lxk767363331 / PaddleClas_NEU
基于PaddleClas的热轧钢带表面缺陷分类
☆14Updated last year
Related projects: ⓘ
- 基于pyqt5写的软件,集成paddleseg、paddledetection模型可视化导入以及预测☆15Updated 3 years ago
- 基于Paddle框架的arcface复现☆21Updated 3 years ago
- 基于PaddlePaddle复现的MTCNN人脸检测模型☆23Updated 3 years ago
- PaddlePaddle实现的目标检测模型PP-YOLOE☆107Updated last year
- 基于YOLOv4的安全帽佩戴检测☆81Updated 4 years ago
- 提供了如何在paddle单帧图像进行预测的方式以及连接相机实时检测功能☆20Updated 3 years ago
- PaddlePaddle实现的人脸识别模型MobileFaceNets,在预测的是使用MTCNN检测人脸,然后MobileFaceNets模型识别。☆58Updated 2 years ago
- 本项目用深度学习的方法进行工业产品缺陷检测,替代原本人眼的产品质检。从而大幅提升工业产品合格率和降低人力成本。☆120Updated 4 years ago
- 基于Paddlepaddle复现yolov5,支持PaddleDetection接口☆40Updated last year
- The driver software of industrial camera (USB, GigE) designed based on pyqt5 integrates paddlex for image target detection, image segment…☆88Updated 3 years ago
- 钢筋数量识别 baseline 0.98336☆80Updated last year
- 如何利用PaddleSeg快速地做一个完整的语义分割项目(教学版)☆28Updated 3 years ago
- ☆36Updated 3 years ago
- AI识虫练习赛第二名代码分享☆72Updated 3 years ago
- 一键预览 OpenCV 60 种图像效果,图像预处理 pipeline 工具☆81Updated 3 years ago
- ☆37Updated last year
- ☆42Updated this week
- 一款基于深度学习,提供数据标注、模型训练、模型部署、基于已有模型自动标注等功能的计算机视觉一体化平台。 操作简单,无需深度学习理论即可实现AI落地。处理分类、目标检测、目标跟踪等计算机视觉任务。 应用场景:交通执法(车辆违停、行人乱穿马路等)、工业检测(缺陷检测、物体分拣等…☆106Updated 3 years ago
- The-PaddleX-QT-Visualize-GUI☆38Updated 2 years ago
- Using depth neural network to read traditional meter.☆26Updated 4 years ago
- 火灾检测,浓烟检测,吸烟检测,持续更新中~欢迎star与提出指导~~请查看原文:https://blog.csdn.net/qq_46098574/article/details/107334954☆85Updated 3 years ago
- auto label raw images or videos in PASCAL VOC format☆28Updated 3 years ago
- ☆24Updated this week
- 利用PaddleDetection进行开发,选择PPYolor18作为部署模型,完成端到端的垃圾检测模型训练;最后将训练好的模型部署到树莓派上,实现实时垃圾检测!☆11Updated 3 years ago
- 基于PaddleX的香烟检测器☆25Updated 2 years ago
- 通用的图像分类项目,并以涉黄、涉政、涉恐和普通图片4分类为例。☆111Updated 4 years ago
- This repo would collect the frequent FAQ.☆29Updated 3 years ago
- 计算机视觉方面的分类、对象检测、图像分割、人脸检测、OCR等中文翻译☆106Updated 3 years ago
- ☆44Updated 3 years ago
- yolov5检测人脸和关键点,只依赖opencv库就可以运行,程序包含C++和Python两个版本的☆62Updated 3 years ago