TensorFlow 更新频率实在太快，从 1.0 版本正式发布后，很多 API 接口就发生了改变。今天用 TF 训练了一个 CNN 模型，结果在保存模型的时候居然遇到各种问题。Google 搜出来的答案也是莫衷一是，有些回答对 1.0 版本的已经不适用了。后来实在没办法，就翻了墙去官网看了下，结果分分钟就搞定了～囧～。这篇文章内容不多，主要讲讲 TF v1.0 版本中保存和读取模型的最简单用法，
转载
2024-09-02 12:22:06
25阅读
Tensorflow在更新1.2版本之后多了很多新功能，其中放出了很多用tf框架写的深度网络结构（看这里），大大降低了吾等调包侠的开发难度，无论是fine-tuning还是该网络结构都方便了不少。这里讲的的是物体检测（object detection）API，这个库的说明文档很详细，可以的话直接看原文即可。这个物体检测API提供了5种网络结构的预训练的weights，全部是用COCO数据集进行训练
看了几篇关于cnn的文章，感觉那种大模型的cnn真的不适合个人去使用，自己也没有那么强悍的显卡，也没有足够的数据和时间还是用迁移学习比较好，这里说一下用的模型，inception_v3是谷歌的cnn框架。这个框架有22层深，用tensorboard看的时候是比较大的(相比于letnet和alxnet)，这个框架运算量并不大，而且很多卷积层的权值基本上可以不用改变，可以说使用起来非常的方便。他降低参
目录一、引言 二、卷积神经网络（CNN）三、生成对抗神经网络（GAN）一、引言 二、卷积神经网络（CNN） 一共有七层，分别为：C1：第一次卷积；S2：第一次池化；C3：第二次卷积；S4：第二次池化；C5：第一次全连接层；F6：第二次全连接层；OUTPUT:输出层。局部连接（权值共享）：每个隐层神经元的权值是相同的，如下图： 全连接层：每个输入神经元都与每个
import os
import tarfile
import tensorflow as tf
from six.moves import urllib
from tensorflow.python.framework import ops
ops.reset_default_graph()
# 更改工作目录
abspath = os.path.abspath(__file__) # 获取
openvino系列 13. 使用 OpenVINO 多模型级联使用：车辆检测与识别示例此案例演示如何使用 Open Model Zoo 中的两个预训练模型：vehicle-detection-0202 用于对象检测，和 vehicle-attributes-recognition-barrier-0039 用于图像分类。 使用这些模型，我们将从原始图像中检测车辆并识别检测到的车辆的属性（颜色与种
车牌识别技术是计算机视频图像识别技术在车辆牌照识别中的一种应用，它融合了ORC识别、云计算等多种技术，可将运动中的汽车牌照从复杂的背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等流程，识别出车辆牌号、颜色等信息。TSINGSEE青犀视频AI智能分析网关目前也可支持车辆检测及识别、车牌识别功能，其中，字母和数字的单字识别率可达到99%，汉字的单字识别率可达到98%，车牌识别种
转载
2024-01-09 07:08:13
46阅读
本实验并没有按照网上现有的千篇一律的指导书在linux上进行实验，而是尝试在Windows上进行本实验，并记录实验的详细过程。这一方面的资料在互联网上较少，也算是一个比较好的补充。github地址：https://github.com/jmhIcoding/pedestrain_detection.git一、实验步骤1、环境搭建1.1 安装Tensorflow 1.13.0pip3 install
转载
2024-03-25 17:42:14
346阅读
在过去，我们使用Tensorflow对象检测API来实现对象检测，它的输出是图像中我们想要检测的不同对象检测周围的边界框。而Tensorflow最近添加了新功能，现在我们可以扩展API，以通过我们关注的对象的对象检测像素位置来确定像素点，如下：Tensorflow对象检测的Mask RCNN实例分割实例分段（Instance segmentation）是对象检测的扩展，其中二进制掩码（即
# Python 车辆识别入门指南
车辆识别是一项有趣且实际的技术应用，常用于监控、自动停车和车辆数据分析等场景。在这篇文章中，我们将逐步引导你实现一个基本的车辆识别系统。
## 整体流程
我们将系统分为以下几个主要步骤：
| 步骤 | 描述 |
|------|------|
| 1 | 安装必要的依赖库 |
| 2 | 数据准备和预处理 |
| 3 | 模型选择和训练
原创
2024-10-15 03:20:11
81阅读
车辆检测
识别（一）</ul>
<div class="post-content" itemprop="articleBody">
<h2>这一篇主要讲讲对整个项目的一个规划以及前期工作</h2><h3>1. 项目介绍</h3><blockquote><p>
车辆检测及型号
识别广泛应
项目要求给出一段停车场的视频，要求实时检测空停车位的数量及位置。思路从这段视频中取出一帧图片。对图片进行处理，只保留图片中的有效信息（停车位）。将所有停车位取出来，分别保存为单独的.jpg文件作为样本（包含空停车位和非空停车位）。训练二分类模型识别此停车位上是否有车。将空停车位在图上标记出来。在视频中实时监测并标记空停车位。实现过程1、引入需要的库import cv2 as cv
import n
转载
2024-04-24 12:25:28
239阅读
工地车辆未冲洗识别 渣土车清洗检测系统集成物联网的车辆未冲洗摄录信息内容系统，工地车辆未冲洗识别 渣土车清洗检测系统识别即将分析和处理。
原创
2024-06-28 14:17:02
58阅读
文章目录前言车位识别实现思路图像处理实现代码模型训练安装keras和tensorflow训练模型预测 前言 最近在bi站学习opencv的时候看到了一个比较有意思的项目，用opencv+tensorflow实现视频中的车位检测，里面涉及了大量的图像处理操作，还有用tensorflow进行模型训练，但是缺乏深度学习这部分的知识，所有模型训练这一部分的例程只是初略看过和运行。下面的内容只是我对这个
转载
2023-08-12 17:07:37
166阅读
一、实验目的用OpenCV编写一个车辆计数程序，强化对课堂讲授内容如图像腐蚀、轮廓提取、边缘检测、视频读写等知识的深入理解和灵活应用。二、实验要求1、用OpenCV编写一个车辆计数程序，对一段视频里道路上的来往车辆进行计数统计，要求避免同一车辆重复统计，并尽量避免漏检、错检； 2、认真撰写实验报告，要求说明实验原理，对实验过程叙述清楚，关键代码给出注释，对实验结果给出合理解释，实验分析部分则需要指
转载
2024-02-23 14:49:04
118阅读
车辆检测算法是计算机视觉和深度学习领域的一个重要应用，主要用于智能交通系统、停车场管理、交通流量监控、安全监控等多个领域。通过图像识别技术，车辆检测算法能够实时检测和识别图像或视频中的车辆，提供准确的车辆位置和类型信息。
一、应用场景
1. 智能交通系统
- 交通流量管理：通过检测不同类型车辆的数量和类型，优化交通信号灯的配时方案。- 事故预防：实时监控道路上的车辆类型，提前预警潜在的交通事故风险
原创
2024-09-23 17:22:04
369阅读
在智能交通的发展中，利用深度学习和计算机视觉技术进行车辆检测变得越来越重要。本文将分享如何使用 Python 和 YOLO（You Only Look Once）算法进行车辆识别的过程，包括环境预检、部署架构、安装过程、依赖管理、配置调优及安全加固等重要步骤。
## 环境预检
我们首先需要进行环境预检查，以确保所有的软件和硬件条件都满足项目需求。
### 硬件配置
| 硬件组件 | 规格
# PyTorch实现车辆识别
## 1. 引言
随着计算机视觉技术的快速发展，车辆识别成为了一个热门的研究领域。车辆识别的应用非常广泛，包括智能交通系统、自动驾驶以及安防系统等。在本文中，我们将使用PyTorch框架实现一个简单的车辆识别模型，并介绍一些基本的计算机视觉技术。
## 2. 车辆识别的基本流程
车辆识别的基本流程可以分为以下几个步骤：
1. 数据收集：收集一组包含车辆的图
原创
2023-11-14 06:04:56
425阅读
基于深度学习的行人重识别研究综述（上） 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，Re
要求：从图像（图3）中检测并识别出车辆。车辆检测和识别算法可采用深度学习、BP网络或特征匹配等方法，方法不限。图5-1待识别图像原理：ModelArts是面向AI开发者的一站式开发平台，支持自动学习的功能，还预置了多种已训练好的模型，ModelArts相对而言降低了AI应用的门槛，是一个高灵活、零代码的定制化模型开发工具，平台根据标注数据自动设计模型、自动调参、自动训练、自动压缩和部署模型。本次实
转载
2023-11-12 08:13:01
78阅读
