深度学习|计算机视觉 环境配置-数据集制作-模型训练 一站式教程(Ubuntu系统)//..

深度学习|计算机视觉 环境配置-数据集制作-模型训练 一站式教程(Ubuntu系统)

改进网络

• U-net 图像分割是否可以用到 (一个是DR 一个是CT）

一. 总体流程

1. 基于Linux系统下搭建深度学习环境，包括Python环境管理工具Anaconda、NVIDIA显卡的并行计算框架CUDA、针对深层神经网络的显卡加速库CUDNN、深度学习框架Pytorch等的安装；

   深度学习装机指南(DUT 孔老师)
   深度学习(一)——Python基础

2. 在工厂中搭建铝合金铸件图像采集系统，包括铝合金铸件内部缺陷检测装置，铝合金铸件外部缺陷检测装置；

3. 采集缺陷图片，并用LabelImg软件标注出图片中缺陷的位置和类型，制作出铝合金内部缺陷和外部缺陷图像的数据集；

4. 根据铝合金铸件的内外观缺陷特征并结合当前最先进的缺陷检测算法，分别提出用于工厂环境下的铝合金铸件内外观缺陷检测算法；

5. 使用自制的铝合金铸件内外部缺陷图像的数据集分别对所提出的铝合金铸件内外观缺陷检测算法进行训练，通过大量的试验分析，找出影响准确率提高的原因，根据所发现的原因对算法进行相应的改进；

6. 通过控制变量法依次验证上述改进算法的效果，并挑选出效果最好的改进算法作为最终的缺陷检测算法；

7. 将缺陷检测模型部署在云端服务器上，客户端向服务器发送检测请求后，将图片上传给云端服务器进行检测，服务器再将检测后的结果返回客服端。

8. 在工厂内搭建缺陷检测系统，将缺陷检测系统集成到实际的生产线中，并验证缺陷检测的实际效果；

二. 分步细节

2.1 环境配置

2.1.1 Pycharm

---

---

持续更新