【學習筆記】pyQt5學習筆記(6）——Google object detection API訓練&識別用軟體更新
對訓練軟體和識別軟體均再一次進行更新。
針對訓練用軟體，V1.0版本是通過下拉框選擇標註物體的標籤，而下拉框中是我預定義的a~f 6個標籤。因此存在的問題就是標籤不能客製化，且若標記超過6類物體標籤數量不夠。 針對這個問題進行了更新，現在允許使用者自己輸入標籤名稱，標籤會儲存在下拉選單中，媽媽再也不擔心我瞎××標or標籤不夠使的問題，~\(≧▽≦)/~。同時上個版本中存在不能指定迭代次數batchsize的問題已經解決，可以完整跑一套訓練流程了。
V1.1版本介面如下圖所示：
而針對識別軟體，USB攝像頭版本V3.0B的基礎上改變為IP攝像頭版本，在點選開啟攝像頭按鈕後，會要求使用者輸入使用者名稱、密碼及IP地址，隨後才會啟動IP攝像頭。其他功能沒有變化，姑且稱為V3.1B版。
V3.1B版介面如下圖所示：
而點選開啟攝像頭按鈕首先會彈出：
然後點選OK按鈕，彈出：
再次點選OK按鈕，彈出：
然後點選OK按鈕，攝像頭啟動！( ⊙o⊙ )
相關推薦
【學習筆記】pyQt5學習筆記(6）——Google object detection API訓練&識別用軟體更新
對訓練軟體和識別軟體均再一次進行更新。 針對訓練用軟體，V1.0版本是通過下拉框選擇標註物體的標籤，而下拉框中是我預定義的a~f 6個標籤。因此存在的問題就是標籤不能客製化，且若標記超過6類物體標籤數量不夠。 針對這個問題進行了更新，現在允許使用者自己輸入標籤名稱，標籤會儲存在下拉選單中，媽媽再
【學習筆記】pyQt5學習筆記(5）——Google object detection API訓練用軟體
之前的學習筆記是呼叫訓練好的結果來做識別，分為載入本地圖片識別和呼叫usb攝像頭實時識別（IP攝像頭暫時不可用）；但是首先有了訓練才能有訓練好的模型檔案供我們使用。加之訓練過程比較複雜，呼叫多個指令碼，上手不便；製作訓練用的軟體一方面是方便自己使用，另一方面也對自己是個鍛鍊。軟體最終的介面如下圖所示
【學習筆記】pyQt5學習筆記(7）——RecursionError: maximum recursion depth exceeded錯誤
同樣的程式，在Ubuntu系統下使用pyinstaller打包沒有問題，在win10下打包提示： RecursionError: maximum recursion depth exceeded 找到的解決方法在這裡，在spec檔案開頭（除了第一行的註釋）新增如下語句： import s
【學習筆記】pyQt5學習筆記(4）——第一個影象識別demoV3.0B
軟體更新日誌V3.0B版本，在2.0基礎上實現了呼叫攝像頭的實時識別功能。V3.0A版若不實時重新整理識別畫面，可以手動點一次識別一次…… 附上完整程式碼，也是做個程式碼備份。需要的小夥伴自取就ok～ 軟體目前存在的bug是1.在開始識別後會很卡，目前認為可能的原因是每次重新整理
【學習筆記】pyQt5學習筆記(1）
著手學習pyQt5，今天實現功能，讀取圖片，自適應label的大小並顯示在介面上。 個人理解，pyQt5前端用QT designer設計簡單的ui介面，初步規劃除介面佈局及元件，儲存為ui檔案後，通過命令： pyuic5 -o xxxx.py xxxx.ui 將designer生成的ui
【學習筆記】pyQt5學習筆記（8）——windows下pyinstaller打包程式不能訪問ip攝像頭
我的程式需要使用RTSP來訪問IP攝像頭，明明在IDE中執行指令碼沒問題，可是打包之後就無法連線攝像頭，程式出現沒有響應。 看到這個博主說的方法，嘗試了一下果然解決了。 使用方法：將opencv_ffmpeg345_64.dll拷貝到欲打包的目錄下，然後使用命令： pyinstaller
【論文筆記】Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
寫在前面： 我看的paper大多為Computer Vision、Deep Learning相關的paper，現在基本也處於入門階段，一些理解可能不太正確。說到底，小女子才疏學淺，如果有錯
【筆記】Faster-R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
論文程式碼：重要：訓練檔案.prototxt說明：http://blog.csdn.net/Seven_year_Promise/article/details/60954553從RCNN到fast R
【論文筆記】Region-based Convolutional Networks for Accurate Object Detection and Segmentation
《Region-based Convolutional Networks for Accurate Object Detection and Segmentation》是將卷積神經網路應用於物體檢測的一篇經典文章。 整個識別過程可以用下面的一張圖片來清晰的表示： 首先給定一
【論文筆記】YOLOv4: Optimal Speed and Accuracy of Object Detection
論文地址：https://arxiv.org/abs/2004.10934v1 github地址：https://github.com/AlexeyAB/darknet 摘要： 有很多特徵可以提高卷積神經網路（CNN）的準確性。需要在大型資料集上對這些特徵的組合進行實際測試，並需要對結果進行理論
【TensorFlow】Win7下使用Object Detection API 訓練自己的資料集，並視訊實時檢測
說明： 圖片：自己開的攝像頭，擷取的圖片。選擇了200張圖片。下面會有擷取的指令碼。 使用labelImg工具進行圖片進行標註。產生PascalVOC格式的XML檔案。【labelImg工具的安裝和使用教程】 機器環境: i5 CPU 4核 (訓練的時候，記憶體和cup都在95左右
Tensorflow學習——利用Object Detection api訓練自己的資料集
環境：Windows 10+tensorflow-gpu-1.6.0前期準備：完成Object Detection api配置檔案目錄結構├─Annotation│ └─XML檔案├─data│ ├─csv檔案│ └─Record檔案├─images│ └─圖片├─e
【安全牛學習筆記】Web掃描器（1）
安全 web 漏洞 1.偵察httrack可將目標網站的網頁全部爬取下來,減少偵察過程中與目標服務器發生的交互。 2.Nikto(1).檢測對象 掃描軟件版本 搜索存在安全隱患的文件 配置漏洞
【視頻編解碼·學習筆記】8. 熵編碼算法：基本算法列舉 & 指數哥倫布編碼
方法 mark enter 協議 int 十進制數 pan 進制數 tab 一、H.264中的熵編碼基本方法： 熵編碼具有消除數據之間統計冗余的功能，在編碼端作為最後一道工序，將語法元素寫入輸出碼流 熵解碼作為解碼過程的第一步，將碼流解析出語法元素供後續步驟重建圖像使用
【Apache Kafka】Kafka學習筆記
local ets prop strong 當前 text 生產 create topic 0x00 基本信息 1、Kafka架構圖 2、環境信息 服務器IP：xx.xx.xx.xx 操作系統：CentOS7.2_x64 Kafka版本：kafka_2.12-1.1
【CV學習筆記】———— 基本圖片處理知識（此坑還未填完，不定期更新）
題外話：最近一段時間學校比賽賊多，都是一些創新創業類的，超級費腦子，每天晚上都是一波頭腦風暴，找老師找小夥伴一起討論，每次都是第一天的點子第二天就被我們自己否決了，不得不說，創新創業類的比賽發現機會的眼光很重要，勇氣更重要 ——————————————————————————以下為正文—
【學習筆記】條款35：考慮virtual函式以外的其他選擇 & bind & function模板
來源書籍： 條款35：考慮virtual函式以外的其他選擇 Template Method Strategy && function<>
【Redis資料庫】命令學習筆記——釋出訂閱、事務、指令碼、連線命令彙總
本篇基於redis 4.0.11版本，學習釋出訂閱、事務、指令碼、連線的相關命令。 Redis 釋出訂閱(pub/sub)是一種訊息通訊模式：傳送者(pub)傳送訊息，訂閱者(sub)接收訊息。 序
【學習筆記】前端學習筆記 HTML+CSS+JavaScript+JQuery
學這些太痛苦了，我一定要成為演算法工程師！ HTML 簡介 Hyper Text Mark Language，超文字標記語言，使用一套標記標籤來描述網頁。 標籤，開始標籤，結束標籤，標籤內容，屬性。開始標籤後加/來結束，如<br/>。推薦使用小寫。
【學習筆記】HTML語法筆記
基本結構 HyperText Markup Language 超文字標記語言 超文字：通過建立連結，使訪問者簡潔從一頁面跳到另一頁面 標記：對文字進行註釋 <html> <head> //有關這個頁面的一些資訊