基于faster-rcnn网络的视力表字符检测
文章目录
- 一、数据集的制作
- 1、获取数据
- 2、制作所要的数据图片
- 3、添加标签
- 二、模型的训练
- 1、用编译器打开文件夹
- 2、修改部分参数
- 3、准备工作
- 4、开始训练
- 三、模型的预测
- 1、准备工作
- 2、开始预测
- 四、模型评估
- 1、修改参数
- 2、处理数据
- 3、得到结果
本实验基于pytorch的faster-rcnn网络实现,从自己制作数据集到完成模型的训练。
faster-rcnn网络结构完整代码:https://github.com/bubbliiiing/faster-rcnn-pytorch(来源于:@Bubbliiiing)
一、数据集的制作
1、获取数据
我们可以通过爬虫爬取网上不同的视力表储存起来,也可以自己从网上下载一些图片,因为是自己做个小实验,所以不必下载太多。
2、制作所要的数据图片
从下载下来的视力表中截取不同的“E”,再把不同的“E”放到一张墙壁图片上。对于放上去的“E”,我们也可以进行加噪处理,增强数据,这边用的是椒盐噪声处理。
对于制作好的图片,我们可以通过对图片上下采样,扩大数据集,减少工作量。再剔除一些太过歪斜的图片就可以。然后把整个数据集保存在faster-rcnn网络文件夹中VOC2007文件中一个名为JPEGImages的文件夹中。并随机保存一张图片在img文件夹中,以供预测使用。
3、添加标签
我们可以使用labelimg这个软件对图片中的数据进行标注。
然后保存在与JPEGImages同一个文件夹下的Annotations文件夹中备用。
二、模型的训练
1、用编译器打开文件夹
用vscode打开文件夹。目录如下:
2、修改部分参数
①修改model_data文件下的voc_classes.txt文件,改成我们所需要的标签。
②修改voc_annotation.py文件中第13行代码中的标签改成我们需要的。
3、准备工作
①运行vocdevkit文件夹中voc2007文件中的voc2frcnn.py文件代码。
②运行voc_annotation.py文件代码。
4、开始训练
运行train.py文件开始模型的训练。
三、模型的预测
1、准备工作
将文件frcnn.py中的第23行中的路径改为logs文件夹中Epoch为100的文件全称。
2、开始预测
运行predict.py文件。
在终端中输入img文件夹中要预测的图片。
输入图片路径后按enter键就能得到这张图片的预测结果的图片,并在终端中输出预测框的参数。
四、模型评估
1、修改参数
将VOCdevkit文件下的VOC2007文件中的voc2frcnn.py中代码的第24行的1该为小于1大于等于0的数,这边直接改为0。并运行代码。
2、处理数据
依次运行代码文件:
①voc_annotation.py
②get_dr_txt.py
③get_gt_txt.py
④get_map.py
3、得到结果
在results文件夹中我们就可以看到我们对模型的评估结果,包括各个标签的AP、F1、Precision、Recall、mAP等值。
mAP:
基于faster-rcnn网络的视力表字符检测相关推荐
- 基于pytorch的Faster-Rcnn网络实现视力表字符检测
今天要做的是使用一个基于pytorch环境下的Faster-Rcnn网络实现对视力表字符的检测任务. 使用平台:pycharm:环境:torch1.5.0.cuda10.2 目录 一.制作数据集 二. ...
- MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《9》
MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)<1>:论文源地址,克隆MXNet版本的源码,安装环境与测试,以及对下载的源码的每个目录做什么用的,做个解释. MXN ...
- 图像篡改痕迹检测:Adobe双流Faster R-CNN网络
为了检测图像是否被篡改,Adobe在最近的论文中提出了一种双流Faster R-CNN网络,对图像进行端对端的训练,检测经过处理图像中被篡改的区域. 双流中的一个流是RGB流,用于从RGB图像输入中 ...
- Faster RCNN网络简介
介绍 Faster RCNN网络是目标检测领域里程碑式的一个网络.这个网络的提出,真正将深度学习方法端到端的应用到目标检测领域.大幅提升了目标检测的检测速度和检测准确程度.论文的RPN.Anchor等 ...
- 【笔记】基于 Mask R-CNN 的玉米田间杂草检测方法
<基于 Mask R-CNN 的玉米田间杂草检测方法> 单位:山东农业大学信息科学与工程学院 作者:姜红花 数据获取 相机:Intel RealSense Depth CameraD435 ...
- 【笔记】基于Faster R-CNN的除草机器人杂草识别算法
<基于Faster R-CNN的除草机器人杂草识别算法> 单位:河北科技大学信息科学与工程学院 作者:李春明 数据获取 相机:Intel RealSense Depth CameraD43 ...
- 【ffmpeg裁剪视频faster rcnn自动检测 via】全自动实现ffmpeg将视频切割为图片帧,再使用faster rcnn将图片中的人检测出来,最后将检测结果转化为via可识别的csv格式
目录 前言 一,ffmpeg 自动裁剪 1.1 目录结构 1.2 cutVideoToImage.sh 1.2 myVideo 1.3 myVideo15mins 1.5 myFrames 1.6 运 ...
- 基于Faster RCNN的医学图像检测(肺结节检测)
Faster-R-CNN算法由两大模块组成:1.PRN候选框提取模块 2.Fast R-CNN检测模块.其中,RPN是全卷积神经网络,用于提取候选框:Fast R-CNN基于RPN提取的proposa ...
- 计算机视觉与深度学习 | 基于Faster R-CNN的目标检测(深度学习Matlab代码)
===================================================== github:https://github.com/MichaelBeechan CSDN: ...
最新文章
- 18,rand('state',sum(100*clock))
- Opengl-阴影(分为定向光的和点光源的)
- html中radio值的获取、赋值、注册事件示例详解
- Python 开发工具链全解
- Feign的日志级别设置(显示feign调用服务过程中的日志信息)
- 下游传递唯一序列号如何实现幂等性?
- 15行代码AC——Link/Cut Tree CodeForces - 614A(爆long long处理+快速幂讲解)
- Cacheable注解使用详解
- 机器人绳索英雄下载苹果手机_警察机器人绳索英雄游戏下载-警察机器人绳索英雄苹果版v1.0-FC游戏网...
- (王道408考研操作系统)第二章进程管理-第三节7:经典同步问题之多生产者与多消费者问题
- Java EE API
- Nginx安全配置标准(for proxy)
- linux 下配置邮件发送功能
- ps-通道实现故障色彩效果
- 街霸四高难度连技模式全攻略
- 【杂谈】从零开始组建团队开发一款APP的人力成本以及时间成本解析
- 全球与中国3D打印骨科植入物市场深度研究分析报告
- java商品类_商品类目选择功能开发
- 【网络安全培训】无线局域网的安全威胁都有哪些?
- Fileupload使用方法