2024-05-16 19:31:20 发布
网友
我有一个项目,使用深层CNN对停车场进行分类。我的想法是对每个空间进行分类,不管有没有车。我的问题是,如何准备图像数据集来训练模型? 我已经下载了PKLot训练数据集,包括负片和正片。 我应该把我所有的数据训练图像变成灰度吗?我是否应该将所有训练图像重新压缩为一个固定大小?(但如果我调整我的训练图像到一个固定的大小,我有横向和纵向图像)。谢谢:)
这是一个非常模糊的问题,因为每种图像处理算法都有不同的特征提取方法。然而,在您的停车场示例中,您可能需要进行RGB到灰度的转换和尺寸标准化以及其他图像处理技术。在
一个很好的起点应该是这个链接:http://www.scipy-lectures.org/advanced/image_processing/
由于您希望使用pklot数据集来训练您的机器并使用实际数据进行测试,最好的方法是使这两个数据集相似且同源,它们必须是规范化的、固定大小的、灰度级的和参数化的形状。然后利用尺度不变特征变换(SIFT)进行图像特征提取方法准确的定义通常取决于问题或应用类型。由于特征被用作后续算法的起点和主要原语,所以整个算法通常只会和它的特征检测器一样好。您可以根据您的问题使用以下类型的图像功能:
首先检测图像中的车辆,并获得它们的尺寸和对齐方式。然后对停车场进行分割和标记,确定合适的尺寸和线形。在
这是一个非常模糊的问题,因为每种图像处理算法都有不同的特征提取方法。然而,在您的停车场示例中,您可能需要进行RGB到灰度的转换和尺寸标准化以及其他图像处理技术。在
一个很好的起点应该是这个链接:http://www.scipy-lectures.org/advanced/image_processing/
由于您希望使用pklot数据集来训练您的机器并使用实际数据进行测试,最好的方法是使这两个数据集相似且同源,它们必须是规范化的、固定大小的、灰度级的和参数化的形状。然后利用尺度不变特征变换(SIFT)进行图像特征提取方法准确的定义通常取决于问题或应用类型。由于特征被用作后续算法的起点和主要原语,所以整个算法通常只会和它的特征检测器一样好。您可以根据您的问题使用以下类型的图像功能:
首先检测图像中的车辆,并获得它们的尺寸和对齐方式。然后对停车场进行分割和标记,确定合适的尺寸和线形。在
相关问题 更多 >
编程相关推荐