- 博客(8)
- 资源 (10)
- 收藏
- 关注
原创 语义分割之copy_paste数据增强
记录一种另类的语义分割增强算法,copy and paste,简而言之,就是把A图的mask扣下来放到B图中,需要A图的原图,A图的8位mask,B图的原图,B图的8位mask。不过很可惜,在我这里尝试了以后,感觉造出来的数据极度不真实,后来也就没用了,仅仅记录一下,代码如下。
2023-04-19 15:32:58 447
原创 目标检测之利用MASK合成假的破裂数据
实际业务中需要检测破裂和破损,但是缺乏对应的数据,那么该怎么办?可以利用现成的破裂mask和无破裂的数据,再借助已经打标好的bbox合成假的破损破裂数据。
2023-04-18 13:58:18 174
原创 语义分割宝库之segmentation_models_pytorch
github地址:https://github.com/qubvel/segmentation_models.pytorch。这个集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造,对于图像分割而言简直就是神器般的存在。segmentation_models_pytorch是一个基于PyTorch的。二、训练自己的多类别语义分割模型。
2023-04-17 22:22:20 483
原创 语义分割中最容易出错的图片格式转换
语义分割中经常会遇到图片格式转换的事情,labelme的json转换出来的mask是16位,训练的时候需要的mask一般是8位,如果要做离线数据增强的话,mask也要做增强,那么mask需要转换为24位,增强完毕以后,24位要转换为8位,以下三个脚本记录这些转换。
2023-04-17 16:52:48 154
原创 语义分割前奏之数据增强
我采用albumentations库进行数据增强,有些增强方式需要对label也做相应的增强,有些方式不需要,所以分开来做,我这里计划对每张图做10次增强。小数据集适合离线数据增强,大数据集适合在线数据增强。原始图像和原始lalbel大小不一样,将原始图片与增强后的图像合并,并统一到同一个尺寸大小,将24位label转换为8位单通道,图像中的像素值从0开始递增,0代表背景,1代表第一类前景,依次类推。我的原图带有source字样,mask图带有mask字样,因此我将其都替换为NB。
2023-04-11 00:08:48 460 1
原创 使用BiseNet从头训练&&微调自己的数据集
2、MASK图为8位的单通道图片,图片中的值从0开始,0代表背景,第一类前景为1,第二类前景为2,依次类推递增。labelme的json转换出来的mask图为24位彩色图,要想办法转成8位。我使用的是bisenetv2,配置文件是configs里面的bisenetv2_city.py,数据集分为原图和对应的MASK,尤其要主要的有两点:1、所有图片要resize到统一大小。本次训练采用的是pytorch版本的BiseNet,代码链接为。生成train.txt val.txt的脚本文件。
2023-04-09 21:25:27 731
原创 Ubuntu 18.04 Intel RealSense D435i 相机标定教程
Ubuntu 18.04 Intel RealSense D435i 相机标定教程,包含IMU单独标定,相机内参标定,IMU---相机外参标定。
2023-02-08 22:35:38 6601 5
FlashFlood介绍文档
2017-09-24
FLASHFLOOD
2017-09-24
虚拟机VMware下centos配置hadoop集群
2015-05-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人