在这里了，有需要自取）链接：https://pan.baidu.com/s/1Fjgs_MMiIDO9-wFKs6QJSg 提取码：1efk 复制这段内容后打开百度网盘手机App，操作更方便哦一、实验目的考核各位同学使用较小的模型和小规模的训练数据下的模型设计和训练的能力。需要同学充分利用迁移学习等方法，以解决训练数据少
转载
2024-08-08 17:14:08
89阅读
Tensorflow V2.0 图像识别教程代码： https://github.com/dwSun/classification-tutorial.git教程参考官方专家高级教程： https://tensorflow.google.cn/tutorials/quickstart/advanced?hl=en这里以 TinyMind 《汉字书法识别》比赛数据为例，展示使用 Tensorflow
转载
2024-03-01 19:09:48
96阅读
人脸识别过程一般分三步：首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人
目录1.目标2.CIFAR10数据集和相关方法介绍3.Tensorflow中数据的读取机制4.用TensorFlow训练CIFAR10识别模型1）数据增强2）建立CIFAR10识别模型3）训练模型4）在TensorFlow中查看训练进度5）测试模型效果本文为笔者学习《21个项目玩转深度学习：基于TensorFlow的实践详解》这本书第二章的学习笔记。1.目标
转载
2024-02-09 10:17:16
68阅读
首先几个软件要弄明白:maya 3dmax zb sp maya:掌握人物建模，简模，高模，精模，游戏道具（同样高低精模），拆分uv，画贴图（有几款画贴图的软件都不错，新手推3d coat）Substance painter:画贴图的神器，也是主流软件，要掌握，具体的可以上网找找教程，b站上面就有一些，只要你想学都很地方学的。贴图:因为画贴图就需要手绘功底，需要美
预训练模型综述摘要：近年来，预训练模型的出现将自然语言处理带入了一个新的时代。本文概述了面向自然语言处理领域的预训练模型技术。我们首先概述了预训练模型及其发展历史。并详细介绍自然语言处理领域的经典预训练模型，包括最经典的预训练模型技术和现在一系列新式的有启发意义的预训练模型。然后梳理了这些预训练模型在自然语言处理领域的优势和预训练模型的两种主流分类。最后，对预训练技术的未来发展趋势进行了展望。关键
MobileV2网络结构理解+网络结构代码实现+水果图像分类和安全帽目标检测（YoloV5）效果展示.1、博文说明以及论文链接2、MobileNetV22.1 简介2.2 残差块（Residual Block）介绍2.3 “兴趣流形”（Manifold of Interest）2.4 反向残差（Inverted Residuals）结构介绍2.5 线性瓶颈（Linear Bottlenecks）
文章目录人工智能简历史机器学习与深度学习TensorFlow框架介绍Mnist手写数字获取MNIST深度学习入门神经网络语法MNIST结构介绍加载训练集图片MNIST识别案例TensorFlow图像识别图像识别效果演示 人工智能简历史机器学习与深度学习是一门多领域交叉学科，涉及概率论、统计学、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为。以获得新的知识或者技能人工智能：流
转载
2024-05-26 17:17:04
66阅读
数据集：从VGG网下载，这是一些各种猫和狗的图片（每个文件夹下面大约200张图片，有点少，所以训练的结果并不是很好，最好是上万的数据） 2.做得图像识别网络模型：（这个是技术核心，但是在神经网络里也有一句话，就是大量的数据训练的网络也能超过一个优秀的网络模型，所以说你数据必须大量，必须多） 3.训练过程就是将这些数据集传入网络，判断哪些猫属于同一种，哪些狗属于同一种，这个就是很复杂的过程了，我用的
原创
2021-03-23 18:43:18
6612阅读
## Python图像识别训练模型实现流程
### 1. 准备工作
在开始实现 python 图像识别训练模型之前，我们需要先进行一些准备工作。下面是整个过程的步骤概览。
```mermaid
erDiagram
participant 小白 as 小白
participant 开发者 as 开发者
小白 -->> 开发者: 请求帮助
开发者 -->> 小白:
原创
2024-02-05 10:20:42
203阅读
1.项目介绍这次给大家介绍一个很方便的训练自己图像识别模型的一个程序。可以通过一行命令实现训练自己的图像识别模型，并且训练的速度很快，效果也不错。图像分类有三种训练方式：构建一个新的模型并从头开始训练，称为scrach。在已经训练好的模型基础上，修改模型的最后的全连接层，并重新训练全连接层称为bottleneck。在已经训练好的模型基础上，修改模型的最后的全连接层，并重新训练全连接层同时微调模型的
转载
2024-05-13 12:32:30
72阅读
几个月前，我写了一篇关于如何使用CNN（卷积神经网络）尤其是VGG16来分类图像的教程，该模型能够以很高的精确度识别我们日常生活中的1000种不同种类的物品。 那时，模型还是和Keras包分开的，我们得从free-standing GitHub repo上下载并手动安装；现
转载
2024-05-20 13:09:08
75阅读
我一直强调做深度学习，最好是结合实际的数据上手，参照理论，对知识的掌握才会更加全面。先了解原理，然后找一匹数据来验证，这样会不断加深对理论的理解。欢迎留言与交流！ 数据来源: cifar10 (其他相关的图片的开源数据集下载见 ： https://yq.aliyun.com/articles/576274 ) 文末有全部代码PS：神经网络系列多用于图像，文字的生成
原标题：30秒就能将电脑图片进行识别扫描，这方法简直好用到无以复加现在有很多小伙伴都需要将图片中的文字扫描提取出来，但是当我们想要直接在电脑上完成这样的操作时，有不少小伙伴就不知道应该怎么做了。别担心，今天小编将分享几个非常强大的图片转文字方法，帮大家轻松解决这样的问题。一、在线转换1.网站转换当我们想要将电脑图片中的文字提取出来时，我们其实可以通过在线网站来帮我们完成这样的操作。我们只需要使用网
1 知识补充1.1 回调函数在图像处理时，如果我们需要实现实时的改变值，并重新开始程序，就需要我们自己实现回调函数，其中，对于鼠标事件的回调，需要我们重写鼠标回调函数void onMouse(int event, int x, int y, int flags, void* ustc); //鼠标回调函数函数中的主要参数：event对应于鼠标事件x,y鼠标的位置参数flags标志位ustc（不常用
转载
2024-10-27 09:22:43
80阅读
