Dataset之图片数据增强:设计自动生成(高级封装之命令行解析实现)汽车车牌图片算法(cv2+PIL+argparse)根据随机指定七个字符自动生成逼真车牌图片数据集(带各种噪声效果)
Dataset之图片数据增强:设计自动生成(高级封装之命令行解析实现)汽车车牌图片算法(cv2+PIL+argparse)根据随机指定七个字符自动生成逼真车牌图片数据集(带各种噪声效果)
导读
设计自动生成(命令行解析)汽车车牌图片算法,基于命令行解析代码,利用cv2+PIL+argparse库函数,根据随机指定七个字符,自动生成逼真车牌图片数据集,可以携带带各种噪声效果,本文章以灰色效果为例输出。
目录
输出结果
设计思路
核心代码
输出结果
设计思路
核心代码
def parse_args():parser = argparse.ArgumentParser()parser.add_argument('--font_ch', default='F:/File_Python/Python_daydayup/data_input/LPR/font/platech.ttf')parser.add_argument('--font_en', default='F:/File_Python/Python_daydayup/data_input/LPR/font/platechar.ttf')parser.add_argument('--bg_dir', default='F:/File_Python/Python_daydayup/data_input/LPR/NoPlates')parser.add_argument('--out_dir', default='F:/File_Python/Python_daydayup/data_input/LPR/plate_train', help='output dir')parser.add_argument('--make_num', default=100, type=int, help='num') parser.add_argument('--img_w', default=120, type=int, help='num')parser.add_argument('--img_h', default=32, type=int, help='num')return parser.parse_args()def main(args):G = GenPlate(args.font_ch, args.font_en, args.bg_dir)G.genBatch(args.make_num,2,range(31,65), args.out_dir, (args.img_w, args.img_h))if __name__ == '__main__':main(parse_args())
相关文章
CV:设计自动生成汽车车牌图片算法(cv2+PIL)根据指定七个字符自动生成逼真车牌图片数据集(带各种噪声效果)
Dataset之图片数据增强:设计自动生成(高级封装之命令行解析实现)汽车车牌图片算法(cv2+PIL+argparse)根据随机指定七个字符自动生成逼真车牌图片数据集(带各种噪声效果)相关推荐
- Dataset之图片数据增强:设计自动生成汽车车牌图片算法(cv2+PIL)根据随机指定七个字符生成逼真车牌图片数据集(自然场景下+各种噪声效果)可视化
Dataset之图片数据增强:设计自动生成汽车车牌图片算法(cv2+PIL)根据随机指定七个字符生成逼真车牌图片数据集(自然场景下+各种噪声效果)可视化 导读 设计自动生成汽车车牌图片算法,基于cv2 ...
- LabelImg,LabelMe工具标注后的图片数据增强
向AI转型的程序员都关注了这个号???????????? 人工智能大数据与深度学习 公众号:datayx 这是一个目标检测和目标分割增强的小工具,需要您事先标记一些图片,然后变化增强图片(支持Lab ...
- DL之AlexNet:利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)
DL之AlexNet:利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 目录 利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 设计思路 处 ...
- 图片数据增强,包括模糊,亮度,裁剪,旋转,平移,镜像 ,python ,LabelImg,LabelMe工具
图片数据增强,包括模糊,亮度,裁剪,旋转,平移,镜像 ,python ,LabelImg,LabelMe工具 1 对象检测图片数据增强(使用labelImg工具) 2 对象分割图片数据增强(使用lab ...
- Dataset之图片数据增强:基于TF实现图片数据增强(原始的训练图片reshaped_image→数据增强→distorted_image(训练时直接使用))
Dataset之图片数据增强:基于TF实现图片数据增强(原始的训练图片reshaped_image→数据增强→distorted_image(训练时直接使用)) 目录 数据增强步骤 数据增强实现代码 ...
- 绿色版Mysql自动建立my.ini和命令行启动并动态指定datadir路径...
绿色版Mysql自动建立my.ini和命令行启动并动态指定datadir路径 1.先去下载绿色版的Mysql(https://cdn.mysql.com//archives/mysql-5.7/mys ...
- hsv 明度的范围_通过HSV转换的方式实现图片数据增强
在我的上一篇文章中,我记录了自己将MOT17-Det数据集转换成VOC格式: HUST小菜鸡:将MOT17-Det数据集转成VOC格式zhuanlan.zhihu.com 但是在后期的测试过程中,发 ...
- unet图片数据增强_kaggle气胸疾病图像分割top5解决方案
比赛背景 突然喘气,无缘无故地无助地呼吸,这会是肺衰竭吗?气胸可由胸部钝伤.肺部疾病的损害引起,有时候甚至无法探寻诱因.在某些情况下,肺萎陷可能会危及生命.气胸通常由胸部X射线放射科医生诊断,但有时很 ...
- python 图片数据增强_数据增强之批量修改图像尺寸大小(附Python实现)
2019 is a new start! 很久没有更啦~希望不要懒惰.(虽然不努力真滴很舒服诶) 今天就来说一下之前在处理图片时候用到的一些知识. 数据增强 在接触Alexnet网络结构模型的时候,第 ...
最新文章
- 幼儿园带括号算式口诀_初中数学必会的26个知识点口诀
- QQ互联OAuth2.0 .NET SDK 发布以及网站QQ登陆示例代码(转)
- 使用subprocessm模块管理进程
- 【Spring框架家族】SpringBoot整合第三方
- Java 中的某些方法为什么要求传入一个 Class 对象
- 利用Bing翻译API简单的实现一个翻译工具
- Atitit ForkJoinTask的使用以及与futuretask的区别 1.1. Forkjoin原理图	1 1.2. Fork/Join使用两个类完成以上两件事情:ForkJoinTask
- 数学建模之TOPSIS法
- 学计算机的逻辑学博士,逻辑学博士点
- python爬取微信公众号network_python如何爬取搜狗微信公众号文章永久链接的思路解析...
- 美图秀秀修复背光照 瞬间让你光彩照人
- FineCMS任意头像上传漏洞复现:文件的四次上传
- 希捷移动硬盘官方测试软件,2TB厚度仅9.6mm 希捷超薄移动硬盘测试
- 嵌入式软件开发工程师求职要求
- 响应式网站建设有什么优势?
- 费马小定理简单证明和一些简单应用
- 跑赢阿里云和百度,腾讯云凭啥刷新大数据国际纪录?
- 如何设计复杂多变的java清分系统之一
- 购买计算机的作文英语,电脑英语作文_电脑,computer,英文_高中英语作文_作文地带...
- 2.9 Go语言中的Switch
热门文章
- r语言中popsd和sd的区别_R语言与地图(一)
- html5水墨效果,HTML5 Canvas 类似PS中水墨喷溅晕染的喷笔效果
- ChargerFuelGauge (Riogande platform)
- 网络优化之net.ipv4.tcp_tw_recycle参数
- VS2010操作Excel编程
- 学术界为啥不爱投中文期刊?
- HTML基本结构标签以及常用标签
- 双评价技术指南2020_双评价技术指南试评价培训交流会成功召开
- 首都师范 博弈论 4 3 1公共物品的供给博弈
- JeecgBoot duplicateCheck 表单字段重复校验通用JS详细记录