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】

 

深度学习-目标检测(物体检测)

 

 

 

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。

深度学习-目标检测(物体检测)

 

 

 

深度学习-目标检测(物体检测)

 

 

训练参数如下:

深度学习-目标检测(物体检测)

 

 

 

预测结果如下:

深度学习-目标检测(物体检测)

 

 

 

深度学习-目标检测(物体检测)

 

 

 

 

 

 【示例2】

 深度学习-目标检测(物体检测)

 

 

深度学习-目标检测(物体检测)

 

 

 

 

 

深度学习-目标检测(物体检测)

 

 

 

深度学习-目标检测(物体检测)

 

 

 

 

 【示例3】

对太阳能发电板的缺陷查找检测

 深度学习-目标检测(物体检测)