- 博客(8)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 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