05 2024 档案

摘要:随着Meta发布的Segment Anything Model(SAM),计算机视觉迎来了ChatGPT时刻。SAM经过超过110亿个分割掩码的训练,是预测性人工智能用例而非生成性人工智能的基础模型。虽然它在广泛的图像模式和问题空间上表现出了令人难以置信的灵活性,但它的发布没有“微调”功能。 本教程 阅读全文
posted @ 2024-05-23 17:34 阳光天气 阅读(205) 评论(0) 推荐(0) 编辑
摘要:这个Python库简化了类似SAHI的推理,例如分割任务,从而能够检测图像中的小对象。它同时满足对象检测和实例分割任务,支持广泛的Ultralytics模型。 该库还为所有模型的推理结果可视化提供了流畅的定制,包括标准方法(直接网络运行)和独特的基于补丁的变体。 模型支持:该库提供对多个超解析深度学 阅读全文
posted @ 2024-05-23 09:27 阳光天气 阅读(122) 评论(0) 推荐(0) 编辑
摘要:Labelme是一个用于图像标注的开源工具。在使用Labelme进行数据标注后,可能会生成一些空的图像文件(即没有进行标注的图片),这些空图片通常不应该被使用。以下是一个简单的Python脚本,用于检测和删除这些空的标注文件: 点击查看代码 import os import json def is_ 阅读全文
posted @ 2024-05-17 10:15 阳光天气 阅读(26) 评论(0) 推荐(0) 编辑
摘要:splitMission.py和generateLabel.py两个脚本复制到4张图片和json所在的文件夹(最好是4的倍数因为默认以4个线程并行执行)中 python splitMission.py 源码 splitMission.py 点击查看代码 import cv2 import os im 阅读全文
posted @ 2024-05-16 16:07 阳光天气 阅读(57) 评论(0) 推荐(0) 编辑
摘要:点击查看代码 import cv2 from patched_yolo_infer import MakeCropsDetectThem, CombineDetections from patched_yolo_infer import visualize_results # Load the im 阅读全文
posted @ 2024-05-16 15:25 阳光天气 阅读(37) 评论(0) 推荐(0) 编辑
摘要:什么是TensorBoard? TensorBoard是一个用于可视化机器学习模型训练过程中的各种指标的工具,它可以帮助用户更好地理解和调试模型。TensorBoard可以显示各种类型的数据,如损失函数值、准确率、权重矩阵等,并且支持多种图表类型,如折线图、柱状图、散点图等。通过使用TensorBo 阅读全文
posted @ 2024-05-16 14:32 阳光天气 阅读(580) 评论(0) 推荐(0) 编辑
摘要:预测代码 点击查看代码 import os from ultralytics import YOLO import numpy as np import cv2 def generate_colors_by_classes_size(classes_size=100): # colors = np. 阅读全文
posted @ 2024-05-16 10:07 阳光天气 阅读(165) 评论(0) 推荐(0) 编辑
摘要:在机器学习和深度学习中,将分类任务的预测结果分为以下四种,被称作混淆矩阵: True Positive(TP):预测出的为正例,标签值也为正例,预测正确 False Negative(FN):预测出的为负例,标签值为正例,预测错误,即漏报 False Positive(FP):预测出的为正例,标签值 阅读全文
posted @ 2024-05-15 10:13 阳光天气 阅读(211) 评论(0) 推荐(0) 编辑
摘要:以去掉secondary_particle标签为例 点击查看代码 import json import os #去除标注图像中的一次颗粒标签 def remove_specific_labels(json_file): with open(json_file, 'r', encoding='utf- 阅读全文
posted @ 2024-05-08 10:37 阳光天气 阅读(155) 评论(0) 推荐(0) 编辑