深度学习-目标检测（物体检测）

NI-DL 应用框架：图像分类，目标检测，分割提取。

底层：TensorFlow，Keras，Cuda，C/C++

上层：VC++，C#.NET Winform

源码编译，支持本地部署，云部署。

 

图像分类：点击查看

目标检测：点击查看 （本文）

图像分割：点击查看

 

 

【物体检测】

识别图中包含的每个物体的位置、名称类别、及可信度。

对于样本图像的缺陷位置进行标记涂抹，进行训练，对新图像就可快速的预测出此图像中所有的缺陷位置。

 

【示例1】

 

 

 

 

以下是对累计43张图片（使用高拍仪拍摄的不同颜色的燕尾夹图片），进行燕尾夹的颜色分类标注。

 

 

 

 

 

训练参数如下：

 

 

 

预测结果如下：

 

 

 

 

 

 

 

 

 【示例2】

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 【示例3】

对太阳能发电板的缺陷查找检测