Mat◎r 要发给6
关注数: 15 粉丝数: 36 发帖数: 614 关注贴吧数: 127
[迟到的更新] 生石花辅助辨认检测分类 已经许久没有更新了 这段时间内大多时间被用于期末的项目实训,所以这个计划停止了一段时间,但是接下来可能会停止更长的时间因为距离考研日越来越近了,暑期的大部分时间我需要用于备考 -------------------------- 在这次更新中,我取消了安卓app的开发将直接使用网页的方式呈现,其中原因有几点 其一,将网络模型嵌入至安卓手机端会导致模型性能被压缩会连带准确度也会被降低 其二,许多花友的手机系统各有不同,安卓app无法适用于所有系统,所以将使用网页端呈现 目前已经基本完成了网页端的开发,也具备一定的可用性,但是随着计划的深入,越来越多的问题[个人能力问题]暴露出来,发现检测模型的准确度在一些特定情况会有误检测的问题,分类模型还是容易混淆许多品种以及分类的类别品种结构或许需要重新进行调整,以及网页的响应时间的问题。这些在我结束考研后,我会尽我全力把这件事完成。 下列图片为网页基本展示,目前网页结构仍然存在许多问题,包括很多意想不到的bug,以及检测分类的准确度不足的问题 稍等我会将零时网址发在评论区各位花友可以尝尝鲜,因为目前是使用自己的电脑做为主机,所以我不会一直启动着,下午可能会就会关闭,各位有想体验可以在喊我启动
[更新进度]生石花自动检测分类 期末考核结束了,可以分配更多的时间用在完成这件事上 目前已经完成&正在进行的{ --将模型移植到了安卓端 --安卓app的UI设计 //头疼,如果有建议的小伙伴可以提出 --新收集了300张样本图片,正在标注 --在思考如何实现web端,使安卓与ios用户都能使用 } 补充一下关于新收集的300张样本数据,这新收集的300张样本数据重点不在于生石花的分类,而在于检测。在检测模型的v1.0的多次测试中发现了,模型对于多pp 群pp 多姿态pp的无力检测[如图一],其原因在于模型v0.1中采集的pp样本数据[如图二]多为单独一个pp的大头特写照,利用这些样本数据训练出来的模型对单独pp的大头照检测率较高而对于多&群&多姿态pp却无能为力,所以有了这新收集的300张样本数据。 为何要检测呢?首先想要计算机很好的分类pp,其根本就在于让他找到pp在哪,其次在对pp的窗面特征进行分析,分类。 关于生石花检测v0.1模型,这个是这个计划的开端,但是存在的许多问题包括在于检测率于分类率[如图一],从图一中可以知晓,其分类的准确率感人(T_T),原因是在于收集的数据集中的各个类别样本数过少(共分19类,总1913张样本,每类仅仅100张),这对与计算机学习特征来说是远远不够的... ====因此我想向各位花友征求生石花图片作为神经网络的训练样本数据,如果花友愿意可以将图片打包发送至我的邮箱[[email protected]],《《图片仅用于训练网络模型》》,!!!注意:发送时请各位花友标题注明为 ‘生石花图片’ 图片以压缩包形式发送[如果方便希望可以根据不同生石花的大类分别放置于不同的文件夹中,在打包发送]!!!,希望各位花友可以与我一同推进这件事 多谢!!==== 为何要找花友要,不自己网络上下载? 目前的样本数据集都是我从网络上下载到的,其中存在的诸多问题其一在进行一轮的搜刮后会出现大量重复图片,其二时间效率太慢,需要往返至不同网站寻找图片,其三在多次搜寻后寻得的新图片越来越少,越来越难以在网站中找到新的大量的图片,而获得图片后还需要进行标注任务,这将会大大拖慢这件事的进展速度,所以 在次希望各位花友可以与我一同推进这件事 多谢!! 关于模型v0.1绑定的安卓app,因为v0.1模型效果不佳,还不到可以轻松使用的程度,但是花友若是想尝尝鲜可以评论区留下邮箱,在1-3天内我初步完成界面设计后会发送至你的邮箱内,介于模型v0.1的特性(限制T_T),我说几点使用说明,用于识别的图片最好为生石花的大头照,一张照片中的pp尽可能的占画面位置较大,俯视图最佳,一张图片不宜有太多个。各位想尝试的花友可以将图片裁剪后尝试使用。//目前存在诸多问题,我将会一一解决!
生石花检测识别,品种分类,还是自动的?! ----这是一个使用深度神经网络训练的一个生石花检测分类模型---- 在去年的这个时候,就萌生了训练一个生石花的分类神经网络的想法,立刻就前往百度打下了关键字截了19个大类的生石花品种共1913张图片作为数据集,但是因为时间问题(懒),数据集在我收集后就被掩埋在了磁盘的文件夹里。 直至今年期末在进行类似项目的课程设计时,想起了那个被遗忘的想法,就翻出收集的图片标注了一个晚上,据收集到的生石花图片目前共分类19种(后续会根据数据集收集情况增加分类,如果数据集足够多且精确甚至想从大类中分出小类,如图一[这里借用火宵之月大佬的图鉴]):['aucampiae','bromfieldii','fulviceps','gracilidelineata','hallii','hookeri','julii','karasmontana','lesliei','olivacea','optica','otzeniana','pseudotruncatella','schwantesii','terricolor','vallis-mariae','verruculosa','villetii','werneri'],对应中文分别是[日轮玉,柘榴玉,微纹玉,荒玉,巴厘玉,富贵玉,寿丽玉,花纹玉,紫勋玉,橄榄玉,大内玉,大津绘,曲玉,招福玉,碧琉璃,碧赐玉,朝贡玉,臼典玉,云映玉] 其中使用的 yolov5 的深度学习网络模型,后续我会公布数据集和训练代码至GitHub,数据集图片全由网络中收集而来。 这只是一切的开始,在后续我会优化且增加模型精确度与识别类别,会考虑搭建微信小程序,或是安卓app供各位花友使用。 图一:借用火宵之月大佬的图鉴, 图二:预测准确度仅供参考,具体与图片质量生石花目标位置角度有极大关联, 图三至图六:预测结果展示
1 下一页