张家港网站推广优化,平台网站做等级保护测评,wordpress php写接口,导航站 wordpress朋友们#xff0c;Just KNIME it 还有在跟进吗? 本季已经到 21 期啦。 本期探讨的主题是图像识别问题#xff0c;快随指北君一起看看吧。 挑战 21#xff1a;帮助球童#xff08;第 1 部分#xff09; 级别#xff1a;中 描述#xff1a;球童汤姆是一位最受欢迎的高尔夫… 朋友们Just KNIME it 还有在跟进吗? 本季已经到 21 期啦。 本期探讨的主题是图像识别问题快随指北君一起看看吧。 挑战 21帮助球童第 1 部分 级别中 描述球童汤姆是一位最受欢迎的高尔夫球手的助手他向你寻求帮助。他厌倦了在球场上寻找高尔夫球——区分白球和绿草可能很烦人因此他希望您制定一个工作流程帮助他识别从球场拍摄的图像上的高尔夫球。然后您的任务是分割包含高尔夫球的图像。提示KNIME 图像处理扩展对于这一挑战非常重要。 作者达里亚·利亚赫 数据集KNIME Hub 上的高尔夫球数据 CV 计算机视觉是一个高度成熟的领域。经典的图像处理算法有形态学中的腐蚀和膨胀、图像压缩、边缘检测、SIFT等。随着深度学习的普及该领域的成熟度进一步提高。 早期检测对象通常需要找到其特征并将其在图像上进行匹配然后设置阈值进行过滤。然而在大多数情况下这不再是必要的。像 ResNet 和 YOLO 这样的老派算法似乎已经变得不那么流行了尽管我不完全确定考虑到 YOLO 已经有版本 8。 Meta 的 SAM 算法的名字代表 Segment Anything也表明了这个领域的成熟。 这里我们没有使用 KNIME 的图像扩展而是直接使用 YOLOv5。我不会描述安装过程但如果您无法通过 “Conda Environment Propagation” 节点运行工作流可以参考官方文档获取最新说明。 安装完成后只需要使用Python节点即可 import torch# Modelmodel torch.hub.load(ultralytics/yolov5, yolov5s)# Imageim https://api.hub.knime.com/repository/Users/alinebessa/Just%20KNIME%20It!%20Season%202%20-%20Datasets/Challenge%2021%20-%20Dataset/Golf%20balls.jpg:data?spaceVersion-1# Inferenceresults model(im)results.save() 就是这样图像将保存在工作流程所在的文件夹中。 可能有点难以想象but... 有什么想法吗 也许 SAM 模型可以更大、更复杂一些还没试过。 你能猜出下载的 YOLO 模型放在哪里吗 如何在KNIME中直接显示生成的图像 本文由 mdnice 多平台发布
