image-recognition

    3熱度

    2回答

    我嘗試了最近在iOS中引入的核心ML來識別和分類圖像。問題是,它沒有給出發送圖像的正確結果。 如果我發送地球圖像(環球),它給我的類作爲泡沫。下面是我使用的代碼, let model = Resnet50() let pixelBuffer: CVPixelBuffer = (modelImg.pixelBuffer())! if let prediction

    0熱度

    1回答

    1)如果我在for循環中創建項目,爲每個項目添加新的eventListener是否正確?或者我應該只向父級添加1個eventListener?並通過ID調用事件? 2)如果我想縮放我的項目(帶有圖標圖像的LinkBut​​ton),我注意到圖標有時會延遲調整大小,所以當我觸發事件時我有點閃爍。我應該不使用圖標,並以另一種方式設置圖像?我怎樣才能解決這個問題 ? 感謝

    0熱度

    1回答

    我需要截圖添加到網絡中,而不是image_path import os, sys import cv2 import numpy as np from PIL import ImageGrab import tensorflow as tf os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' ### take a screan shot prints

    2熱度

    2回答

    我想培訓張量流模型以識別非常特定的家用電器。我熟悉使用Tensorflow做各種事情,但我不確定構建數據集的最佳方式。 我最初的想法是從多個角度爲自己提供100-200個設備圖像,然後從Google搜索中找到1000個左右的其他設備圖像,這些圖像不正確。有沒有比我打算解決這個問題更好的方法? 我認爲從物體側面看,容器更具特色,但希望能夠從前方角度獲得高水平的準確性。

    0熱度

    1回答

    我用retrain.py來用我自己的交通標誌數據集來訓練張量流,但它似乎並沒有捕捉到一個圖像中的多個對象。我使用label_image.py來檢測我的圖像中的對象。我有一個存在於我的數據集中的兩個路標的圖像,但我只能得到一個高精度的符號。它沒有檢測到其他標誌。

    1熱度

    4回答

    圖像效果的大小如何訓練該任務的模型? 我目前的訓練集保存的圖像是2880 X 1800,但我擔心這可能太大而無法訓練。總的來說,我的樣本大小約爲200-500張圖片。 這是否意味着我在訓練模型時需要更多資源(GPU,RAM,分佈)? 如果這太大,我應該如何去調整大小? - 我想盡可能地模仿真實世界的照片分辨率,以獲得更好的準確性。 編輯: 我也將使用圖像文件

    17熱度

    1回答

    我有許多人像肖像的年鑑圖像,我正在嘗試構建能檢測這些肖像的algorytm。至少,要檢測正確的矩形肖像。 Example 1Example 2 我試圖研究三個方向: 人臉檢測 黑暗矩形檢測(自畫像是在明亮的背景通常更暗的形狀) 人們從OCR'ed名稱提取文本 通過結合上述三種算法的結果,我希望能得到一些方法,也可以用到對於許多不同的年鑑頁面。 我將非常感謝任何幫助矩形檢測。 我開始使用Java和O

    2熱度

    1回答

    爲了給出一點上下文:我對機器學習相當陌生,我已閱讀並看過一些關於CNN如何工作的教育視頻。 到目前爲止,我已經試過兩個模型,一個隨機的CNN模型和Google的Inception v3模型。我可以理解隨機的人CNN模型和那裏發生的事情。我不明白的是如何使它適用於不同尺寸或旋轉的不同輸出尺寸。讓我來解釋我在做什麼: 我基本上想要能夠將圖片(包含徽標)分類爲品牌。例如,你給我一張包含星巴克標誌的照片,

    3熱度

    1回答

    其次要想使用signoidal功能「Using neural nets to recognize handwritten digits」一個簡單的神經網絡教程,教程很簡單,用理論和代碼示例。 的問題是,它並沒有使用network.py給數字識別的任何實例。 例如,我有以下號碼,我想從下面的圖像中將其識別爲0 接下來應該如何處理號碼識別? 爲了識別號碼需要使用其他技術,如theano或tensorf

    4熱度

    2回答

    從VNClassificationObservation獲取問題。 我的目標ID識別對象並顯示彈出對象名稱,我能夠獲取名稱,但我無法獲取對象座標或框架。 這裏是代碼: let handler = VNImageRequestHandler(cvPixelBuffer: pixelBuffer, options: requestOptions) do { try handler.perf