halcon缺陷检测基本步骤
好，下一步的话就是模型推理，推理的话就是用咱们的咱们的额外的图片进行一个推理，就是咱们的测试，测试图片进行推理，咱们不是用那个训练训练图片进进行进行推理的， 评估的时候是用训练图像里面的一部分图像进行评估的，然后再翻下来，翻下来这还是那个图像目录不变啊，用的就是这个 sigma 的地方的， 用的是 这个里面的 segment， 这个是用的这一个，它是就在这个下面，就是下这个目录下面，嗯，还有这么一个 hdr ct 的一个文件。嗯，然后完了之后， 下面下面就是用他的，用他的一个最后的模型，最后的模型进行一个啊， 进行一个推理的，就是这样的话，你就是看最后的模型好了，还是最终的模型好了，这个看自己，然后完了之后就可以用行，你把这几个设置一下，就可以用行 运行，就是可以看到他走到走到这个区域， 这我们之前的裂纹那块就是裂了，是一块缺陷，但是没有边缘，没有缺失，这种它能算出来它的下数值面积大小， 在圆的 这个也走出来了， at 这也走出来了，这也走出来了， 这 ok 的。好，那咱们的这个 how can 深度学习就这四步， 这是四步，做完之后咱们的就是可以用这个最后的模型或者是最终的模型来作为自己最终的一个训练的训练的模型。哎，不是进行一个 什么推理的模型，嗯，他一下子把词忘推理的模型，就是后面的话可以抖成 c 加加程序什么的。哎，我去，点错了， c 加加程序 就是把这个推力模型抖成 c 加加，然后把咱们的库，嗯挂上去，你看这可以抖，抖成 c 加加，嗯， c 加加， 然后抖出来，抖出来之后就是一个 ctr， 一个程序，嗯，然后修改一下，可以转成库文件什么的，然后咱们就可以直接设备上可以调用了 啊。深度学习方面，咱们除了这个 health 的深度学习，还有一个，还有一个那个，嗯， 拍照是有了 v 八的一个深度学习的一个风格，哎，现在之前的话， v 五的， v 五做那个目标检测比较好一点，但是风格的话感觉效果不太好， 一直就是哈肯这方面能力比较强一点，但是 y 八出来之后，今年 y 八出来之后啊，这 y 八的风 效果也比较强，做出来是这种东西也是也是非常非常不错，你看他也能完整的分割下来，效果也比较好。咱们下节的话，咱们就讲这 y 八的一个分割 啊， y 八的一个风格啊，咱们看一下这个 y 八怎么进行分割的啊？分割的效果啊，然后拍摄，拍摄的一个，首先拍摄的一个，嗯，安装， 安装，安装教程，咱们可以先进行安装一下，就是拍套词很难很很难看的，这这个可以安装一下，安装完之后呢，咱们就 就讲后面的深度学习的一个缺陷检测，嗯，基于这个 v 八的， ulo v 八的， 嗯，现在的话，今天的话，这个 harken 这个深度学习就在这里，嗯，如果下面的话，嗯，如果你你们想要训练 自己的模型啊，有自己的图图像训练自己模型啊，也可以根据我这个方法进行一个训练，然后导出，好，谢谢大家。
粉丝1022获赞2342
相关视频
05:24查看AI文稿AI文稿然后下面的话咱们需要改一下这个 airpods， airpods 这个，嗯，越越大它的训练模型越好，咱们现在是为了就是 速度快，咱们为这个视频就是咱们演示一下演示效果，咱们输个五，输个十也可以，十，速度十十的这个时间就会久一点。 嗯，但是也看咱们的硬件，硬件好的话这个也不在话下啊，这个啊，点 f 五就开始修炼，单击 再进看左下角直线中， 这一般咱们训练时候千万不要关掉，关掉的话可以可能会出现一些位置的错误，咱们就一直一直看着这个左下角， 咱们讲一下 airpods 是就是咱们需要训练的这个舞吗？然后这是花了的时间，这是剩余的时间，也是一个大概的。 好，咱们这边已经训练完了，训练完花了差不多五分钟。 n f， 然后训练完之后 看一下他的训练，就是训练完之后他有这几个，这几个文件， 最终的还有一个最好的是就是训练完之后他就是有这么几个，然后训练完之后是模型评估， 下一步模型评估咱们也可以打开这个模型评估，先这个里面打开， 嗯，模型评估就是刚才训练出来模型进行一个评估，这是 是还是刚才那个路径 sigma 的 p o 地方的这个还有一个 bust， bust， 这个 bust 在这个这个里面 看一下，嗯， 就是 bus 的，就是高水训练完了之后的他那个模型，就是看嘛，就是如果你那个模型训练的不好，或者是你这个跑出来效果不好啊，你就换 bus 啊，或者是最终的 两个都看一下，一般最后的话这个训练模型相对来说应该算可以的。这个最终的话就是最后训练完的一个样子， 然后 butt side 一进行一个评估，咱们看一下 左下角， 嗯，找到了，其实这个还是咱们那个夜晚，你 还是夜晚，并不是换了个图片，你看原来这样的，就是把它压缩成这样的，原来就这样的， 都能走动，也能走动，地方也能走动，曲线都可以走动啊，这就是这个模型评估。
06:15
04:56查看AI文稿AI文稿哈喽，大家好，欢迎来到图像处理大学堂，今天我们主要讲的是 honk honk 切换助手和这个 dlt 深度学习工具的一个安装， 安装完了之后用 how can 进行一个深度学习的缺陷检测。 现在我们就看一下这个 hocker 安装教程，就是打开这这篇博客，或者在四 s 店这搜这个名字。嗯，首先的话先去这个网站把这个 hocker 软件给下载下来， 然后这样的话估计要登录，嗯，你再注册一个账号，呃，这个也快，用邮箱注册一个就可以。然后把这个 hotcom 下载下来，然后这样版本 系统选择一下，点这个完整完整版下载，然后把这个下载下来，下载下来，点这个打开这个文件夹，就是解压之后打开文件夹进行一个解压还是进行一个解压，解压完了之后安装点这个 som， 点一小时一安装。 简介的话，打开之后是一个网页，网页形态，你需要点这个点这边，然后点这个安装，这个是之前我装过的，所以说他是个灰色的，装完之后他就会桌面上有这个图标。 嗯，你装完之后没有激活的话，他会报错，就点开的话他会报错。紧接着的话咱们需要按照这个话筒切换助手 这个，按这个教程一步一步的安装好，下载下，然后下载下，主要是在这切换版本的时候，一般点这个他会刷新刷新出来一个 license 多多几月份 啊？但是如果你再写个前面的月份，或者再写个后面月份的话，就是你点之后他这个没有刷新成一个一个月份的话，说明你没有刷新成功，你就点一下这个环境 啊，这样的话就设置这些授权，这些的话看一下，这个主要是讲这个如果没有刷新成功， 你需要点这个环境自动检测，检测一下，看一下这两个目录是否正确，这两个目录出的问题比较多， 如果不正确的话，咱们就走到这个，走到这个路径，把它添加上去，然后点那个刷新就能成功。嗯，这边的话就是改一下这个语言 简体中文，然后的话就是下面咱们做那个深度学习，就是里面的历程还是那个夜晚检测。咱们先咱们先打开这个看一下， 嗯，打开这个就是打开浏览昵称， 再一个深度学习语语风格，这个 segment p o defect 第 l n e 这个数据预数里，就在这， 打开之后是在这这么个程序，哎，嗯， 就是他程序在这里，具体的这个程序里面东西或者是你需要修改的话，嗯，就是咱们上篇博客，哎，不是上篇，上篇那个上个视频，上个视频里面讲过， 但咱们可以看一下这个，你看一下这个目录 c 盘这个下面啊，这个王建明是 sigma 的，这个这个这个这是数据预处理，第一步就是要做深度学习， 要做数据预处理，数据预处理就是他的第一步啊。但是在这个数据预处理之前，咱们拿到图片的话，第一步是进行一个标注，标注的话这不就涉及到 这下面，下面这个工具用用这个下面这工具在这，嗯，就是这个 d d d l t 深度学习工具， 就这样把这工具下载下来，下载下来，然后呢也同样的安装方式，把它安装上，安装上。打开，打开之后我看看我。
14图像处理大学堂
05:12查看AI文稿AI文稿呃，呃，完了之后，这是名字，啊，不是，这是，这不是名字，这是预数的模型， 嗯，下面的话就是他的类别，就是如果咱们这个上面有三种类别，一个列文的。好的，还有这个， 嗯，然，然后如果咱们有就是训练的话，咱们自己训练自己的，自己的数据的话，有几种类型或者类型名可以写在这里， id 对应的， 嗯，然后完了之后，其他的话就不用给了。然后点右心， 主要是看看这，看左下角， 你看左下角是直线中，你这个方式你再点 f， 可能会出问题，你要看好左下角是直线中。 嗯，这点 f 五， f 五 好。 culture 的话，咱们再看一下，我把它放大了一下，放大了一下，这不是，嗯，九五十五行，再一个图标啊，路径在，这就是，这是它 的目录，就是你数据级的目录，这是 lab 的目录，然后这是输出，输出目录。 is that， 这，这输出的，输出的输出的这个 s， d， r， c， t 的一个文件， 那这个 h， d， l 是它的一个预选，预选的模型，刚才说错了，就是这个。嗯，这个，这个导出的是它这个文件， 他这文件。这第第一步，这深度学习。第一步啊，就是数据局的预预处理， 咱们画一下，画个博客，画个博客，哎，错了，嗯，就这个， 这是数据机。玉树林，这是这篇，这是这篇，这篇博客， 嗯，这是文字叙述的，咱们现在是视频，视频讲述的，然后完了之后，数据已预处理完毕之后，咱们就进行第二步。第二步是什么呢？模型训练，嗯，咱们可以继续看这个历程，咱们可以也可以直接打打开历程，然后完了之后，嗯，如果你 需要，嗯，训练自己东西的话，你往这个相应的目录下，然后增加你的东西。这也比较简单。训练模型，训练模型的话往往下翻， 这是刚才那个就是目录，就是深层看一下， 在这里就这两个文件的目录，这个这这两个带子弹的，嗯， 然后完了之后他会生成两个，一个最终的一个模型，一个最后的一个模型。嗯，这是他的两个 王健林。 然后完了之后，这不是下面这个调用一个预处理模型，嗯，预修类模型，预修类模型，预修类模型，在在 看一下啊。 嗯， ucl 联盟现在在这里，这是官方所在的预 于训练模型的路径，他在这里，他在这个这个下面，于训练面，于训，于训练 segment enhance， 就这。
11:17查看AI文稿AI文稿呃，这节课开始呢，我们来搭建一下这个我们这个 w p f 的一个客户端的一个框架啊，那大家在这个 get up 里面呢，呃，应该也可以看到这么一个项目啊，启动之后呢，也就是我们大概的一个，呃，设计思路 啊，启动完成之后呢，这里面会啊，最终我们会包含这个 hook 里面这个啊，一些算法，比如说这个模板匹配测量，还有这个啊，支付识别或者是条码二维码识别 啊。最后就是我们这个缺陷，眼侧啊，主要是整个一大块的啊，一个这个框架里面包含这些功能，然后呢顺便带一些文档的功能，那我们今天呢就开始来设计这个框架啊，啊，因为这个是我们之前做好了一部分，然后呢我们还是给大家来从零开始去把这些东西我们搭建起来 啊，所以说这一下我们就来创建一个项目啊，啊，项目呢是这个 w p f 的应用程序啊， g donate 六点零的，然后呢我们来创建一个相同的吧 啊，把这个名名字给他粘过来，哎，点错了啊，我们创建这个项目，然后呢我们然后 donet 六点零啊，我们创建， 创建完成之后呢，我们这个框架啊，他要用到的就是这个主题，另外一个就是这个他的一个啊框架，比如说这个 mvvm 的框架，我们是用这个 press 来做的，所以说我们首先啊要把这些引入进 来，就是这个我们通过添加这个包啊，首先我们用的是 m d 的主体啊，所以说我们可以搜索这个 mate 二 d 站。这么一个包 啊，我们主要就是安装前面两个啊，一个是啊样式，一个是这个还有些颜色主题，我们安装最新的版本，四点九点零 把第二个也安装一下， 然后就是我们要呃安装一下这个 present 的这么一个框架啊， 我们搜搜索这个 president 点这个叫 l c， 当前这个版本呢是八点一点九七啊，我们安装这个版本， 然后我们点击应用啊，安装了完成之后呢，那我们就可以先来设计一下我们这个结构啊，首先呢我们肯定要有一个这个共享的这么一个内裤，他负责去 啊，分享一些，比如说我们定义一些空间，对吧？我们希望在不同的项目当中使用，那我们写这么一个内裤，包括一些公共的资源，我们同样是创建这个 wpf 用程序啊，然后呢我们定一个这个 next time 啊，打错了，这里 number a， c， h and e。 之后啊我们再创建一个啊，模板匹配，我们把这个删掉啊，因为他这个内裤啊，就是不会包含这些东西，我们改一下 改成内裤，然后在我们再创建一个项目啊，就是我们前面姐姐讲的这个模板匹配的啊，我们首先一个一个模块，我们来实现 i'm late 啊，这个就是模板匹配的项目啊，那我们这个也是一个内裤啊，然后呢我们把这个啊，这个我们添加了这个包了，我们再加到这个这几个项目里面去啊， 就不用手动安装了啊， 然后呢我们再来回到我们这个主程序啊，主程序的话我们要改一些东西，首先我们在这里引入这个啊， 这里面呢我们要把这个改成这个 present application， 然后呢我们把把这个 start up u i 去掉啊，然后呢我们把它改成这个 present application， 把一些没有用的引用我们删掉啊，这里呢我们要啊实现两个，实现他的抽象类啊，这个首先我们就 先给他一个闹啊，然后这里面是注册这个容器服务的吗？我们首先给他把这里名字改， 然后呢我们把这个 man window 给它删掉，那我们要创建一个结构，就是包含这个 view 跟 view model 的这么一个定义 啊，这个方便放我们这个视图，还有这个视图模型的啊啊，还会有一个这个叫 model 啊，可能就是我们用到的一些模型，还有就是我们用到的这个主程序的一个服务。 那这个我们首先把这个我们这个主页给它声明出来啊，叫 number you， 它的这个 will model 呢，我们就叫 man will model 啊， 然后啊我们把这个他们添加到这个容器当中，把添加到容器当中之前呢我们是因为他，是啊，我们这里要把它给设置一下啊， 然后这里面呢我们给他加一个这个叫可以自动绑定的啊， 这里我们可以加一个文本来试一下 风的 size 丢失，然后其实我们可以启动一下啊， 啊，这个就是我们打开的这个首页，那我们现在这个啊自动会绑定上了，然后呢我们可以把它的这个基础的这个实现呢，我们定义一下啊，在这个项目里面可以看到他这个，在这个扣里面可以看到有一些这个 啊，像 dialogue view model 啊，这个导航这个 navigation view model 啊，这些其实就是一些鸡肋来的啊，这个当然我们可以定一个啊，定一个类， 这里面呢我们负责放这个一些公共的啊，基础基础内裤啊，包括 一些扩展服，我们都可以放到这个扣里面。那这里面我们首先就可以定一个，比如说这个导航类， 两个都显微 model， 导航类的话，那我们这个要把这个 print 给它引用进来啊， 我们放在这里，然后把这个这两个可以删掉啊，因为我们如果不用的话可以删掉。那首先我们这里写一个叫 继承一下这个导航接口，我们实现一下啊，这里面呢我们默认给它设置为处，然后呢让它能够去背重写啊，这个是这几个方法呢，就是 present 提供的方法就是 导航，嗯，被被执行 出发，导航切换时出发 就是这个，当这是是否重用 导航对象啊？这个是我们这个导航的这个 we are model 这个机内啊， 然后支持通通知更新，对吧？那这几个方法我们都支持这个啊，重写啊，然后呢我们再定 一个弹窗的这么一个类啊，弹窗的话就是这个叫啊，我们可以看这里，这里没有写啊，那我们这里写一个 dialogue 呢，在这个 person 当中是这个叫 i dialogue， i read， 然后呢我们再继承一个，帮你 base， 我们实现一下这个接口啊，然后呢我们来给大家解释一下这个接口的这几个东西， 这个呢是是否被允许关闭啊？我们默认给他一个 q， 然后这里面就是一个关闭啊，一个就是打开前触发的吗？这样方便。就是一个窗口打开另外一个窗口的话呢，他这里面就会可以摆一些参数在这里接收啊，这个是这个意思， 这里我们也可以重写一下啊，弹窗 shit。 那写完这个之后呢，我们来我们这个主程序引用一下这个 co 这个项目啊， 然后我们这个就可以是继承这个叫 novice。 那写完这个之后呢，我们再做一下我们这个首页的这个菜单的功能啊，可以看到菜单里面呢，我们肯定要包含一些菜单信息嘛。首先我们就要定一个这么一个 navigation item 啊，一个菜单模型。那这个呢？我们就下一节节再给大家来讲。
16微软系列技术教程
03:04查看AI文稿AI文稿你还在自觉 helcome 吗？在本教程中，我们将看看 h a， l， c， o n 对象检测。在简短介绍了这种深度学习技术之后，我们将介绍 这个 dvr 的视力系列中的第一个程序。首先，什么是目标检测？通过对象检测，您可以不定位和分类对象实力。即使对象重叠，单个实力也会被单独检测。因此，对象检测可以在应用程序中有 用于检查对象的存在。计算对象，定位对象，例如缺陷。还有更多。深度学习对象检测可能特别有用。当传统机器学习达到极限时，例如自然物体包含很多变化和复杂的特征。现在让我们看一下前面提到的 dyope 视力系列。申请的最终目的是检查此腰带内的内容物。 每一种药丸都应该只装一次。在本视频中，您将学习如何读取和分割标记数据，如何创建一个深度学习对象检测模型，以及如何预处理标记数据。为使用所创建的模型进行训练做准备。让我们一步一步的看这个例子。这些视力的第一部分包含对 后续步骤的详细解释。对于这个视频，我将跳过这一部分。接下来有一个部分设置所有相关参数。我将在演示视力时解释其中最重要的几个。为了使这个视力适用于您自己的应用程序，您将主要使用视力的这一部分。首先，我们读取一个以 coco 格式保存的数据集，或者您可以使用 ad 来读取标记为深度学习工具。深度学习工具使木 tak 的新产品具有快速发展的功能。在我们的网站上查看最新版本。接下来将数据积分成三个自己。训练数据将直接作为训练操作员的输入验证数据，用于检查和可视化训练进度，从而适应抄参数。简单地说，哪些参数不是模型学习的，而是必 指定的，由用户指定。最后，将训练后的测试数据用于独立评估过程。 state 使用给定的参数随机分割数据机百分比，因此他维护了数据机的内分布。注意，自己应该是独立的，并且每个自己应该代表整个数据机。接下来，我们需要 创建深度学习对象检测模型。首先要考虑的事情之一是你想要使用的图像大小。选择图像大小是速度和性能之间的者中。在这里，我们可以将图像缩小到一个相对较小的尺寸。根据图像大小，我们可以使用 determined your model detection pam 过程。这个过程自 懂估计模型的一些高级参数。数据计。我们强烈建议使用此程序来优化您的训练和推理性能。您可以使用 get eat to 从书出字典中检索结果。关于这些毛参数的更多信息可以在 upject 的参考章节中找到检测。然后，我们创建一个包含所有模型参数的字典， 然后创建模型参数。 back bone 定义了要使用的鱼训练网络为您的应用程序。训练模型 h， a， l， c， o， n 包括各种这样的鱼训练网络。根据经验，首先尝试使用紧凑网络来训练应用程序。它适用于许多不同的应用。与所有剧品数据一样，您可以检查模型以获取更多信息。最后，我们将深度学习模型保存到文件中， 所以我们可以在下个视频中训练他。作为这个程序的最后一步。我们对数据机进行于处理。使用过程可以 a， b， o， k， p， r， s， s， pm model。 我们得到一个经过适当与处理的字典参数，然后对数据机进行与处理。由于读取和写入大量数据，这个步骤可能需要一段时间，特别是在使用基于网络的存储时。作为视力中的最后一步， 随机选择预处理数据是可视化，这样就可以检查是否对相关特征进行检测。在缩小图像尺寸后仍然可见。注意点 display doe。 这是一个强大的过程，可以可视化您的输入和输出数据。本教程到此结束，下一步是训练目标检测模型。感谢收看！
22翰庭汇机器视觉
09:29查看AI文稿AI文稿各位老板，今天来演示一下我们怎么做内部通讯的一个方法， 哎，你要做嵌入式的时候，你需要我的一些 api 或者一些接口，那我们这边采用的是一个什么模式呢？我们今天来演示一下。 我们这边首先登录我作为一个很简单的匹配，然后带文字显示，显示匹配的点位的一个一个工具。那我们拿形状匹配来举例子呢？ 形状匹配他本身，何况的形状匹配吗？那他有，呃最大匹配数量， 得分，金字塔等级，这些是好可能常用参数，那这些是我开放出来的参数。那如果你在匹配的工具上点右键 参数列表，我们每一个参数呢？包括我们每一个结果都有一个 id， 那参数的 id 呢？对应着一个， 那比方说处理时间速度，急性，那每一个结果呢？每一个参数呢？他有 get， 就是获取跟设定 set， 那他后面带着一串这个语句，那我们以嗯什么最大匹配数量来举例，那我把盖头 复制出来，这个语句复制出来，通过我们的卡抽拉的形式呢？做一个模拟， 我把盖头放在下面， control three， 我们把赛设定放在上面， controlcc 框选一下，复制 粘贴 在我们的通讯的这个模块里面。有没有卡抽拉这类似于二点零的内部通讯的语句协议？我目前开启 tcp 这个 模式的端口，端口号上签， ok， 然后保存一下，我们去到滤镜界面， 那我们按照我们新的格式，第一呢？ clp 冒号，哎，要先连接好吧，一二七零零一三七，连接 clp 冒号，零零一就是跑，他会返回给你一个九九九代表成功。 那如果我我发一个不认识的语句呢？九九八，不认识的语句不成功啊。零零三，停， 我们现在要改的是刚才那个匹配工具的最大匹配数量。好吧，那我们首先获取一下当前的这个数量是多少？那我们发送 这一句怎么解读呢？ clp， ctrl line protocol 零零五，获取 get 哪个专案的哪个程序的哪个工具 id 的哪个参数？ 整数型的参数啊，成功，那我发送这个语句，他返回给你一个九九九代表成功，告诉你当前匹配数量值是一，当前的这个参数值是一，那我们 改一下，表示改个五发送修改成功。九九九，那我们再发送一个获取，那他的值就变成了五，那我们进到程序里面看一下呢，已经被改成五，好吧，这个就是，呃， 尚未机通过外部语句来修改我的工具参数或者获取我的结果的一个交互的方式。那我们的类似于文本工具呢？ 哎，这个文本用来显示点，那我拉一个新的文本，好吧。哎，文本我放一个空的，什么都没有。好吧，那我同样也是进到 进到参数列表 display text， 我把同样，我把 get， ctrl c 放在下面，我把 set 设定 抽丝放在上面啊，然后保存一下。 那我要当前这个文本是空的吗？那我发一个盖子的话，他应该是后面什么都没有，那我如果加一个，比方说我加一个操作员姓名，操作员发送， 我再按一个零零二，啊，操作员，好吧， 可能位置需要摆一摆了。我没摆位置，那我看一下那个字体大小的那个参数是什么？方赛斯赛特， ctrl c， 我直接放下面了啊，他没有位置，参数里面没有位置，那对哎。 x y 没有吗？ 对，他没有位置，所以这个东西需要单独的摆一摆这个位置， xy 的餐是没有写出来，那我们摆到左上面一点。 好，目前是这样子，那我们字体大小就放一个，十一 发售九九九成功再跑一遍他就会变大，那看大的话，如果 八再跑一遍就是下一遍，这个就是外部，通过外部的我们的这个语句的模式来控制我们做一些参数的修改 啊，做一些这种文本的添加，你可以放好几个空白的文本， 那记录你的操作员括号这些东西，那过后这些空白的文本如果被写入了文字，那就可以通过我程序内部的一些算法把它发到本地文件，或者是呃，对接外挂的慢四系统 这个样子。那在这个基础上呢，你就不需要呃，不管你是 c 家家还是 c 下，你都可以做到这个窗体的按钮，或者拖拉 他的那种条形的踹个吧，那种东西你都可以做了，那你只需要参考我呃，饮杯的嵌入式这个栗子里面的一些啊，比方说怎么调取啊？呼叫 vis 在后台运行， 怎么把这个显示画面嵌入到这个你的上微信软件当中，那比方说我这个里面呢？我需要带着我的啊，专案路径，路径，专案的完整路径， 那这个是路径，我把路径复制粘贴，我再把专案名称复制 放在后面。 thank you， 这个是带路径的完整专案名称，然后我靠， 我呼叫，我就可以调出微则在我的后台运行啊，这样就是说我带着一个专案打开我的软件。 啊，那这样的话你可以用刚才的 cip 零零一跑停修改，那结果都可以。 那这样子就是我们三点零目前做啊出来了，目前我们三点零做这个嵌入式的一个方法， 嗯，不管你是 c 家家还是 cap， 应该都能通过这个方法去实现。好，谢谢大家。
11冯.布鲁斯特.刘
13:25查看AI文稿AI文稿大家好，今天分享的是基于模板匹配的像素差异检测，这个功能在 vegempro 已名为 cocopat inspection tool 这样一个工具来实现。同样的，在 vegempro 实现此功能之后，我们用 how can 来完成同样的功能。我们先来看一下要对比的几张图片。 这个是我们的模板图，我们需要实现的功能是分析的这个三角形区域的像素差异，大家可以对模板区域加深点印象。不是另外那个有底纹的三角形。 另一张图像，他们有一些明显的一些差异，这个图像方位已经变换了，做了一个一百八十度的 旋转，这个明显的一些白色光印，这个会有一些黑色斑点。 好，我们再来看一下这个模板图像大概的样子。好的，现在我们打开一个 cold job， 在 image source 里添加测试图片。 打开工具栏，这里我们添加一个 cock pm a line too 模板匹配工具，然后再加一个我们要用到的 cockpat inspection too， 通过单独的图像工具加在一个模板图像 作为模板匹配和像素匹配的模板。 首先我们监理一个定位模板， 我们选取中兴这个比较明显的特征 完成训练。训练之后，我们需要调节一下运行参数， 因为我们刚才看到有一些特征是旋转了一百八十度的，所以我们要设定一个负一百八十度到加一百八十度搜索范围。 然后我们把 image souls 连接大两个工具上，把定位工具匹配完成的 pose 参数传递到 pet inspection tool。 我们添加定位工具的两个输出，第一个是 train image 训练图像，我们需要将这个模板图像 由于 cockpat inspection 的模板，这样能保证他们两个的训练图像是同一张。连接训练图像参数，我们再添加定位工具的训练原点，输出 这个远点坐标，我们也需要给到 cockpat inspection too。 现在把这个工具训练一下， 我们抓取一下训练图下和远点， 我们调节一下插职方式，改变参数，需要重新训练 运行参数里面选用 identity 模式，具体的模式信息大家可以参看，帮助稳当运行工具，可以看到当前结果，它的差异化图像是是一片黑的， 这是因为这是两张完全一样的图。我们运行下一张图，可以看到这里标识出了差异得像素区域，运行下一张，这里也是比较明显的， 同样的这个也是比较明显的，差一部分都可以检测出来， 这里输出的是差异绝对之图像。 介绍完了 vegan pro， 现在我们用 hairkin 来实现同样的功能。首先我们读取模板图像， 打开新的一个 matching 助手，从窗口图像载入模板图，然后选中同样的一个特征区域， 将生成匹配代码，插入模板，匹配的代码就完成了。 找到 signed shape model 这里， 这里我们可以对加在图下进行匹配。 我们打开一个新的 acquisition 工具， 加在同样的测试图像， 插入加载图像代码，图像会以 for 循环的方式电力选取路径下的所有图像，打 find shape more 的部分，切入到这个循环里面， 对所有图像进行模板查找。 这是第一张图，第二张图，第三张图，第四张图可以看到轮廓线标识的特征，非常准确的抓到的， 这说明我们模板匹配没有什么问题。 我们还要在训练图向上把需要对比像素的区域框选出来， 这个区域我们把它放到循环体外 这个区域找到之后呢，它是相对模板图像上的区域，我们需要把这个区域变换大。我们当前图像上来，这里需要采用 wrecked angle to read it 算子， 这里需要获取匹配之后的结果值， 里面包括了匹配完成后的 row 和 colum 坐标信息，还有 ango 旋转信息， 这里单独的获取 row， column 还有 n 格， 我们调用 vector angle to read it 这个算子计算访社变换矩阵。 前面三个参数数 输入的是模板的基准坐标，角度默认是零，后面是匹配之后的参数， 这样就可以得到从模板位置到我们当前图像的一个变换关系。 这里我们要做的是把我们的模板图像转换到当前位置图，相当于我们把模板图像变换到了当前图像的位置上。对两张图像进行重叠，重叠之后， 我们把刚才记录的 像素对比区域也同样转换到当前图像。 对两张图像，一个是当前图像，一个是模板图像转换后的图像。对这两张图像在同一个区域上进行图像截取。 首先我们截取模板图， 为了实现跟 vegan pro 同样的效果，只显示截取范围图像，我们把它 crop 裁剪一下， 然后我们截取当前的运行图像， 同样的 调用 reduce domain 和 cropdomain 两个算子，把当前图像的对比像素区域给裁剪出来， 接下来就需要计算两个截取部分的像素差异，这里我们也采用绝对值差异骄傲 appstiff image， 两张图像谁在前谁在后都没有关系，因为我们得出来是一个绝对像素差，我们显示下检测效果。这里为了方便我们查看像素化差异，我们用 autothreshold 把它差异化的区域以 region 的方式给表示出来。 好了，程序我们就完成了，来运行看一下，这是第一张图， 这是第二张，这是第三张，这是第四张。 然后我们把它的显示区域映射到全局图像上， 在全局图像上我们能看到一个更加直观的效果， 这样我们就完成了 hacand 像素差异对比。 好了，还想观看什么算子的评论里留言告诉我这两款软件更喜欢哪一个呢？
38视觉机器人
07:21查看AI文稿AI文稿首先我们打开一个 cock job， 然后在 image souls 里面添加我们将要测试的图像， 这里我们加载了一张汽车的尾牌图像，打开工具箱，找到 call a blob too， jammage sauce 和 call a blob too 连接起来，这样我们就可以在 call a blob too 里面来处理这个图像。 我们使用抑郁症的方法 将这里的几个车牌字符给提取出来。通过观察图像，我们可以发现这几个英语值的灰度值大概会落在哪个范围内， 我们大概检查一下灰度值不大于 90。 检查完图像，我们将模式设为应预值，将预值设定为 90， 运行一下，在 last run 里面输出图像，里面可以找到 blob 处理后的一个图像。 为了便于后面的分析，把默认的不需要的筛选项给删掉，这里我们留下一个 重心的 x 坐标指作为后面的字符排序使用。 添加 bonding 的一个宽度和 bonding 的一个高度， 我们来对字符数字区域进行提取，这里我们观察一下他的字幅宽度大概在什么范围， 比如说第一个 g， 我们从左移到右，还有 a 也是从左移到右，我们可以根据像素只坐标的信息，然后得出大概一个宽度，我们把宽度 设置在 50 到 80 之间，发现只提出一个 a 字符，然后把这个范围在设置大 1， 30 到 80 这几个字符就全部提出来了，还有其他的几个干扰。这个时候我们再通过 王丁 hide 的高度范围，把符合我们要求的高度范围也圈选进来。同样的，我们在图像呢 的观察框里面观察一下高度坐标信息，取得大概的一个高度范围值， 运行一下，我们就可以得到我们想要的自扶的 blob 区域。输出的时候进行一下排序，按照中心 x 坐标方向排序，这里我们做一下升序，排序 好了第 0 个就是 g， 然后依次往下是几个字符， 就这样我们就完成了 vegan pro 第一个 blob 分析。 好，接下来是 hacking 实现 blob 分析的一个过程。首先我们读取同样的一个汽车尾牌的图片， 这里呢我们获取显示窗口聚柄优于后面的一些处理。然后我们打开灰度的直放图， 畸形玉植上的一个测试，我们可以挪动这个玉植的上线和下线，就是红色和绿色的这两个标线，然后我们在挪动过程中可以发现我们的 图像上是有变化的，就是在符合预值范围内的，他就会把这个 有区域把它显示出来，可以看到我们刚才加了一个 connection 的一个动作，这个也是为了让我们直接输出 联通之后的一个结果， 我们把颜色设置多一点，这样看起来车牌都会更明显一些。 现在这几个字符都已经通过一个灰度律博把它给提取出来了，然后我们把这一段代码插到我们的程序川口 这里呢，就可以得到几个字符的一个分割的联通之后的区域。 同样的我们这里打开一个特征脂肪图，通过类似钢材 vision pro 里面的操作一样进行一些特征的筛选，这里我们同样的 输入宽度，宽度的话我们同样拉取一下这个上下线的标线，就可以把宽度限定在一定的范围内，然后为了方便我们这观察显示的一个效果， 我们在程序框里面把他的区域显示的方式改为一个 margin， 就是边缘显示的一个功能，这个叫 dev set draw， 我们把它改成一个 margin 的一个方式， 默认的是 feel 填充的方式，现在我们改为 margin。 改为 margin 之后就可以看到联通区域的边缘轮廓线，然后我们通过调节轮廓线宽度， 以特殊的颜色和线宽选十选取区域。我们在移动上下标线的时候，就可以看到被选出来的区域当前是哪一些是有效区域。宽度之后我们把高度也添加进来， 为了防止干扰，我们把宽度给取消掉，仅看高度方向的 好了，高度方向上也可以达到一个令人满意的一个效果了，可以看到一些杂象在宽度上没有滤掉，现在通过高度都滤除掉了。我们把高度和宽度的特征同时做一个筛选， 这样我们就可以提取出车牌的字符了。 你喜欢哪种方式呢？评论里留言告诉我吧。
253视觉机器人
03:29查看AI文稿AI文稿大家好，我是田叔，最近有不少朋友啊，问田叔，关于这个深度学习这一块， 田叔思考了一下吗？啊，决定了啊，提出来几个问题，引导大家来思考一下，看看我们去好困的这个深度学习是一个什么样的一个东西。 那首先第一个问题是，为什么要学习深度深度学习？ 提到这个问题，那我们基本上在工业图像的处理过程中呢啊，遇到一些比较复杂的或者是场景呢，这个图像啊，有变化的比较棘手的一些问题，用常规的这个两地 这个视觉呀，是很难解决的传统算法。那这个时候呢啊，厂家啊，不少厂家慢慢的就会觉得，哎，我是不是要考虑用深度学习的办法来解决这个问题。 那第二个问题，谁可以来参与来玩深度学习呢？那我们机遇好看的这个深度学习呢，实际上是一个偏于啊应用型的一个工具 啊，我们和好肯的其他啊是义脉相承的啊，你因为单独的一个项目比较少的情况是说我一个深度学习就 ok 的，那基本上是在我整个图 相处理中啊，既有普通算法又有深度学习，那这种情况吗，就对我们提出了一种要求，谁可以来进行学习这个深度处理呢？啊，这个地方呢，填数给出了一点建议 啊，这个人呢，要学习的人首先会具有一定的投降处理能力啊，就是说对毫无困的基础算法是有了解的， 那同样的对 c 家家或者是 c 下铺或者是 qt 这种界面编程语言啊的联合编程也会有一定的要求，所以你具有这样能力的人 去学习这个深度学习是没有丝毫压力的 啊。第三个问题，那我们一般怎么什么时间或者在哪个地方去学习呢 啊？我们鸟叔及其视觉培训我们的课程呢，深度学习这门课呢，是放到那个在线去进行的 啊？我们不管是我们的深圳或者是昆山无锡啊，还有这个苏州等等这些地方的，我们是统一的然后来授课的啊，一般我们每次上课呢，大概是 两个课时啊。一一般是放到晚上啊，这样算下来基本上来说大概是十个侧十个课时啊，是足够的。 那其实对于我们上大学来说呢，就相当于是我们大学的啊一门课程了，总体来算在二十个课时左右。
11:54查看AI文稿AI文稿好，大家好，我是微信面，然后，嗯，本期课讲一下，就是后空的一个深度学一的一个系列课程吧，因为，呃，现在大多数人去做一些缺陷检测的时候，后空是他们的一些首选啊， 然后本节课呢，我们讲一下，就是我们是以一个十九点幺幺版本为一个， 因为大家现在用到的版本呢，无论是分类还是目标识别，还是一个嗯，语音分割啊，然后都是用的是一个十九点幺幺啊，然后用了 dpl 的话，大概是一个零点六点四的一个版本啊， 这个版本啊，嗯，他的版本在这里， 零点六点二啊，一个早两版的一个版本啊，但是这个是十二月三十一号的他应该因为他是每六个月大概是更新一次，然后这个是的话，这样的啊，等一下我们再去想想看这个软件啊， 那为什么要出这个软件呢啊？这个系列的课程第一个就是我想把课程有一个升级啊，咱们这个其实寄予的是一个呃，原码的，一个 原码的一个解析加上一个什么，呃，原码解析啊，不包含的吧？原理解析，不包含原理解析啊，我是解不包含解析啊， 原理这是，那么这么原理里面包含哪些东西啊？比如说，嗯 啊，卷积成啊，卷积成怎么推上，或者这些东西都不会去讲的啊，或者是的先类的，或者是说啊，此话呀，如何图啊，回归啊，如何回归啊，梯度啊，这些概念的东西啊，不会去讲的啊，呃，基本是基于一个原码的一个讲解啊，原码的是在这里啊， 呃，但是升级啊，咱们这个系列的课程升级啊，就是他的一个啊，主要是以这些啊，以这些啊，然后我会一个个去注视，甚至于说他的一些啊，比如说这个是干嘛用的，都会去想 听了就讲啊，这个啊，比如说你的啊，随便打开一个吧，这个啊就是分割啊，分割他就，呃做了什么，实现了什么，我们都要去看一看啊， 整个啊，那我们打开这个啊，他这里面是干了什么事情，然后去检测他的一个书的数据，那这里面事情他干了可多可多了是不是？那到底是干嘛的呢？我们不知道，是不是很多人都不知道这里面是干嘛的 啊？我们都会有一个重度的一个解析，而且是一个系列的课程，是免费推给大家的啊， 那我这些已经做了一些注视了啊，慢慢的开始做啊，大概是每一个月出两个 视频啊，然后出的慢一点，因为其他视频也在出。呃，因为啊，不太想，就是太那么累啊，然后把视频的质量做高一点，因为很多人在骂我啊， 做的视频特别的烂啊嘛，没关系，我们因为今年是视频这样的，明年我们也会做一个升级的，因为我现在的视频做的是一个质量的一个提升啊， 也是让学员和一些新老的一些粉丝啊，看到我们的一个进步，然后我们课程是一个不断的一个进步的课课程啊， 大家都会去骂的啊，因为这个东西没有达到你的要求啊，我可能理解，因为你浪费时间了，是吧其实，呃呃，一些学员呢，他过来学我的东西，其实，嗯，或者说一些粉丝看我的视频，其实钱大家都是无所谓的， 主要还是时间，对吧？浪费大家的时间啊，我在这里向大家道歉啊。第一，然后第二点就是说我们的视频的质量是逐渐的一个提升的啊，因为我现在在做什么事情啊？我在做一个视频的一个质量五 s 啊，视频的一个质量五 s， 质量五 s 管理啊，因为这个东西的话，我没有人去做一个东西啊，没有哪家机构啊？我们我们微笑面开始做了， 因为我也一直在我对我的一些能源进行一个调整的，或者说啊，我们应该怎么把视频做的更好一点啊？ 就是说能够能够大，让大家在现场进行一个布局，无论是谁下巴还是一个开发类的一些东西，我们都会去做一些呃，很大的一个调整，因为呃确实大家在浪费时间啊，然后我也会建议大家去看别人的视频，这个我也 可以理解啊，但是我们的视频是一个啊，上身的一个阶段啊，上身的阶段， 而且我们有些视频是呃不公布的啊，因为我们呢有些视频的质量已经达到了不动的要求，可能到明年的时候我们就会放出来， 像印赛的话，我们的视频的质量是很高的，到明年呢，二零二三年的时候，我们到中旬的时候会把 呃放出来三十个视频，然后给大家分享一下啊，大家会看到我们的一个整体的一个啊，视频的一个质量题呢，还有 wechat pro， 我们整体的一个每年呢更新的一个数量 会有一个很大的提升，因为你不可能一个我们新势力嘛，我们属于骑士培训的一个新星嘛，新星啊， 今天啊，我们我们渐渐的一个提升啊，所以说我们现在做了一个是有意义的事情把把啊，粉丝和学员到底喜欢什么样的视频，我们不知道啊，我们所以说我们在慢慢的去见啊， 因为大家对这个 hope 呢，深度学习也有很多的啊，不理解的地方啊。第一个是五元码，然后呢我 把原版讲完的时候呢，就是说会很多的问题，有啊，或者是说大家训练的时候会有很多的问题，或者是说呃预处理，因为他一共就分成四个阶段嘛，对不对？ 对吧，所以说你会呃看到很多的问题，如何解决，如何是在现场使用，他使用了一些案例，到底是什么？因为我有大量的图片去进行一个实验啊，然后，哎呀，这里面全是阿秋的，然后那往这边一般不就是， 对吧，当然这个是好孔的啊，然后像这些一些案例啊，我也会找大量的图片去测试的啊，因为阿秋我最近也在大量测试，我现在已经测到了，无监督了啊，非监督啊， 看他的底线到底怎么样啊，因为有一个大概的认识，也不可不可能那么深入吗？但是后空的话肯定要去进行一个深入的讲解 啊，阿秋的话这个东西的话我会重点的也会去讲啊，因为他这个东西的话也是非常快的，类似于 ad 的一个东西啊，我也非常关注的他们家的一个产品吧，因为属于 新势力啊，深度学习，哎，也不说新势力吧，他们已经到好像从二零一七年就开始做了吧。我靠，说一下啊，那就可以是从什么时候开始的？ 二零一七年。毛巾啊，我看一下啊， 二零一七年吗？在这啊，二零一七年，我记住了。二零一七年啊，那么都会对深度学习的软件进行一个全方位的一个解决，然后啊还有一个就是我们的国产里面的啊。嗯，国产里面的这个啊， 因为他这里面也有大量的模块啊，我都是有加密的啊，都是，那我们就看这个东西吧，你看他这边 在这里啊，因为他这里面有很多的很多的，他分的很细啊，所以说他的算法可能啊不评价，但是啊因为用了还没正式的做过一个，但是他 今天的效果很意外。都是接近什么零点零五的损失函数啊，我觉得很意外，因为之前为什么没有一直动？因为电脑刚买回来，躺在这里已经两呃一个多月了吧，所以说现在正在把这个深度学习的把它做起来啊。 但是我们这个课程的话主要针对的是一个呃后孔的一个十九点一一的一个啊，但是可能我们到二零二三年可能就一个 二十二点零六或者是二十点一进行一个试测啊，所以说我们本节课就是跟大家打声招呼啊，就是说我们把这个搞起来啊， 就是一个月更新两集就可以了啊，今天呢就更新把原码进行一个重读的一个解析，如果有原理的话，我因为我没去整理他那些，呃，比如说神经网 网络经典的一些东西该怎么整理，我这边虽然有方法，但是可能不知道去怎么讲的更深入一点，让大家更特色一点，因为我也报了一些深度学习的一些课程嘛，比如说怕什么，我就报了两家啊啊，两万块钱啊，不多啊， 我也是在学习中啊，每天我大概学习的时间要有两个小时啊，所以说我的时间是很充裕的啊，正常的话我都是一两点才睡啊，所以说呃，也也想给大家带来更多的好的视频，所以说我也是向别人去学习，但是没有任何的侵权啊，因为我都是 把这个视频的话做成自己的东西啊，因为他的东西的话，我觉得哪里讲的不好的话，可能去参考别人的东西或者是去查资料啊，因为我也会在我的这个 csdn 上面进行一个 做大量的去做自己的一些文档啊，然后啊啊比如说微底啊，就会有一个大的更新啊，大家只要在网里网站里面搜微信面就可以了， 对，醒了啊，非常哎，多了个胃啊胃哎， 然后这里啊，这就是我第一课啊，然后这个是哪里的，应该是 b 站吗？你看这里 啊，大家可以去搜啊，然后这边还有一个就是培训啊，然后这个是我的启蒙班，这个已经很垃圾了啊，这个这个讲的很不好啊，我觉得明年中旬的时候会给你 公布三十级啊，然后这边威胁 pro 啊，威胁罗已进行了大量的一个升级啊，每每年我们都会有一个升级的啊，今年跟明年肯定不一样，如果说某一天哪一个人讲的不好了，我就换人啊，就是真的要换人，因为讲的不好吗？这个东西也没办法， 因为我们的一个浙江的体系一定要达到我的要求啊，那我们大家喷字我可以理解啊，但是骂我不太理解啊。 喷顶，无所谓的，我这个人脸皮也比较厚啊。那我们本节课就说到这里啊，我们大概的说一下，我们要发布一个后空的一个深度学习的，一个以十九点幺幺为 版本的一个啊。呃，等一下，我要看一下，这个是普罗古列斯版本啊。呃，普罗斯版本啊，他一共有两个版本，三道版本 啊，普拉古拉斯，普拉古拉斯的版本他是六个月啊出一次啊，然后他十九点幺幺四四带点啊。那我们本节课就讲到这里啊，感谢大家的观看啊。
226苏州大视通机器视觉
