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

1. 将COCO格式数据集组织为以下结构：

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

# 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
2. 环境配置指南
3. 实验执行手册

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）