【《基于高分辨率图像的目标检测应用案例分析》1200字】

基于高分辨率图像的目标检测应用案例分析目录TOC\o"1-3"\h\u14273基于高分辨率图像的目标检测应用案例分析 130201.1高分辨率图像的预处理 1120391.2高分辨率图像的目标检测 4高分辨率图像的预处理 本节以火车底部零部件数据集为例，介绍高分辨率图像在预处理时的应用程序。本文将第五章中（19）、（21）式的实现过程写成界面应用程序，以便于实际应用。图6-1给出了图像裁剪的程序界面。从图中可以看出，该界面的交互性十分明确，没有多余的按钮，其中“切图方式一”代表的（19）式，“切图方式二”代表（21）式。图6-1图像裁剪的程序界面。“切图方式一”和“切图方式二”的界面是相同的，图6-2和图6-3分别展示了这两种裁剪方式的界面。当采用“切图方式一”去裁剪火车底部数据图，则会裁剪出大小不一，形状均为标准矩形的结果图。图6-4给出了裁剪前原始火车底部数据图，图6-5展示了经“切图方式一”裁剪后的数据图及对应标签。当采用“切图方式二”去裁剪火车底部数据图，则会裁剪出大小相同，形状均为标准矩形的结果图其分辨率为1024×1024。图6-6列出了经“切图方式二”裁剪后的数据图。图6-2“切图方式一”界面图6-3“切图方式二”界面图6-4火车底部数据原图图6-5“切图方式一”裁剪后的小图及对应标签文件图6-6“切图方式一”的裁剪结果高分辨率图像的目标检测为了展示高分辨率图像在检测网络的测试，本文以检测Aribusship数据图为例设计了对应的应用程序。该应用包括两个界面。图6-7展示了第一个界面，在第一个界面选择所需要的输入和输出路径之后，点击开始运行即可获取识别和定位之后的图像，和船的具体位置信息。可以通过界面下方的按钮来选择查看结果和输入两个界面，如图所示。需要的输入总共有五项，其中包括：原图路径、结果路径、深度学习模型路径（weight）、深度学习配置文件路径（cfg）、类别名称文件（names）。图6-7界面一原图路径即为需要进行检测和定位的图像的存储路径、结果路径即为检测之后对检测目标进行标定之后的图像、深度学习模型路径即为用户提供的预先训练好的深度学习算法模型的路径、配置文件路径为用户提供的深度学习参数文件路径，用户可以直接修改配置文件中的参数来调整识别的效果、类别名称文件为用户提供的文件，用户可以修改类别名称，调整输出的类别名称。 在图6-7的界面中点击“选择”即可对对应的文本框进行输入，为了避免出现路径错误，本文的设计可以直接对路径进行选择，如图6-8所示。图6-8选择输入界面在确定图6-8一个界面的输入之后，点击“保存配置”，将配置进行保存，然后点击界面上的绿色三角，软件即可自动对原图路径下的所有的图片进行船舰的识别与定位。在识别的过程中，本文使用多线程，实时输出图像名称和时间。图6-9展示了图6-8界面会输出正在识别的图像的相关信息。图6-9正在识别图像的界面点击图6-7界面下方的“查看结果”即可对检测的记过进行查看，如图6-10所示。界面二分为三栏，其中左侧为识别图像的名称，用户可以点击对应名称来查看识别的结果，中间栏为识别定位的结果图像，用户可以使用鼠标滑轮对