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
为了更好的阅读体验，请点击这里 由于本章内容比较少且以后很显然会经常回来翻，因此会写得比较详细。 5.1 层和块 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。例如，在计算机视觉中广泛流行的ResNet-152 架构就有数百层，这些层是由层组（groups of layers）的重复模式组成。 为了实现这些复杂的网络，我们引入了神经网络块…
TensorFlow的日志级别分为以下三种： TF_CPP_MIN_LOG_LEVEL = 1 //默认设置，为显示所有信息 TF_CPP_MIN_LOG_LEVEL = 2 //只显示error和warining信息 TF_CPP_MIN_…
分类：有监督 聚类：无监督 二、kmeans 算法 #自己创建数据集 1 X, y = make_blobs(n_samples=500,n_features=2,centers=4,random_state=1) 2 plt.scatter(X[:, 0], X[:, 1], marker=’o’ ,s=8 ) 3 color = [“red”…
只要提到 AI 和大脑，就会唤起终结者机器毁灭世界的画面。值得庆幸的是，目前的情况要积极得多。那么，让我们来探讨一下人工智能如何帮助我们的星球并最终造福于人类。在这篇关于人工智能应用的博客中，我将讨论人工智能如何影响营销、金融、银行等各个领域。 如果您是 AI 新手，请务必查看有关什么是 AI 的博客。 人工智能的10大作用？ 人工智能营销 人工智能在银行业…
张量（Tensor）、标量（scalar）、向量（vector）、矩阵（matrix） 飞桨 使用张量（Tensor） 来表示神经网络中传递的数据，Tensor 可以理解为多维数组，类似于 Numpy 数组（ndarray） 的概念。与 Numpy 数组相比，Tensor 除了支持运行在 CPU 上，还支持运行在 GPU 及各种 AI 芯片上，以实现计算加速…
其实嘛，出现这个的原因在于，已经编译过啦，没有任何改动，那还烦劳编译啥呢。 那Linux又是如何知道已经编译过了呢？ 那就要看makefile的规则啦。makefile的规则是所想产生的文件需要依赖很多 .o文件。若文件没有改动，.o文件也没有改动，则Linux认为，我不需要对所有的文件做任何事情。 那如何让make重新编译源文件呢？ 有时候，因为系…
参考：Keras 中文文档 参考：开始使用 Keras Sequential 顺序模型 Keras 的核心数据结构是 model，一种组织网络层的方式。最简单的模型是 Sequential 顺序模型，它由多个网络层线性堆叠。对于更复杂的结构，你应该使用 Keras 函数式 API，它允许构建任意的神经网络图。 一、架构设计 Sequential …
摘要 从范围扫描获取的点云通常稀疏，嘈杂且不均匀。 本文提出了一种称为PU-GAN 的新点云上采样网络，该网络是基于生成对抗网络（GAN）制定的，旨在从潜在空间中学习丰富的点分布并在对象表面的子块上对点进行上采样。为了实现可运行的GAN网络，我们在生成器中构造了一个自上而下再向上的扩展单元，以对带有误差反馈和自校正的点特征进行上采样，并制定了一个自注意力单元…
微信扫一扫 
支付宝扫一扫