tensorflow - 使用 AI 检测损坏的零件
问题描述
我需要使用计算机视觉来检测汽车的损坏部件。我有汽车损坏前后的图像,我如何使用计算机视觉/人工智能来检测,在这种情况下,左大灯和保险杠损坏了。我有一个包含 70 个相似图像对的数据集。我尝试了图像处理,将图像叠加在每个图像的顶部以检测损坏。但并非数据集中的所有图像都适合叠加。我可以使用 Mask RCNN 来检测损坏区域,但如何将其减少到损坏的部分?
损坏前
损坏后
解决方案
查看Mask R-CNN。您可以使用多个汽车损坏图像来训练模型。只需注释您的数据,然后对其进行训练。训练完成后,您可以使用飞溅功能仅突出显示您想要的区域,即损坏区域。它很容易设置,在你的情况下看起来很完美。
推荐阅读
- r - R中的日期值Excel函数
- python - scrapy 给了我一个不完整的链接,我需要解析内部页面
- windows - 使用 powershell 卸载软件 (ArcFM),MSI 中没有“删除”选项
- python-3.x - 使用自定义 openssl 在 python 3.8.0 中安装密码学的问题
- text - SwiftUI IPadOS 应用程序根据方向更改文本
- assembly - 如何用 x86 汇编语言打印数组的内容?
- python - Django 教程 - 不显示错误消息
- r - 如何从两个现有的分类变量创建新变量
- python - 如何将两个变量变成相同的形状/格式以便绘图?
- javascript - 如何在 ReactJS 中显示从一页到另一页的状态