Skip to content

Changes

View changes from to


On October 2, 2023 at 5:35:46 PM +0800, Gravatar 黃瀚輝:
  • Updated description of resource 稻穗影像萃取模型 in 稻穗影像去背模型 from

    本模型使用U2net為主要基礎架構,旨在應用於將透過手機拍攝的影像中萃取出稻穗影像並去除背景像素,以作為可進一步分析(如穀粒含水量推估)之預處理方式,由於U2net擅長背景去除的影像語義分割之用途,因此選擇基於此架構訓練去背模型。 以下左圖為輸入之原圖範例,右圖為輸出之結果範例: ![輸入原圖範例:](https://uav-fly.nchu.edu.tw/bot/static/display/20230621175528.jpg)![輸出結果範例:](https://uav-fly.nchu.edu.tw/bot/static/display/20230621175528.png) 1.訓練模型引用[U2net架構](https://github.com/xuebinqin/U-2-Net) ``` @InProceedings{Qin_2020_PR, title = {U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection}, author = {Qin, Xuebin and Zhang, Zichen and Huang, Chenyang and Dehghan, Masood and Zaiane, Osmar and Jagersand, Martin}, journal = {Pattern Recognition}, volume = {106}, pages = {107404}, year = {2020} } ``` 2. 稻米穀粒含水量推估模型參考文獻: https://www.mdpi.com/1424-8220/21/17/5875
    to
    此檔案需經過Docker環境下讀取TAR映像檔以執行,其執行步驟如下: 1.開啟Docker Desktop,並且登入Docker Hub帳號 2.下載此模型TAR檔案 3.由終端機切換至TAR檔案所在資料夾(Windows系統需以WSL進入,若無WSL則需先安裝) 4.在終端機輸入 以下指令 (1).讀取映像檔 docker load -i iscom70598966_riceremovebg (2).檢查映像檔名稱 docker images (3).以映像檔開啟新的執行容器 docker run <映像檔名稱> (4)開啟新的終端機指定在同樣的路徑下,並且檢視執行中的容器 docker ps (5).進入執行中的容器內 docker exec -it <容器名稱> /bin/bash/ 透過以上步驟即可透過docker環境進入到開啟此模型的映像檔環境中


  • Removed the following fields from resource 稻穗影像萃取模型 in 稻穗影像去背模型

      nchu_text_resource_try_out_output nchu_text_resource_try_out_pod nchu_text_resource_try_out_mode nchu_text_resource_try_out_files nchu_text_resource_try_out_input nchu_text_resource_try_out_title nchu_text_resource_try_out_desc