深度學習|計算機視覺 環境配置-資料集制作-模型訓練 一站式教程(Ubuntu系統)
文章目錄
- 深度學習|計算機視覺 環境配置-資料集制作-模型訓練 一站式教程(Ubuntu系統)
-
基于Linux系統下搭建深度學習環境，包括Python環境管理工具Anaconda、NVIDIA顯卡的并行計算框架CUDA、針對深層神經網路的顯卡加速庫CUDNN、深度學習框架Pytorch等的安裝；
深度學習裝機指南(DUT 孔老師)
-
在工廠中搭建鋁合金鑄件影像采集系統，包括鋁合金鑄件內部缺陷檢測裝置，鋁合金鑄件外部缺陷檢測裝置；
-
采集缺陷圖片，并用LabelImg軟體標注出圖片中缺陷的位置和型別，制作出鋁合金內部缺陷和外部缺陷影像的資料集；
-
根據鋁合金鑄件的內外觀缺陷特征并結合當前最先進的缺陷檢測演算法，分別提出用于工廠環境下的鋁合金鑄件內外觀缺陷檢測演算法；
-
使用自制的鋁合金鑄件內外部缺陷影像的資料集分別對所提出的鋁合金鑄件內外觀缺陷檢測演算法進行訓練，通過大量的試驗分析，找出影響準確率提高的原因，根據所發現的原因對演算法進行相應的改進；
-
通過控制變數法依次驗證上述改進演算法的效果，并挑選出效果最好的改進演算法作為最終的缺陷檢測演算法；
-
將缺陷檢測模型部署在云端服務器上，客戶端向服務器發送檢測請求后，將圖片上傳給云端服務器進行檢測，服務器再將檢測后的結果回傳客服端，
-
在工廠內搭建缺陷檢測系統，將缺陷檢測系統集成到實際的生產線中，并驗證缺陷檢測的實際效果；
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/336159.html
標籤：AI
上一篇：【樹模型與集成學習】(task4)兩種并行集成的樹模型
下一篇：R語言計算F1評估指標實戰：F1 score、使用R中caret包中的confusionMatrix（）函式為給定的logistic回歸模型計算F1得分（和其他指標）