タグ付けされた質問 「deep-learning」

複数の画像の図があり、そのすべてにテキストラベル自体の代わりに英数字のラベルが含まれています。自分のYOLOモデルに含まれているすべての数字と英数字を識別できるようにしたい。 同じようにYOLOモデルをトレーニングするにはどうすればよいですか。データセットはここにあります。https://drive.google.com/open?id=1iEkGcreFaBIJqUdAADDXJbUrSj99bvoi たとえば、境界ボックスを参照してください。YOLOにテキストが存在する場所を検出してほしい。ただし、現在はその中のテキストを識別する必要はありません。 また、これらのタイプの画像についても同じことが必要です 画像はこちらからダウンロードできます これは私がopencvを使用して試したものですが、データセット内のすべての画像に対しては機能しません。 import cv2 import numpy as np import pytesseract pytesseract.pytesseract.tesseract_cmd = r"C:\Users\HPO2KOR\AppData\Local\Tesseract-OCR\tesseract.exe" image = cv2.imread(r'C:\Users\HPO2KOR\Desktop\Work\venv\Patent\PARTICULATE DETECTOR\PD4.png') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1] clean = thresh.copy() horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15,1)) detect_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2) cnts = cv2.findContours(detect_horizontal, cv2.RETR_EXTERNAL, …

12 python  opencv  machine-learning  deep-learning  yolo 

テキスト（数字とアルファベット）を含むこの画像があります。この画像に存在するすべてのテキストと数字の場所を取得したい。また、すべてのテキストも抽出したいと思います。 画像の座標とすべてのテキスト（数字とアルファベット）を取得するにはどうすればよいですか。たとえば10B、44、16、38、22Bなど

11 python  opencv  machine-learning  image-processing  deep-learning 

モデルのトレーニング中に、「UserWarning：入力を取得できませんでした。ワーカーが死亡したことが原因である可能性があります。失われたサンプルに関する情報はありません。）」という警告が表示された後、モデルはトレーニングを開始します。この警告はどういう意味ですか？それは私のトレーニングに影響を与えるものであり、私は心配する必要がありますか？

11 machine-learning  deep-learning  tf.keras 

私はテンソルフローv2のサブモジュールとして定義されたケラスを使用しています。fit_generator()メソッドを使用してモデルをトレーニングしています。10エポックごとにモデルを保存したい。どうすればこれを達成できますか？ Keras（tfのサブモジュールではない）では、を指定できますModelCheckpoint(model_savepath,period=10)。しかし、TF V2に、彼らはこれを変更したModelCheckpoint(model_savepath, save_freq)場所save_freqすることができ'epoch'、その場合、モデルはすべてのエポックを保存されます。save_freqが整数の場合、非常に多くのサンプルが処理された後でモデルが保存されます。しかし、私はそれが10エポックの後であることを望みます。どうすればこれを達成できますか？

10 python  keras  deep-learning  tensorflow2.0  tf.keras 

私は深層学習アプリケーションに月光の脳モジュールを使用することを学んでいます。 私はニューラルネットワークを設定して、numpy.cos（）関数を学習し、同様の結果を生成しています。 私のトレーニングの限界が以下の場合、私はうまく適合しています： x = np.linspace(0,2*np.pi,100) しかし、境界を次のように拡張しようとすると、モデルがばらばらになります。 x = np.linspace(0,3*np.pi,100) 他の境界で機能するようにモデルの柔軟性を高めるには、ニューラルネットワークで何を変更する必要がありますか？ これは私のコードです： from gekko import brain import numpy as np import matplotlib.pyplot as plt #Set up neural network b = brain.Brain() b.input_layer(1) b.layer(linear=2) b.layer(tanh=2) b.layer(linear=2) b.output_layer(1) #Train neural network x = np.linspace(0,2*np.pi,100) y = np.cos(x) b.learn(x,y) #Calculate using trained nueral …

9 neural-network  deep-learning  gekko