个人技术分享

【机器学习】基于OpenCV和TensorFlow的MobileNetV2模型的物种识别与个体相似度分析

在计算机视觉领域，图像相似度比较和物种识别是两个重要的研究方向。本文通过结合深度学习和图像处理技术，使用TensorFlow中的预训练MobileNetV2模型和OpenCV，实现了物种识别和个体相似度分析。本文将详细介绍该系统的实现过程，并提供相关代码和使用说明。

【机器学习】基于OpenCV和TensorFlow的MobileNetV2模型的物种识别与个体相似度分析

在计算机视觉领域，图像相似度比较和物种识别是两个重要的研究方向。本文通过结合深度学习和图像处理技术，使用TensorFlow中的预训练MobileNetV2模型和OpenCV，实现了物种识别和个体相似度分析。本文将详细介绍该系统的实现过程，并提供相关代码和使用说明。

[数据集][目标检测]数据集VOC格式岸边垂钓钓鱼fishing目标检测数据集-4330张

数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)[数据集][目标检测]岸边垂钓数据集VOC格式4330张介绍_哔哩哔哩_bilibili。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：检测岸边钓鱼人员的数据集，当有人拿个鱼竿或者明显在钓鱼则会被标注。标注数量(xml文件个数)：4330。标注类别名称:["fishing"]标注规则：对类别进行画矩形框。

Python|OpenCV-自动检测并识别车牌号(16)

本文是该专栏的第18篇，后面将持续分享OpenCV计算机视觉的干货知识。在本文中，笔者将详细介绍如何利用OpenCV进行车牌号识别。要知道，车牌号识别是计算机视觉在交通管理领域，以及车辆监控领域的一项重要应用。车牌号识别的主要目的，在于自动检测图像中的车牌并识别出车牌上的具体字符信息。而这个技术涉及到多个操作步骤，其中包括“图像预处理，车牌定位，字符分割，字符信息识别”。具体细节部分以及完整代码的实现以及思路，跟着笔者直接往下看正文内容。（附带完整代码）

Python|OpenCV-自动检测并识别车牌号(16)

本文是该专栏的第18篇，后面将持续分享OpenCV计算机视觉的干货知识。在本文中，笔者将详细介绍如何利用OpenCV进行车牌号识别。要知道，车牌号识别是计算机视觉在交通管理领域，以及车辆监控领域的一项重要应用。车牌号识别的主要目的，在于自动检测图像中的车牌并识别出车牌上的具体字符信息。而这个技术涉及到多个操作步骤，其中包括“图像预处理，车牌定位，字符分割，字符信息识别”。具体细节部分以及完整代码的实现以及思路，跟着笔者直接往下看正文内容。（附带完整代码）

Stable Diffusion教程

本教程将引导你了解Stable Diffusion的基本概念、原理、应用场景，并提供详细的实现步骤和代码示例。在图像生成方面，Stable Diffusion通过大量训练数据学习图像的潜在表示，并能够在潜在空间中高效地探索以生成新的、高质量的图像。这种方法的关键在于使用一个稳定的、条件性的扩散模型，该模型可以根据给定的条件（如文本描述、类别标签等）生成相应的图像。与传统的生成对抗网络（GANs）或变分自编码器（VAEs）不同，扩散模型通过模拟一个扩散（即，添加噪声）和反向扩散（即，去噪）的过程来生成数据。

opencv进阶 ——（八）图像处理之RMBG模型AI抠图

BRIA.AI团队于HuggingFace开源了一个基于ISNet背景移除模型RMBG-1.4，它可以有效对前景与背景进行分离。RMBG-1.4在精心构建的数据集上训练而来，该数据包含常规图像、电商、游戏以及广告内容，该方案达到了商业级性能，但仅限于非商业用途。关于所用到的训练数据：12000+高质量&高分辨率像素级精度手工标注。更详细的数据分布介绍请移步[RMBG-1.4]

在热力图基础上寻找所有峰值位置

热力图通常是二维的，其中每个像素的颜色表示该位置的数值大小。较亮的颜色通常表示较高的数值，而较暗的颜色表示较低的数值。寻找局部极值点：使用图像处理技术，如在前面提到的方法中，例如在二值图像中找到局部极值点的方法，来找到热力图中的局部峰值位置。这可能涉及到使用滤波器、阈值化、形态学处理等技术。分析和后处理：对于找到的峰值位置，可以进行进一步的分析或后处理，例如计算每个峰值的具体坐标、提取峰值的强度等。标记峰值位置：一旦找到了峰值位置，可以根据需要在热力图上将这些位置标记出来，以便进行可视化或进一步分析。

[数据集][目标检测]红外兔子检测数据集VOC+YOLO格式96张1类别

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：96。标注数量(xml文件个数)：96。标注数量(txt文件个数)：96。使用标注工具：labelImg。标注类别名称:["rat"]标注规则：对类别进行画矩形框。rat 框数 = 378。

【无标题】yoloV8目标检测与实例分割--目标检测onnx模型部署

ONNX Runtime 是一个开源的高性能推理引擎，用于部署和运行机器学习模型，其设计的目标是优化执行open neural network exchange （onnx）格式定义各模型，onnx是一种用于表示机器学习模型的开放标准。onnx模型：ONNX格式的模型文件，通常以.onnx扩展名保存，onnx文件是一种中性表示格式，独立于任何特定的深度学习框架，用于跨不同框架之间的模型转换和部署。要在不同框架或平台中部署训练的pt模型，需要利用ONNX转换工具将pt模型转换为ONNX格式。

【计算机视觉】数字图像处理基础知识（模拟和数字图像、采样量化、像素的基本关系、灰度直方图、图像的分类）

图像(image)：根据第二点的不同，我们可以将图像分为：模拟图像、数字图像模拟图像的成像过程和结果记录是基于化学反应的，如传统照相方法所用到的“胶片”就是一种物理介质，这个过程涉及到光敏材料对光的响应，是一种！。这种成像过程和记录结果是连续的，没有固定的分辨率限制，可以达到非常精细的水平。对模拟图像的处理和编辑通常需要用到。，成像结果就是离散的。它是基于传感器的。由下图可以看到，数字图像是由模拟图像得到的。它以像素为最小单位存储在计算机等数字电路中，这个过程也称为：图像的数字化。

[数据集][目标检测]红外车辆检测数据集VOC+YOLO格式13979张类别

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：13979。标注数量(xml文件个数)：13979。标注数量(txt文件个数)：13979。car 框数 = 247622。使用标注工具：labelImg。标注类别名称:["car"]标注规则：对类别进行画矩形框。总框数：247622。