前言

哈喽,各位朋友们,这里是virobotics(仪酷智能),这两天有朋友私信问之前给大家介绍的工具包都可以实现什么功能,最新的一些模型能否使用工具包加载,今天就给大家介绍一下博主目前使用工具包已经实现的深度视觉模型及案例

下表为前期写过的一些范例介绍,朋友们可以按需点击查看

名字 链接
使用LabVIEW人工智能视觉工具包快速实现图像读取与采集 https://blog.csdn.net/virobotics/article/details/123663532
使用LabVIEW人工智能视觉工具包快速实现传统Opencv算子的调用 https://blog.csdn.net/virobotics/article/details/123817051
使用LabVIEW OpenCV DNN实现手写数字识别 https://blog.csdn.net/virobotics/article/details/123880476
使用LabVIEW OpenCV dnn实现图像分类 https://blog.csdn.net/virobotics/article/details/123982933
使用LabVIEW OpenCV dnn实现物体识别(Object Detection) https://blog.csdn.net/virobotics/article/details/124008160
【YOLOv5】LabVIEW+YOLOv5快速实现实时物体识别(Object Detection) https://blog.csdn.net/virobotics/article/details/124929483
【YOLOv5】LabVIEW+OpenVINO让你的YOLOv5在CPU上飞起来 https://blog.csdn.net/virobotics/article/details/124951862
【YOLOv5】使用LabVIEW ONNX Runtime部署 TensorRT加速,实现YOLOv5实时物体识别 https://blog.csdn.net/virobotics/article/details/124981658
使用LabVIEW实现Mask R-CNN图像实例分割 https://blog.csdn.net/virobotics/article/details/125194701
使用LabVIEW实现基于pytorch的DeepLabv3图像语义分割 https://blog.csdn.net/virobotics/article/details/124998636
使用LabVIEW实现 DeepLabv3+ 语义分割 https://blog.csdn.net/virobotics/article/details/125264040
LabVIEW+OpenVINO在CPU上部署新冠肺炎检测模型实战 https://blog.csdn.net/virobotics/article/details/125260923
YOLOX目标检测实战:LabVIEW+YOLOX ONNX模型实现推理检测 https://blog.csdn.net/virobotics/article/details/125412732
百度飞桨PP-YOLOE ONNX 在LabVIEW中的部署推理 https://blog.csdn.net/virobotics/article/details/126231434
YOLOv6在LabVIEW中的推理部署 https://blog.csdn.net/virobotics/article/details/126356929
LabVIEW图形化的AI视觉开发平台(非NI Vision)VI简介 https://blog.csdn.net/virobotics/article/details/127497688
仪酷LabVIEW AI视觉工具包及开放神经网络交互工具包常见问题解答 https://blog.csdn.net/virobotics/article/details/127449831

一、实现物体识别

无论使用何种框架训练物体检测模型,都可以无缝集成到LabVIEW中,并使用工具包提供的CUDA、tensorRT接口实现加速推理,模型包括但不限于:

  • yolov3、yolov4、yolov5、yolov6、yolov7、pp-yoloe、yolox等
  • torchvision中的图像分类、目标检测模型等

如下为已经实现中的一部分范例

  • yolov4实现目标检测:

  • 基于onnx,yolov5使用tensorRT实现推理加速:

  • NI vision采集图像、tensorRT加速实现yolov5目标检测

  • yolov5实现口罩检测:

  • yolov5实现安全帽检测:

  • yolov6实现目标检测:
  • yolox实现目标检测:
  • 百度PP-YOLOE实现目标检测:

二、实现图像分割

图像分割是当今计算机视觉领域的关键问题之一。从宏观上看,图像分割是一项高层次的任务,为实现场景的完整理解铺平了道路。场景理解作为一个核心的计算机视觉问题,其重要性在于越来越多的应用程序通过从图像中推断知识来提供营养。随着深度学习软硬件的加速发展,一些前沿的应用包括自动驾驶汽车、人机交互、医疗影像等,都开始研究并使用图像分割技术。

本次集成的工具包提供了多种图像分割的调用模块,并实现了GPU模式下TensorRT的加速运行。如:

语义分割:Segnet、deeplabv1~deeplabv3、deeplabv3+、u-net等;

实例分割:Mask-RCNN、PANet等

  • deeplab实现分割

  • mask Rcnn实现图像分割


三、自然场景下的文字识别

工具包提供了文本检测定位(DB_TD500_resnet50、EAST)、文本识别的模块(CRNN),用户可以使用该模块实现自然场景下的中英文文字识别

应用:身份证识别、表单识别、包装盒标签检测等

  • 简单文字识别

  • 包装盒标签检测

  • 复杂背景字母数字检测

四、人脸检测与识别

工具包提供了人脸检测与识别的模块,用户可以使用该模块实现人脸检测与识别

五、人体关键点检测

机器学习ML5扩展功能中的Keypoint Rcnn功能可以实现17个人体姿态识别以及追踪位置,通过此功能可以进行一些姿态控制应用,且此功能不用连接网络,只需要一个摄像头即可实现。

姿势估计是指计算机视觉技术,用于检测图像和视频中的人类图形,以便确定某人的肘部出现在图像中的位置。需要说明的是,该技术无法识别图像中的人员,不存在与姿势检测相关的个人身份信息。该算法只是估计关键体关节的位置

结合了Realsense的姿态识别,即可定位人体每个部位的精确位置。

六、工具包下载

如需下载工具包可查看指定博文,如需获取最新版本工具包,可关注微信公众号:VIRobotics,回复关键字:LabVIEW AI工具包

总结

以上就是今天要给大家分享的内容。如有笔误,还请各位及时指正。后续还会继续给各位朋友分享其他案例,欢迎大家关注博主。

如果有问题可以在评论区里讨论,提问前请先点赞支持一下博主哦,如您想要探讨更多关于LabVIEW与人工智能技术,欢迎点击下方卡片,加入我们的技术交流群:705637299,进群请备注:上海仪酷

**如果文章对你有帮助,欢迎关注、点赞、收藏

使用LabVIEW 实现物体识别、图像分割、文字识别、人脸识别等深度视觉的更多相关文章

  1. 百度人脸识别api及face++人脸识别api测试(python)

    一.百度人脸识别服务 1.官方网址:http://apistore.baidu.com/apiworks/servicedetail/464.html 2.提供的接口包括: 2.1 多人脸比对:请求多 ...

  2. Android打开相机进行人脸识别,使用虹软人脸识别引擎

    上一张效果图,渣画质,能看就好 功能说明: 人脸识别使用的是虹软的FreeSDK,包含人脸追踪,人脸检测,人脸识别,年龄.性别检测功能,其中本demo只使用了FT和FR(人脸追踪和人脸识别),封装了开 ...

  3. opencv实现人脸识别(四) 人脸识别模块

    到这一步就是进行人脸识别了. 流程图: 代码: import cv2 def recognize(cam): recognizer = cv2.face.LBPHFaceRecognizer_crea ...

  4. OCR场景文本识别:文字检测+文字识别

    一. 应用背景 OCR(Optical Character Recognition)文字识别技术的应用领域主要包括:证件识别.车牌识别.智慧医疗.pdf文档转换为Word.拍照识别.截图识别.网络图片 ...

  5. Python的开源人脸识别库:离线识别率高达99.38%

    Python的开源人脸识别库:离线识别率高达99.38%   github源码:https://github.com/ageitgey/face_recognition#face-recognitio ...

  6. Python的开源人脸识别库:离线识别率高达99.38%(附源码)

    Python的开源人脸识别库:离线识别率高达99.38%(附源码) 转https://cloud.tencent.com/developer/article/1359073   11.11 智慧上云 ...

  7. 3D动态人脸识别技术分析——世纪晟人脸识别实现三维人脸建模

    - 目录 - 国内3D动态人脸识别现状概况 - 新形势下人脸识别技术发展潜力 - 基于深度学习的3D动态人脸识别技术分析 1. 非线性数据建模方法 2. 基于3D变形模型的人脸建模 - 案例结合——世 ...

  8. 安排上了!PC人脸识别登录,出乎意料的简单

    本文收录在个人博客:www.chengxy-nds.top,技术资源共享. 之前不是做了个开源项目嘛,在做完GitHub登录后,想着再显得有逼格一点,说要再加个人脸识别登录,就我这佛系的开发进度,过了 ...

  9. paper 50 :人脸识别简史与近期进展

    自动人脸识别的经典流程分为三个步骤:人脸检测.面部特征点定位(又称Face Alignment人脸对齐).特征提取与分类器设计.一般而言,狭义的人脸识别指的是"特征提取+分类器"两 ...

  10. 基于PCA的人脸识别步骤

    代码下载:基于PCA(主成分分析)的人脸识别 人脸识别是一个有监督学习过程,首先利用训练集构造一个人脸模型,然后将测试集与训练集进行匹配,找到与之对应的训练集头像.最容易的方式是直接利用欧式距离计算测 ...

随机推荐

  1. 2022-04-27:用go语言重写ffmpeg的remuxing.c示例。

    2022-04-27:用go语言重写ffmpeg的remuxing.c示例. 答案2022-04-27: ffmpeg的remuxing.c是一个用于将多媒体文件从一种容器格式转换为另一种容器格式的命 ...

  2. 2022-04-11:给定一个正数数组arr,其中每个值代表砖块长度, 所有砖块等高等宽,只有长度有区别, 每一层可以用1块或者2块砖来摆, 要求每一层的长度一样, 要求必须使用所有的砖块, 请问最多

    2022-04-11:给定一个正数数组arr,其中每个值代表砖块长度, 所有砖块等高等宽,只有长度有区别, 每一层可以用1块或者2块砖来摆, 要求每一层的长度一样, 要求必须使用所有的砖块, 请问最多 ...

  3. JS 数组常用操作全集

    文章目录 1.push()方法 2.unshift()方法 3.pop() 方法 4.shift() 方法 5.filter() 方法 6.join()方法 7. indexOf() 方法 8.rev ...

  4. web自动化08-下拉选择框、弹出框、滚动条

    1.下拉选择框操作 下拉框就是HTML中<select>元素:   先列需求: 需求:使用'注册A.html'页面,完成对城市的下拉框的操作 1).选择'广州' 2).暂停2秒,选择'上海 ...

  5. 【模型部署 01】C++实现分类模型(以GoogLeNet为例)在OpenCV DNN、ONNXRuntime、TensorRT、OpenVINO上的推理部署

    深度学习领域常用的基于CPU/GPU的推理方式有OpenCV DNN.ONNXRuntime.TensorRT以及OpenVINO.这几种方式的推理过程可以统一用下图来概述.整体可分为模型初始化部分和 ...

  6. Linux 下 R 源码安装指南

    本文章同步自作者的语雀知识库,请点击这里阅读原文. 如果你使用的 Linux 系统 GCC 版本太低, 又没有 root 权限 (即使有 root 权限又担心升级 GCC 带来的风险) ; 同时你又不 ...

  7. Qt+QtWebApp开发笔记(五):http服务器html中使用json触发ajax与后台交互实现数据更新传递

    前言   前面完成了页面的跳转.登录,很多时候不刷新页面就想刷新局部数据,此时ajax就是此种技术,且是异步的.  本篇实现网页内部使用js调用ajax实现异步交互数据.  在js中使用 ajax是通 ...

  8. CKS 考试题整理 (04)-secret

    Task 在 namespace istio-system 中获取名为 db1-test 的现有secret的内容 将 username 字段存储在名为 /cks/sec/user.txt 的文件中, ...

  9. 现代C++学习指南-标准库

    在[上一章](https://www.yuque.com/docs/share/adb5b1e4-f3c6-46fd-ba4b-4dabce9b4f2a?# <现代C++学习指南-类型系统> ...

  10. MySql InnoDB 存储引擎表优化

    一.InnoDB 表存储优化 1.OPTIMIZE TABLE 适时的使用 OPTIMIZE TABLE 语句来重组表,压缩浪费的表空间.这是在其它优化技术不可用的情况下最直接的方法.OPTIMIZE ...