YL950305的博客

代码# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport numpy as np def line(y1,x1,y2,x2,z): x = [x1,x2] y = [y1,y2] plt.plot(x, y) plt.text(x1,y1,z) #设置范围plt.xlim(0, 515)plt.ylim(0, 448)line1 = line(197, 286, 217

文章目录前言1. 图像样本2. yolo_test.py2.1 代码2.2 运行过程和结果3. txt2xml.py将result.txt转换为xml文件3.1 代码3.2 结果4. 用labelimg人工复查总结前言这篇文章以yolo3为基础，用yolo3测试没有打标的图片，将结果转换为xml文件，然后在通过人工复查，一半智能一半人工所以叫做半自动。具体实施：先用少量打标样本训练出一个模型，用该模型测试未打标样本，通过人工复查之后将样本合并，这样减少了打标过程。图片样本过多打标确实是很累啊，我当时是有

文章目录前言1. 数据集制作1.1 voc数据集格式1.2 自己的数据集1.2.1 数据集准备1.2.3 统一命名格式1.3 将自己的数据集制作为voc1.3.1 标注工具及基本使用1.3.2 打标生成xml文件1.3.3 gen_main.py生成Main中的txt文件2. 训练测试步骤2.1 修改voc_annotation.py2.2 修改参数文件yolo3.cfg2.3 修改类别文件总结前言环境配置可参考深度学习环境搭建源代码不知道是哪个了。1. 数据集制作1.1 voc数据集格式1.

文章目录前言1. 数据集制作1.1 数据集准备1.1.1 样本1.1.2 rename.py 重命名1.1.3 resize.cpp 统一图片的尺寸1.1 labelme标记得到json文件1.2 json_to_dataset.py将json文件转为label.png1.3 get_png.py 提取label.png1.4 制作mask rcnn数据集2. 代码修改2.1 训练文件train.py2.2 train.py修改的部分2.3 测试文件fortest.py2.4 fortest.py修改总结

文章目录前言1.labelimg1.1 安装1.3 使用2. labelme2.1 安装2.2 使用总结前言补一下labelimg和lableme1.labelimg1.1 安装labelimg百度网盘提取码bd0j下载选择一个版本，我选择的是windows_v1.3.4解压后得到其中labelImg是应用程序，可直接打开，data文件夹中predefined_classes.txt文件，存放预设置的类名称，可根据自己情况更改。1.3 使用得到的结果为xml文件2. l

文章目录前言1.环境配置1.1 Anaconda安装1.2 VS2017安装总结前言目前python在深度学习算法中广泛应用，但是部署一般是用c++，所以想试一下c++调用python，以matplotlib库作为测试。1.环境配置1.1 Anaconda安装可以去看我的文章深度学习环境搭建1.2 VS2017安装总结提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。...

selenium爬虫图片前言1. 环境配置1.1 Anaconda安装1.2 selenium安装1.3 google浏览器1.4 chromedriver配置2. 爬图片代码总结前言在做目标检测或语义分割时，有时没有找到自己需要的数据集，那么爬虫是一个很有效的方法，selenium可以让浏览器自动下载图片，很方便。1. 环境配置1.1 Anaconda安装请参考我的另一篇文章anaconda安装1.2 selenium安装命令行输入pip install selenium1.3 goo

文件重命名、提取子文件夹下的图片、图片旋转前言1. 文件重命名2. 提取子文件夹下的图片3. 图片旋转总结前言做目标检测或语义分割时，需要对图片进行重命名，方便查看标签是否正确；另外语义分割在得到标签后需要得到原图片和label.png图片，涉及提取子文件夹下的图片；对图片旋转可以增加图片样本多样性。1. 文件重命名# -*- coding: utf-8 -*-import ospath = "C:/Users/Administrator/Desktop/unet-master/make_da

win7深度学习环境搭建1. Anaconda2. CUDA10.03. CUDNN4. Tensorflow-gpu1.13.15. Keras2.2.46. 总结环境搭建包括Anaconda（python3.7）、CUDA10.0、CUDNN、Tensorflow-gpu1.13.1、Keras2.2.4。留个记录防止忘记。上述软件及whl文件等提取码nbqu1. Anaconda官网下载对应python3.7的版本，直接安装，注意在添加PATH时打钩，否则将需要在安装完成后添加环境变量，