上位机图像处理和嵌入式模块部署(qmacvisual图像识别)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

所谓图像识别,就是对图像进行分类处理,比如说判断图像上面的物体是飞机、还是蝴蝶。在深度学习和卷积神经网络CNN不像现在这样大行其道之前,大部分图像分类使用的还是传统机器学习的方法,比如说支持向量机,也就是svm。在特定的场合,如果图像本身质量比较高的话,使用svm做图像训练和预测还是非常合适的。今天,我们就来了解下qmacvisual是如何做图像训练和分类的。

1、创建工程和创建流程

要做好图像分类,首先需要创建一个工程、同时创建一个流程,这是基础。

2、使用图像分类的插件

图像插件的位置位于【检测识别】-》【分类器】下面。把插件拖到界面上,然后单击之后,如果不出意外,我们就可以看到这样的界面窗口,

如果仅仅是对图像进行训练,那么只需要做好中间的三个部分就可以了。这三个部分是选择图像的标签,也就是当前图像属于哪一类,里面其实就是1、2、3、4、5这样的内容。第二行就是配置哪些图像文件参与训练,大家在使用的时候,需要把文件里面图像的位置修改成自己本地目录实际图像的位置。最后一行,就是提示我们,训练之后图像相关模型参数文件应该放哪里。如果这三行都ok了,那么就可以点击训练模型按钮,开始图像训练了。

训练完毕之后,就可以使用这个模型进行预测了。有三个地方需要进行处理。第一个就是需要关联一下输入图像的位置。第二个就是加载一下模型的位置,这个模型文件可以是刚刚训练好的那个模型。第三个就是在tab页面上的参数设置,给每一个类别起一个名字,这样后面预测的时候,就可以在图片的左上方添显示相应的类别打印。

这一切都准备好了之后,我们就可以开始图片预测了。注意,测试的图片最好不要是之前训练的图片,而应该用专门的测试图片来进行验证,不然没有办法判断当前的模型是否ok。我们这里输入了一个camera的图片,看下执行效果,

本身qmacvisual还提供了很多其他测试的图片,大家可以去一一进行判断和练习。

3、完整的测试流程

整个测试训练和测试是分开来的。所以,如果是完整的测试,一般前面还会多一个图像加载的操作,界面上看是这样的,

4、实际使用

不管是生活中还是工厂制造领域,对于图像的分类是很常见的一个需求。很多时候,我们其实知道在什么位置,图像会发生变化,这个时候就是希望有一个软件能够告诉我们发生了什么样的变化。所以,这种场景就是典型的分类问题。另外一种稍微复杂一点的,就是定位和分类问题。不仅要知道是哪些物体,还需要知道他们在什么地方,这一类的问题一般用yolo去进行解决,效果也是非常好的,大家可以在课后多多实践、多多练习一下,相信也会有蛮多的收获。

相关推荐
蒋星熠9 小时前
Python爬虫抓取豆瓣TOP250数据
人工智能·爬虫·python·网络爬虫·爬山算法
AI浩9 小时前
Yolo分割数据集错误数据删除
人工智能·深度学习·yolo
工藤学编程9 小时前
零基础学AI大模型之LangChain PyPDFLoader实战与PDF图片提取全解析
人工智能·langchain·pdf
AI大模型分享营9 小时前
LLM 应用评估体系详解:从多轮对话到 RAG 与 AI Agent 的落地评估
人工智能
Antonio9159 小时前
【图像处理】图像滤波
图像处理·计算机视觉
汀丶人工智能9 小时前
AI Compass前沿速览:ChatGPT Atlas、Claude Code、Haiku 4.5、Veo 3.1、nanochat、DeepSeek-OCR
人工智能
玩转AGI9 小时前
总结了 13 个 顶级 RAG 技术
人工智能
言德斐10 小时前
数据挖掘知识体系分析
人工智能·数据挖掘
nju_spy10 小时前
复杂结构数据挖掘(三)关联规则挖掘实验
人工智能·数据挖掘·apriori·网格搜索·关联规则挖掘·fp-growth·位运算状态枚举
Yuroo zhou10 小时前
破空驭风,智领未来 --5KG物流配送无人机展示飞行!
人工智能·算法·机器人·硬件工程·无人机