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
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
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:深度学习-目标检测(物体检测) - Python技术站