【原创文章】欢迎正常授权转载(联系作者) 【反对恶意复制粘贴，如有发现必维权】 【微信公众号原文传送门】 ​这篇文章将详细介绍利用多进程的实现—方案3(代码获取见文章末尾)。相比之前的稍微复杂一点，先看看demo的最终效果（视频）。 1 需求分析 首先看一下UI界面，界面上各个控件的详细信息如下表所示。 控件序号控件的类别Qobject_name功能1QLabellabel_im

【原创文章】欢迎正常授权转载(联系作者) 【反对恶意复制粘贴，如有发现必维权】 【微信公众号原文传送门】 系列文章链接 1. 问题总体描述及三种方案； 2. 方案1详解（附代码）； 这篇文章将详细介绍方案2的实现(代码获取见文章末尾)。 老规矩先看看下载好的代码文件构成。 其中 “ssd” 文件夹中是SSD检测的关键文件，关于这部分之前写文章了，里面详细介绍了如何训练一

【原创文章】欢迎正常授权转载(联系作者) 【反对恶意复制粘贴，如有发现必维权】 【微信公众号原文传送门】 上篇详细介绍实现利用PyQt给SSD加界面的三种方案(没学的赶快点进来学呀，哈哈)。这篇将详细介绍方案1的实现代码(代码获取见文章末尾)。 下载好的代码中项目文件构成如下： 其中 “ssd” 文件夹中是SSD检测的关键文件，关于这部分之前写文章了，里面详细介绍了如何训练一个属于自己的

基于Keras搭建的SSD300目标检测神经网络 先看看效果（图片来源：视觉中国 www.vcg.com，这里只做演示使用，我也不获利，请视觉中国不要告我，实在不让我用就联系我删了吧，感恩） 1. 运行需要的模块 代码运行需要部分必须的Python模块包括：（部分依赖模块未列出） Keras >= 2.0.0TensorFlow >= 1.7.0Tensorboard >= 1.7.0n

最近接到老板安排的项目，将之前自己训练好的用于识别一个水下目标的SSD300算法增加一个简单的界面。 项目的主要目的是为了利用SSD300实现单目视觉定位，整个算法的基本流程是，采集摄像头的图片，传递给训练好的SSD300网络进行识别，处理结果获得目标物在图片中的位置坐标（两个坐标点），之后进行基于先验值的深度估计，最后3D重建。实现单目视觉定位。 之前的算法，没有界面，就一个opencv下的