上一篇文章中，主要介绍了使用segmentation_models_pytorch库进行UNet++模型训练，我们使用的数据集是已经标注好的CamVid数据集，但在实际应用中，我们需要标注自己的多分类图像分割数据集，这篇文章中，就重点介绍下怎么创建自己的图像分割数据集。首先需强调的是在这里我们用的数据集都是png格式的，生成的标注图像也都是png格式的，因为png图像可以做到无损压缩，能在保证最不

概要在上一篇文章中，主要介绍了HyperLPR开源车牌识别系统的配置和使用（链接：https://blog.csdn.net/oJiWuXuan/article/details/107332668），目前这个系统是我用过的开源车牌识别程序中最精准最稳定的，很多模糊的、角度倾斜的、恶劣天气下的车牌都能识别清楚，作为开源程序来说已经非常优秀了。但是上一篇文章主要是在虚拟环境中的配置及HyperLPR的

一、概要2020年6月10日，Ultralytics在github上正式发布了YOLOv5。YOLO系列可以说是单机目标检测框架中的潮流前线了，由于YOLOv5是在PyTorch中实现的，它受益于成熟的PyTorch生态系统，支持更简单，部署更容易，相对于YOLOv4，YOLOv5具有以下优点：速度更快。在YOLOv5 Colab notebook上，运行TeslaP100，我们看到每张图像的推理

上一篇文章中，主要介绍了使用segmentation_models_pytorch库进行UNet++模型训练，我们使用的数据集是已经标注好的CamVid数据集，但在实际应用中，我们需要标注自己的多分类图像分割数据集，这篇文章中，就重点介绍下怎么创建自己的图像分割数据集。首先需强调的是在这里我们用的数据集都是png格式的，生成的标注图像也都是png格式的，因为png图像可以做到无损压缩，能在保证最不

采用YOLOv5进行图像识别时，通常识别结果中的标签都是英文显示的，如下图所示：当然，无论是YOLO还是opencv，都是老外开发的，开发的过程中肯定不会考虑中文显示了，所以一直以来，在opencv-python中显示中文都有一些麻烦。那如何才能在YOLOv5图像识别中让标签变为中文呢？这里提供了一种修改YOLOv5源码方法可以参考。YOLOv5的使用在这里就不再阐述了，我们直接在YOLOv5程序

在数据分析中，利用箱型图的方法对异常数据进行过滤，是一种很快速、很有效的异常数据处理方法。箱形图（英文：Box plot），又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名。在各种领域也经常被使用，常见于品质管理，快速识别异常值。箱形图最大的优点就是不受异常值的影响，能够准确稳定地描绘出数据的离散分布情况，同时也利于数据的清洗。箱型图可以通过程序

一、概要segmentation_models_pytorch是一个基于PyTorch的图像分割神经网络这个新集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造，对于图像分割而言简直就是神器般的存在。github地址：https://github.com/qubvel/segmentation_models.pytorch该库的主要功能有：高级API（只需两行即可创建神经网络）；用

一、概要2020年6月10日，Ultralytics在github上正式发布了YOLOv5。YOLO系列可以说是单机目标检测框架中的潮流前线了，由于YOLOv5是在PyTorch中实现的，它受益于成熟的PyTorch生态系统，支持更简单，部署更容易，相对于YOLOv4，YOLOv5具有以下优点：速度更快。在YOLOv5 Colab notebook上，运行TeslaP100，我们看到每张图像的推理

上一篇文章中，主要介绍了使用segmentation_models_pytorch库进行UNet++模型训练，我们使用的数据集是已经标注好的CamVid数据集，但在实际应用中，我们需要标注自己的多分类图像分割数据集，这篇文章中，就重点介绍下怎么创建自己的图像分割数据集。首先需强调的是在这里我们用的数据集都是png格式的，生成的标注图像也都是png格式的，因为png图像可以做到无损压缩，能在保证最不

一、概要segmentation_models_pytorch是一个基于PyTorch的图像分割神经网络这个新集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造，对于图像分割而言简直就是神器般的存在。github地址：https://github.com/qubvel/segmentation_models.pytorch该库的主要功能有：高级API（只需两行即可创建神经网络）；用