m0_49501453的博客

YOLOV3目标检测框架搭建和训练自己模型的步骤（超详细）Ubuntu18.04安装labelImg标注工具—pyqt5 安装步骤# 不需要进入到虚拟环境中sudo apt-get install pyqt5-dev-tools sudo pip3 install lxml git clone https://github.com/tzutalin/labelImg.git cd labelImg make qt5py3 # 用make all 会导致先识别pyqt4.python

YOLOv5目标检测框架搭建源码下载# 在github下载源码$ git clone https://github.com/ultralytics/yolov5环境搭建（GPU）# 创建一个虚拟环境python 3.8pip install -r requirementsUbuntu清理磁盘空间（磁盘空间不够）# 查找100M以上的文件sudo find / -size +100M |xargs ls -lh # 然后删除缓存中不需要的文件环境搭建（CPU）# 先安装torc

YOLOv5 输出目标检测物的坐标信息和类别（可结合flask或者fastapi开发成目标检测接口）直接上代码import ioimport numpy as npimport cv2import torchfrom PIL import Imagefrom numpy import random'''代码：由YOLOv5自带的detect.py 改编实现：输入图片进行检测，输出图片的类别和坐标和对应的分数autor:小帆芽芽date:2021/12/21'''from YOL

技术与实现通过目标检测直接进行检测与识别（通常分类类别量小如数字验证码，数字运算类验证码）通过目标检测加分类任务（分类类别居多，如汉字点选类）目标检测基于YOLOv5 目标检测框架，通过图像打标训练模型识别任务实现方法数字运算类： 直接通过YOLOv5目标打标分类实现识别任务点选汉字型： 先基于目标检测,将检测物沿检测框切割，将检测物用分类任务实现汉字分类任务： 使用VGG16提取全连接层第一层特征用做监督分类任务开发成FastAPI接口汉字点选型基于上面任务算法实现开发成fast

图像特征提取（VGG和Resnet卷积过程详解）第一章 图像特征提取认知1.1常见算法原理和性能众所周知，计算机不认识图像,只认识数字。为了使计算机能够“理解”图像，从而具有真正意义上的“视觉”，本章我们将研究如何从图像中提取有用的数据或信息，得到图像的“非图像” 的表示或描述，如数值、向量和符号等。这一过程就是特征提取，而提取出来的这些“非图像”的表示或描述就是特征。有了这些数值或向量形式的特征我们就可以通过训练过程教会计算机如何懂得这些特征， 从而使计算机具有识别图像的本领。1.2 什么是图

生成汉字验证码，用于汉字识别数据集汉字选自常用的4900百多个汉字，基本涵盖（98%）了验证码可能会出现的字可用作汉字识别分类训练这里汉字集合自己找变成列表形式即可这里面没有添加干扰点，你也可以自己添加干扰等import jsonimport osimport refrom PIL import Image, ImageDraw, ImageFont, ImageFilterimport randomclass MakePic(object): '''