再生成模型后，通常我们都是对小图进行检测，但是最终应用很多时候是对大图检测，输出大图，代码调用deeplabv3的pb文件对大幅图像进行检测，并输出大图。

基于VC6.0OPENCV图像检测以及摄像头捕获详细介绍如果使用OPENCV自带函数实现对摄像头的捕获

详细介绍见博客 https://blog.csdn.net/kobeyu652453/article/details/117398990 数据集

基于视觉显著性和稀疏表示的钢板表面缺陷图像检测方法研究_周诗洋.caj

一个完整的毕业设计软件，图像检测

带钢表面缺陷图像检测理论及识别算法研究_陈跃.caj

通过改进的双阈值函数得到了边缘图像-这在图像检索方面很有用

随着计算机技术的发展，融合计算机视觉、机器学习、深度学习等技术的火灾图像处理技术得到了广泛的研究和应用。针对传统图像处理方法预处理过程复杂且误报率高等问题，提出一种基于深度卷积神经网络模型进行火灾检测的方法，其减少了复杂的预处理环节，将整个火灾识别过程整合成一个单深度神经网络，便于训练与优化。针对识别过程中类似火灾场景对火灾检测产生干扰的问题，利用火灾的运动特性，创新性地提出利用火灾视频前后帧火灾坐标位置变化来排除灯光等类似火灾场景对检测的干扰。对比了众多深度学习开源框架后，选择Caffe框架进行训练及测试，实验结果表明，该方法实现了对火灾图像的识别和定位，适应于不同的火灾场景，具有很好的泛化能力和抗干扰能力。

改代码为自己亲自所写，每一部分都以函数的形式书写，阅读非常容易，其中，函数功能包括：双目视觉图像中目标的检测，目标在两幅图中的定位，运用定位结果计算目标点的三维世界坐标。除此之外，还有根据世界坐标反推算目标在两幅图中的像素左标，并显示实时图像，将坐标信息显示在图像中。整个工程实现双目识别检测，与三维定位。

肺部CT图像病变区域检测是肺病辅助诊断技术的重要研究内容，其通过自动分析CT图像并输出病变区域的位置和尺寸等信息，帮助放射科医生做出决策，有利于肺病的早期发现与治疗.