静态页面抓取实战目标：美图吧–风景类图片有多个页面，分析各页面url：页面序号随url最后一位数变换，第一页为1，第二页为2……找出规律后设定循环来进行循环访问个页面右键点击图片检查：每一张图片都有一个超链接（href），点击超链接进入进入超链接页面即可得到展示图片的页面；同时每一组页面有多张图片，每张图片都有一个超链接，经过测试发现这个超链接（href）是同组图片中的下一涨图片的页面url；（src）就是图片的路径地址。src就是我的目标，通过得到这个src的值去访问图片路径地址，然后

一、逻辑流程1．使用检测模型提取图中的仪表2．使用分割模型对仪表的刻度进行语义分割3．使用检测模型提取仪表的指针4．对各个模型的结果进行计算二、步骤1．提取仪表（1）使用yolo5s进行训练200 epochs（2）使用模型的结果对原图进行裁剪，得到仪表2．语义分割（1）使用deeplab对仪表的刻度条进行分割训练，训练结果在100 epoch时最佳（2）对模型的结果进行点拟合a．对mask图进行27* 27膨胀b．对膨胀图进行fitEllipse椭圆拟合c．得到椭圆的圆心(X

基于python的一款简单的通用OCR识别身份证预处理校正图像感知、提取目标区域识别目标区域内容预处理校正图像一、对得到的图像进行高斯滤波降噪二、使用霍夫变换检测外轮廓边缘三、找出最小的旋转角度，对图像进行旋转感知、提取目标区域一、区域生长二、对提取出的信息进行等比放大识别目标区域内容话不多说，直入主题本文就说说怎么自己动手做一个通用的OCR识别身份证，告别对别人的API的依赖预处理校正图像感知、提取目标区域识别目标区域内容预处理校正图像实际应用时所接收的图像不可能每一张都是处于理想化的识别

AI换装做到通用，是一个即好玩又有挑战性的东西，下面我将尝试挑战一、人体分割从图像中剥离出人穿的衣服的mask。这儿的难点在于，我需要做的是通用场景，不是比赛场景。在比赛场景中，使用的数据图是背景单一的，但是在实际场景中，背景是花里胡哨的。所有，将人体轮廓、衣服mask准确分离出来是第一关键场景设定：单人照目标：准确分割出图像中的人体轮廓，消除毛刺、空洞准备：网络架构：EfficientPS起初的全景分割方法是同时进行实例分割和语义分割，然后在后处理步骤中，将二者的预测结果结合在一起。这种方法

https://github.com/ipazc/mtcnn库文件https://www.cnblogs.com/zyly/p/9703614.html说明文档https://github.com/davidsandberg/facenetFaceNet源码

GSstreamer笔记

视觉之工业表计识别单指针、单刻度仪表随着人工智能的发展，现在各行各业都在开始被AI渗透，其中最成功的当属工业，尤其是在安防、巡检板块。该文章将就工业中比较有挑战的仪表识别进行记录，免得自己以后忘了。毕竟做算法这一块，逻辑是最关键的，打死也不能忘的目前本人做过的项目，算得上是把常见的一些仪表都做了，当然肯定也有我没接触到的种类图1图2图3图4图5图6从技术的角度，我将他们分为了4种，针对四种类型，分别做了一个project单指针、单刻度仪表就像图1、图2、图4，这种类型的仪表应该是最

巡检机器人视觉系统随着AI的发展，视觉应用越发的成熟了。其中对于小场景的应用也越来越多，本人因为圈子原因，接触最多的就是巡检机器人视觉系统。以下的东西是我们团队的落地成果的总结。我们愿意分享方案，分享技术，也愿意帮助更多的企业完成需求落地。一、检测目标：开关、信号灯、阀门、仪表、人二、系统实现的功能1、对机器人移动过程中的目标进行实时检测与反馈2、可实现固定摄像头的接入，实现智能监控的效果3、系统参数自迭代三、系统核心功能1、仪表识别【参考本人其他博客】2、综合面板的识别综合面板上往往

图像分割万金油分割原理图像分割常见的一些分割难点贝叶斯原理分割原理图像分割在我们常见的视觉应用场景中是十分重要的一个步骤。简单的理解，我们平时所接触的二值化操作就是一种简单的图像分割。opencv常用的二值化有几种操作，也支持比较多的算子，但是相信用过它们的人都应该知道它们的弊端。总之就是一句话，不能满足大部分的精细分割任务。【其实如果不涉及到对图像的精细分割问题，不论是使用二值化也好还是其他算子也好，都还是能比较容易地进行分割的】这篇文章，我们将不再聚焦于使用常规的算子或者形态学操作方式去进行图