文件名称：VisualInspection：使用CV和DL将Oreos分为好，坏或丑陋
文件大小：14.52MB
文件格式：ZIP
更新时间：2024-03-03 22:55:20
Python
视力检查 使用计算机视觉和深度学习将Oreos分为好，坏或丑陋。 由Devon Webb和Easton Potokar完成。 在github上找到： : 。 项目标准 我们定义好，坏和丑陋的示例如下： 好 丑陋 坏 定位物体 为了找到奥利奥石，我们只需要在开始记录时拍摄一张图像并将其设置为我们的“基地”即可。 之后，我们进行了一些轻微的模糊处理，与基准线有所区别，并进行了阈值定位以定位图像中变化或“重影”的位置。 代码在run.py 。 分类对象 为了对奥利奥人进行分类，我们使用了卷积神经网络。 它以3个通道拍摄了64x64的图像，并输出了好，坏或丑陋的3个概率。 可以在train.py中找到训练参数，以及在将图像输入到网络之前的一些转换。 收集数据 最繁琐/最困难的部分是收集足够的数据来训练网络。 通过录制不同矿石的视频（如上所示）并使用一根细绳，将其稍微旋转以获得所有可能的角度
【文件预览】：
VisualInspection-master
----models()
--------model_good3.pkl(71KB)
--------model_good2.pkl(71KB)
--------model_best.pkl(71KB)
--------model_good.pkl(71KB)
----writeup.pdf(12.21MB)
----test.py(1KB)
----gather_oreos.py(3KB)
----train.py(3KB)
----run.py(3KB)
----ran.avi(895KB)
----examples()
--------ugly.jpg(464KB)
--------good.jpg(401KB)
--------bad.jpg(428KB)
----.gitignore(2KB)
----README.md(1KB)
----network.py(1KB)