在这个人工智能已经普及的时代，各行各业都充斥着AI的身影。大部分人认为人工智能起点高，入门难，想要使用AI服务又无法独立完成编写，阿里云视觉平台是基于阿里巴巴视觉智能技术实践经验，面向视觉智能技术企业和开发商（含开发者），为其提供高易用、普惠的视觉API服务，帮助企业快速建立视觉智能技术的应用能力的综合性视觉AI能力平台。开发者可以通过阿里云视觉平台提供的通用且标准化的接入方式，快速接入及使用阿里云视觉平台提供的包括人脸人体、文字识别、商品理解、内容安全、图像识别、图像生产、分割抠图、视觉搜索、目标检测、图像分析处理、视频理解、视频生产、视频分割13个类目多个API能力。本期直播将带你实战讲述如何使用阿里云视觉平台API快速开发在线视觉AI平台，让你认为遥远的AI能力变得触手可及！
视觉AI五天训练营教程 Day 2 - 身份证识别系统搭建
2020-10-31
568
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
简介：
视觉AI五天训练营教程 Day 2 - 身份证识别系统搭建
目录
相关文章
|
9天前
|
JSON
人工智能
数据格式
AI计算机视觉笔记二十六：YOLOV8自训练关键点检测
本文档详细记录了使用YOLOv8训练关键点检测模型的过程。首先通过清华源安装YOLOv8，并验证安装。接着通过示例权重文件与测试图片`bus.jpg`演示预测流程。为准备训练数据，文档介绍了如何使用`labelme`标注工具进行关键点标注，并提供了一个Python脚本`labelme2yolo.py`将标注结果从JSON格式转换为YOLO所需的TXT格式。随后，通过Jupyter Notebook可视化标注结果确保准确性。最后，文档展示了如何组织数据集目录结构，并提供了训练与测试代码示例，包括配置文件`smoke.yaml`及训练脚本`train.py`，帮助读者完成自定义模型的训练与评估。
49
2
2
|
9天前
|
人工智能
开发工具
计算机视觉
AI计算机视觉笔记三十：yolov8_obb旋转框训练
本文介绍了如何使用AUTODL环境搭建YOLOv8-obb的训练流程。首先创建虚拟环境并激活，然后通过指定清华源安装ultralytics库。接着下载YOLOv8源码，并使用指定命令开始训练，过程中可能会下载yolov8n.pt文件。训练完成后，可使用相应命令进行预测测试。
27
4
4
|
9天前
|
人工智能
PyTorch
算法框架/工具
AI计算机视觉笔记二十二：基于 LeNet5 的手写数字识别及训练
本文介绍了使用PyTorch复现LeNet5模型并检测手写数字的过程。通过搭建PyTorch环境、安装相关库和下载MNIST数据集，实现了模型训练与测试。训练过程涉及创建虚拟环境、安装PyTorch及依赖库、准备数据集，并编写训练代码。最终模型在测试集上的准确率达到0.986，满足预期要求。此项目为后续在RK3568平台上部署模型奠定了基础。
23
4
4
|
9天前
|
人工智能
测试技术
PyTorch
AI计算机视觉笔记二十四：YOLOP 训练+测试+模型评估
本文介绍了通过正点原子的ATK-3568了解并实现YOLOP（You Only Look Once for Panoptic Driving Perception）的过程，包括训练、测试、转换为ONNX格式及在ONNX Runtime上的部署。YOLOP由华中科技大学团队于2021年发布，可在Jetson TX2上达到23FPS，实现了目标检测、可行驶区域分割和车道线检测的多任务学习。文章详细记录了环境搭建、训练数据准备、模型转换和测试等步骤，并解决了ONNX转换过程中的问题。
30
3
3
|
9天前
|
存储
人工智能
数据可视化
AI计算机视觉笔记二十一：PaddleOCR训练自定义数据集
在完成PaddleOCR环境搭建与测试后，本文档详细介绍如何训练自定义的车牌检测模型。首先，在`PaddleOCR`目录下创建`train_data`文件夹存放数据集，并下载并解压缩车牌数据集。接着，复制并修改配置文件`ch_det_mv3_db_v2.0.yml`以适应训练需求，包括设置模型存储目录、训练可视化选项及数据集路径。随后，下载预训练权重文件并放置于`pretrain_models`目录下，以便进行预测与训练。最后，通过指定命令行参数执行训练、断点续训、测试及导出推理模型等操作。
27
3
3
|
9天前
|
机器学习/深度学习
人工智能
测试技术
AI计算机视觉笔记二十五：ResNet50训练部署教程
该项目旨在训练ResNet50模型并将其部署到RK3568开发板上。首先介绍了ResNet50网络，该网络由何恺明等人于2015年提出，解决了传统卷积神经网络中的退化问题。项目使用车辆分类数据集进行训练，并提供了数据集下载链接。环境搭建部分详细描述了虚拟环境的创建和所需库的安装。训练过程中，通过`train.py`脚本进行了15轮训练，并可视化了训练和测试结果。最后，项目提供了将模型转换为ONNX和PT格式的方法，以便在RK3568上部署。
26
2
2
|
9天前
|
人工智能
计算机视觉
Python
AI计算机视觉笔记十九：Swin Transformer训练
本文介绍了使用自定义数据集训练和测试目标检测模型的步骤。首先，通过安装并使用标注工具labelme准备数据集；接着修改配置文件以适应自定义类别，并调整预训练模型；然后解决训练过程中遇到的依赖冲突问题并完成模型训练；最后利用测试命令验证模型效果。文中提供了具体命令及文件修改指导。
20
2
2
|
16天前
|
人工智能
PyTorch
算法框架/工具
AI计算机视觉笔记十二：基于 LeNet5 的手写数字识别及训练
本文档介绍了如何使用PyTorch框架复现经典的LeNet5模型，并通过MNIST数据集进行训练与测试。首先，创建虚拟环境并安装所需库，接着下载MNIST数据集。训练部分涉及四个主要文件：`LeNet5.py`、`myDatast.py`、`readMnist.py` 和 `train.py`。通过这些文件搭建模型并完成训练过程。最后，通过测试脚本验证模型准确性，结果显示准确率达到0.986，满足预期需求。文档还提供了详细的环境配置和代码实现细节。
36
3
3
|
9天前
|
机器学习/深度学习
人工智能
计算机视觉
AI计算机视觉笔记二十三：PP-Humanseg训练及onnxruntime部署
本文介绍了如何训练并使用PaddleSeg的人像分割模型PP-HumanSeg，将其导出为ONNX格式，并使用onnxruntime进行部署。首先在AutoDL服务器上搭建环境并安装所需库，接着下载数据与模型，完成模型训练、评估和预测。最后，通过paddle2onnx工具将模型转换为ONNX格式，并编写预测脚本验证转换后的模型效果。此过程适用于希望在不同平台上部署人像分割应用的开发者。
23
0
0
|
9天前
|
人工智能
数据处理
计算机视觉
AI计算机视觉笔记十六：yolov5训练自己的数据集
本文介绍了一种利用云服务器AutoDL训练疲劳驾驶行为检测模型的方法。由于使用本地CPU训练效率低下，作者选择了性价比高的AutoDL云服务器。首先，从网络获取了2000多张疲劳驾驶行为图片并使用labelimg软件进行标注。接着，详细介绍了在云服务器上创建实例、上传数据集和YOLOv5模型、修改配置文件以及开始训练的具体步骤。整个训练过程耗时约3小时，最终生成了可用于检测的模型文件。
19
0
0
热门文章
最新文章
1
前沿 | AI不用地图和GPS也能认路：DeepMind再放大招
2
阿里AI上岗双11服装车间，能识别头发丝直径十分之一的瑕疵
3
中国人工智能学会通讯——最优传输理论在机器学习中的应用 1.1 最优传输理论与 WGAN 模型
4
AI 绘画Stable Diffusion 研究（十一）sd图生图功能详解-美女换装
5
金融投资新范式，一场人工智能技术带来的进化
6
AI 创业公司 Kyndi 获850万美元融资，帮助公司预测未来
7
Salesforce收购人工智能公司MetaMind
8
视觉Agent来了！智谱AI开源CogAgent，支持GUI图形界面问答（附魔搭推理微调最佳实践）
9
人工智能和物联网——5个新兴的应用案例
10
《中国人工智能学会通讯》——1.40 深度学习
1
【AI 场景】如何使用 AI 向客户推荐个性化产品？
241
2
【AI 场景】人工智能在自然语言理解方面的挑战和解决方案
178
3
【AI 场景】如何开发用于自动驾驶的人工智能系统？
87
4
【AI 场景】设计一个 AI 系统来识别和分类图像中的对象
63
5
【AI 场景】如何应用 AI 来优化供应链管理
391
6
【AI 场景】如何设计一个人工智能系统来预测电信公司的客户流失？
59
7
【AI 初识】解释推荐系统的概念
101
8
【AI 初识】人工智能开发和部署的道德考虑是什么？
65
9
分享几个.NET开源的AI和LLM相关项目框架
75
10
[译][AI OpenAI-doc] 代码解释器 Beta
137