58 lines
1.6 KiB
Markdown
58 lines
1.6 KiB
Markdown
|
# AI-Exp-2 图像分割与SIFT特征提取
|
|||
|
|
|
|||
|
|
本项目实现了计算机视觉实验所需的U-Net图像分割和SIFT特征提取功能，包含完整的实验指导和报告模板。
|
|||
|
|
|
|||
|
|
## 项目结构
|
|||
|
|
```
|
|||
|
|
AI-exp-2/
|
|||
|
|
├── code/ # 核心代码（UNet/SIFT实现）
|
|||
|
|
├── dataset/ # COCO格式数据集（包含train/valid/test子目录）
|
|||
|
|
│ ├── train/ # 训练集图像
|
|||
|
|
│ ├── valid/ # 验证集图像
|
|||
|
|
│ ├── test/ # 测试集图像
|
|||
|
|
│ └── _annotations.coco.json # COCO标注文件
|
|||
|
|
├── docs/ # 实验报告模板和文档
|
|||
|
|
├── requirements.txt # 项目依赖库列表
|
|||
|
|
└── README.md # 项目说明文档
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 快速开始
|
|||
|
|
|
|||
|
|
### 1. 环境配置
|
|||
|
|
```bash
|
|||
|
|
# 创建虚拟环境
|
|||
|
|
python -m venv .venv
|
|||
|
|
.\.venv\Scripts\activate
|
|||
|
|
|
|||
|
|
# 安装依赖
|
|||
|
|
pip install -r requirements.txt
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 2. 数据准备
|
|||
|
|
1. 将COCO格式数据集组织为以下结构：
|
|||
|
|
```bash
|
|||
|
|
mkdir -p dataset/train dataset/valid dataset/test
|
|||
|
|
```
|
|||
|
|
2. 在每个目录中放置对应的数据集图像和标注文件：
|
|||
|
|
- `xxx_image.jpg` (原始图像)
|
|||
|
|
- `_annotations.coco.json` (COCO格式标注文件)
|
|||
|
|
|
|||
|
|
### 3. 运行实验
|
|||
|
|
```bash
|
|||
|
|
# 图像分割实验（使用COCO格式数据集）
|
|||
|
|
python code/unet_segmentation.py
|
|||
|
|
|
|||
|
|
# SIFT特征提取
|
|||
|
|
python code/sift_features.py
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 文档资源
|
|||
|
|
1. [实验报告模板](docs/experiment_report.md)
|
|||
|
|
2. [环境配置指南](setup_environment.md)
|
|||
|
|
3. [实验执行手册](run_experiments.md)
|
|||
|
|
|
|||
|
|
## 技术栈
|
|||
|
|
- PyTorch 1.13.1（深度学习框架）
|
|||
|
|
- OpenCV 4.5.5（图像处理）
|
|||
|
|
- Pillow（数据预处理）
|
|||
|
|
- pycocotools 2.0.2（COCO数据集支持）
|