作品效果：识别给出花朵图片的种类。主要软件：pycharm技术：VGG神经网络特色：实现在web进行花朵识别运行环境：torch=1.12.1+cu116，torchvision=0.13.1+cu116步骤:下载数据集：在data_set文件夹下创建新文件夹"flower_data"，点击链接下载花分类数据集 https://storage.googleapis.com/downloa
转载
2024-08-07 16:38:59
0阅读
目录前言课题背景和意义实现技术思路一、花卉识别相关理论基础 二、基于 ResNeXt 和迁移学习的花卉种类识别三、基于 EfficientNet 和迁移学习的花卉种类识别实现效果图样例最后前言 ?大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究
提前说明一下，本文的CNN神经网络模型是参考网上诸多相关CNN图像分类大牛的博客修改的，在模型的基础上，用python的Flask框架搭载了一个web页面用来可视化展示。第一步，爬取图片数据集用python实现了一个非常简单的网络爬虫，对百度图片接口 http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=2
转载
2024-08-03 22:01:00
39阅读
对上述案例来说，其实64x64大小的定位框不够准确，可以考虑训练一个32x32大小的模型，然后应用方式和64x64的模型相同，最后基于32x32的定位位置和64x64的定位位置进行投票，但是这会涉及到一个问题，就是时间上会增加很多，要慎用。
原创
2021-07-15 11:33:49
319阅读
缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司开始尝试把深度学习算法应用到工业场合中。
转载
2021-07-15 11:34:56
376阅读
机器视觉沙龙原文 | CSDN Tom Hardy一、介绍缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司开始尝试把深度学习算法应用到工业场合中。二、缺陷数据如下图所示，这里以布匹数据作为案例，常见的
转载
2022-10-18 09:59:43
360阅读
AI算法半路出家的过程其实是有点痛苦的，告别了曾经熟悉的领域，在陌生又熟悉的道路上摸索着前进，其中的焦虑、彷徨以及面对信息过载的不知所措，常常让人怀疑当初的选择。好在，硬核人生不会被小小的困难劝退，我们有很多路径可以到达彼岸。也特别感谢科技和网络的进步，让知识的获取不再是少数人的专利。前些天找到了一个比较牛的AI学习网站，老师的授课方式风趣幽默，通俗易懂，让学习的过程兴趣盎然，忍不住推荐给大家。点
转载
2024-01-02 15:54:42
94阅读
## PyTorch 基于 CNN 的花朵识别指南
在本指南中，我们将向你展示如何使用 PyTorch 实现一个基于卷积神经网络 (CNN) 的花朵识别模型。整个流程如下表所示：
| 步骤 | 描述 |
|------|------|
| 1 | 安装所需的 Python 包 |
| 2 | 导入库并准备数据集 |
| 3 | 定义 CNN 模型 |
| 4 | 设置损
5.1 介绍目标检测的目的通常是将真实的目标回波信号从噪声和杂波中区分出来，本章讨论了雷达探测的主要概念和方法，其中包含CFAR算法等内容。5.2 目标类型(Sterling 1型~Sterling 4型)目标雷达截面(RCS)统计特性的可用性可以显著提高目标检测算法的性能，为此，Swerling引入了Swerling模型从不同自由度卡方分布来描述物体RCS的统计特性，从I到V有5种不同的Swer
转载
2024-10-16 11:00:48
1513阅读
# 基于深度学习的车牌识别实现流程
## 1. 简介
深度学习在计算机视觉领域有广泛应用，其中之一就是车牌识别。本文将介绍基于深度学习的车牌识别的实现步骤和相关代码。
## 2. 实现步骤
| 步骤 | 描述 |
| --- | --- |
| 步骤一 | 车牌检测 |
| 步骤二 | 车牌识别 |
| 步骤三 | 整合车牌检测和车牌识别 |
## 3. 车牌检测
车牌检测是车牌识别的第一
原创
2023-09-10 11:17:39
873阅读
文章目录背景NMS(非极大值抑制)IOU：Intersection Over Unionprecision（精度）和recall（召回率）TP、TN 、FP 、FNAP和mAP首先回顾两个概念PR曲线AP(Average Precision）mAP(mean Average Precision)COCO数据集中的AP/AP50/AP75 背景 目标检测的任务是找出图像中所有感兴趣的目标（物体）
转载
2023-10-11 20:12:20
339阅读
机器视觉---ANN 目录机器视觉---ANN前言一、简化训练样本二、生成训练数据1.读取样本2.读取标签三、训练模型1、转换数据集2、创建模型3、设置参数4、训练模型5、测试模型6、保存模型7、测试保存的模型总结前言本文通过opencv提供的ANN-MLP训练水果识别模型，样本为苹果、香蕉、梨、葡萄、橙，训练集为5种水果各100个样本（共500个），测试集为每类水果10个样本（共
转载
2023-12-06 19:54:35
588阅读
识花草小程序自上线以来，目前已有超50万用户使用，识别打开次数逾600多万次，上线即受到广大花友的喜爱，现如今，众多花友用户已经能够通过识花草小程序，获取便捷拍照识花的服务，体验全新的生活方式。同时也提出了许多个性的需求和改进建议。本次针对反馈问题，技术团队经过精心策划和优化改版。识花草于近日重新发布上线。 经过全新改版后，识花草的底部入口更加完善、首页增加分享功能、广场栏目、任务领取、热门问答
转载
2024-02-05 14:32:45
61阅读
人脸识别是图像分析与理解最重要的应用之一，所谓人脸识别，就是利用计算机分析人脸视频或者图像，并从中提取出有效的识别信息，最终判别人脸对象的身份。人脸识别的研究可以追溯到２０世纪 60年代末期，主要的思路是设计特征提取器，再利用机器学习的算法进行分类。2012深度学习引入人脸识别领域后，特征提取转由神经网络完成，深度学习在人脸识别上取得了巨大的成功。下面以时间为顺序，梳理下人脸识别各算法
转载
2023-10-18 16:42:48
1411阅读
在本篇文章中，我们将详细介绍如何构建一个“基于Python深度学习的文字检测识别系统”。这项技术是通过深度学习方法来实现文字的自动检测和识别，可以广泛应用于文档处理、图像识别等领域。我们将从环境准备到实战应用逐步进行，帮助你建立一个高效的文字识别系统。
## 环境准备
首先我们需要确保我们的技术栈兼容，以下是一个版本兼容性矩阵，显示了我们所需组件和其版本：
| 组件 | 版
[toc] 《基于深度学习的图像识别与目标检测》 引言 随着计算机视觉领域的快速发展，深度学习成为当前图像识别和目标检测的热门话题。深度学习算法具有高度并行性、自我学习和自我优化的能力，可以处理大规模、高维的数据集，从而实现高效、准确、可靠的图像识别和目标检测任务。本文将介绍基于深度学习的图像识别和
原创
2023-06-24 07:25:31
534阅读
点赞
1评论
一、文字检测 （1）方法 方法主要是基于EAST和Refinenet进行的。首先，图像经过Resnet50得到不同层的特征，然后通过Refinet的特征融合方式融合多层特征，接着，经过多任务回归预测每个特征图上的点的分数和RBOX，最后，在多尺寸检测算法里加了过滤机制。 方法流程图如下：  
转载
2024-08-07 16:39:32
57阅读
。车牌号序列模型，采用Resnet18+transformer模型，直接输出车牌号序列。数据集上，车牌检测使用CCPD 2019数据集，在训练检测模型...
转载
2023-04-28 13:15:37
697阅读
人脸识别分人脸验证（face verification）和人脸确认（face identification）；前者是指两个人是不是同一个人，即1-to-1 mapping，而后者是确定一个人是一群人中的某个，即1-to-many mapping。人脸作为一种特殊的目标，如同人体（行人检测）一样，前面讨论的目标检测/识别算法可以直接采用，但也会有其特殊的设计考虑，比如其刚体（rigid body）特
转载
2023-11-14 08:52:25
98阅读
花朵识别系统，基于Python实现，深度学习卷积神经网络，通过TensorFlow搭建卷积神经网络算法模型，并对数据集进行训练最后得到训练好的模型文件，并基于Django搭建可视化操作平台。
原创
2023-05-27 16:22:57
356阅读
