一、常量tf.constant([1.2,3.3])1、标量:  2、向量:  3、矩阵4、字符串  5、布尔  二、数值精度tf.constant(12,dtype=tf.int16)1、类型张量可保存为不同字节长度的精度,常用类型:tf.int16、tf.int32、tf.int64、tf.float16、tf.f
文章目录写在前面examples/lite/examples/object_detection/android简介使用 Android Studio 在手机上运行安装 demo app 上帝视角:需要准备什么呢? 上帝视角:Android Studio 运行 demo初见效果再出发关于前面报错模型没有 metadata 信息关于 demo 的主要更新两种 inference 方式的切换关于 dem
本次分享主要针对一些对深度学习和物体检测感兴趣的同学。内容主要包括: 第一,什么是物体检测,如何去评价一个物体里系统的好坏。 第二,物体检测整个的框架是怎么样的?它一般包含了图像的分类和物体检测的定位。 第三,介绍物体检测的历史发展,从传统的人工设计的一些图像特征加上分类器到现在的深度学习。 ▼ What’s Computer Vision 介绍物体检测之前,我们首先要知道什么是计算机视觉。计算
在这篇文章中,我们将探讨如何在 Android 平台上使用 TensorFlow Lite 进行物体检测。随着移动设备在视觉计算领域的应用越来越广泛,算法的快速响应和高效性能显得尤为重要。在这篇博文中,我们将从背景定位、参数解析、调试步骤、性能调优、排错指南及生态扩展,系统性地分析如何解决“Android TensorFlow Lite 物体检测”的问题。 ### 背景定位 在当前的大数据时代
原创 7月前
65阅读
一、项目介绍该示例首先有两部分数据,第一部分准备小黄人数据集,第二部分准备自然图像数据集。将小黄人图片粘贴到自然图像上面,然后检测图片中的小黄人,下面是粘贴好的图片。实验中可以用一个较小的数据集进行训练,准备5000张自然图片,小黄人可以下载10 - 20 多张不同的,将其随机粘贴到5000张自然图像上即可。二、数据预处理import numpy as np from PIL import Ima
转载 2023-11-25 19:27:08
136阅读
TensorFlow.js入门(一)一维向量的学习 TensorFlow的介绍  TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复
1. 安装tensorflow, python等,再安装以下工具apt-get install protobuf-compiler python-pil python-lxmlpip install jupyterpip install matplotlib2. 安装protobufgit clone https://github.com/protocolbuffers/pro...
原创 2021-07-10 11:31:30
483阅读
目录前言一、开发前准备二、需要的库三、程序主体3.0 mian()3.1设置被调用的摄像头类型3.2调用相机3.3图像处理(轮廓端点查找)3.4边框绘制(数据计算)3.5比率计算3.6参照物选取(拍照)3.7实时测量四、成果展示 前言注意:不讲实现原理,也没有做UI,精度就玩玩的级别,记得打(尽量柔和的)光。博主是一名机械设计制造及其自动化专业的学生,以前在车间上课时总需要挑选特定尺寸的毛坯作为
转载 2023-08-08 19:30:22
285阅读
# 使用TensorFlow训练物体检测模型 随着计算机视觉技术的发展,物体检测成为了许多智能应用中的关键技术,比如自动驾驶、监控系统以及增强现实等。本文将介绍如何应用TensorFlow训练一个物体检测模型,解决一个实际问题:识别并定位图像中的特定物体。 ## 项目背景 假设我们有一个问题:在工厂的生产线上,需要实时监控商品的质量,并识别出不合格的产品。我们的目标是训练一个物体检测模型,帮
原创 8月前
84阅读
tensorflow 、SSD   目标检测是AI的一项重要应用,通过目标检测模型能在图像中把人、动物、汽车、飞机等目标物体检测出来,甚至还能将物体的轮廓描绘出来,就像下面这张图。在动手训练自己的目标检测模型之前,建议先了解一下目标检测模型的原理(见文章:大话目标检测经典模型RCNN、Fast RCNN、Faster RCNN,以及M
转载 2023-12-26 20:59:50
127阅读
Table of Contents 一、异常检测二、基于自动编码器的异常检测三、异常检测Tensorflow的实现3.1、数据加载3.2、搭建自编码模型3.3、模型训练3.4、模型预测一、异常检测异常定义为偏离标准,很少发生且不遵循其余“模式”的事件。异常的例子包括:由于世界大事而导致的股市大跌工厂/传送带上的不良物品实验室中被污染的样品假设我们的数据服从一个正太分布,那么通常异常数据位
转载 2023-12-21 11:19:40
234阅读
最近在老家找工作,无奈老家工作真心太少,也没什么面试机会,不过之前面试一家公司,提了一个有意思的需求,检测河面没有有什么船只之类的物体,我当时第一反应是用opencv做识别,不过回家想想,河面相对的东西比较少,画面比较单一,只需要检测有没有移动的物体不就简单很多嘛,如果做街道垃圾检测的话可能就很复杂了,毕竟街道上行人,车辆,动物,很多干扰物,于是就花了一个小时写了一个小的demo,只需在程序同级目
转载 2023-08-08 02:15:54
225阅读
1.概述该文章介绍OpenCV-Python中关于视频分析的两个主要内容,分别为:?背景差分法移动物体检测?Meanshift和Camshift算法物体追踪PS:视频分析还要一个重要的内容:光流法运动轨迹绘制,在以后的文章中介绍。2.原理介绍2.1背景差分法移动物体检测静态摄像机拍摄的画面,大部分场景是没有变化的,并且这部分一般不需要被特别关注。与此对应的视频中的动态物体更值得关注和分析。背景差分
深度学习二(Pytorch物体检测实战) 文章目录深度学习二(Pytorch物体检测实战)1、PyTorch基础1.1、基本数据结构:Tensor1.1.1、Tensor数据类型1.1.2、 Tensor的创建于维度查看1.1.3、Tensor的组合与分块1.1.4、Tensor的索引与变形1.1.5、Tensor的排序与取极值1.1.6、Tensor的自动广播机制与向量化1.1.7、Tensor
@author: huangyongye  @creat_date: 2017-04-26前言: 本例子主要介绍 name_scope 之前写过一个例子了: TensorFlow入门(四) name / variable_scope 的使用 但是当时其实还对 name / variable_scope 不是非常理解。所以又学习了一番,攒了这篇
import timeimport numpy as npimport tensorflow as tffrom tensorflow.python import pywrap_tensorflowimport lib.config.config as cfgfrom lib.datasets import roidb as rdl_roidbfrom lib.datasets.factory i
原创 2024-05-27 18:13:08
127阅读
1)安装Protobuf TensorFlow内部使用Protocol Buffers,物体检测需要特别安装一下。 1. # yum info protobuf protobuf-compiler 2. 2.5.0 <-版本太低需要protobuf 2.6.1以上版本 3. # yum -y install autoconf automake libtool curl make
前一篇讲述了TensorFlow object detection API的安装与配置,现在我们尝试用这个API搭建自己的目标检测模型。 一、准备数据集  本篇旨在人脸识别,在百度图片上下载了120张张钧甯的图片,存放在/models/research/object_detection下新建的images文件夹内,images文件夹下新建train和test两个文件夹,然后将120分为1
转载 2023-11-06 12:48:02
58阅读
**实现 Python 视频物体检测的流程** 为了帮助你实现 Python 视频物体检测,我将提供一系列的步骤和代码示例。首先,让我们了解整个实现过程的流程。下面的表格将展示每个步骤以及需要采取的行动。 | 步骤 | 描述 | | --- | --- | | 步骤 1 | 安装所需的库和工具 | | 步骤 2 | 导入所需的库 | | 步骤 3 | 加载预训练模型 | | 步骤 4 | 打开
原创 2023-12-31 07:54:25
154阅读
# 物体检测Python算法入门指南 物体检测是计算机视觉中的一个重要任务,它旨在识别图像中各种物体的位置和类别。对于刚入行的小白而言,学习物体检测可能会感到不知所措。本文将为你提供一个结构化的流程以及具体的代码实现,帮助你轻松上手物体检测。 ## 流程概述 以下是实现物体检测的基本步骤: | 步骤 | 描述
  • 1
  • 2
  • 3
  • 4
  • 5