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
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） |