fly6516
b1e90c4c9d
- 添加 U-Net 模型实现图像分割功能- 实现 SIFT 特征提取算法 - 创建实验报告模板和环境配置指南 - 添加数据集下载脚本和目录结构设置脚本 - 实现模型训练和测试流程
1.6 KiB
1.6 KiB
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
# 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
- 将COCO格式数据集组织为以下结构：
mkdir -p dataset/train dataset/valid dataset/test
- 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
# 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
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）