建设银行短信服务是否集成到网站开发项目中？

网站开发项目需求书,建设银行短信带网站,建筑公司企业愿景范文,备案查询系统这篇文章的内容是以 《使用MMDetection进行目标检测、实例和全景分割》 为基础#xff0c;需要安装好 MMDetection 的运行环境#xff0c;同时完成目标检测、实例分割和全景分割的功能实践#xff0c;之后再看下面的内容。 想要实现AI抠图去背景的需求#xff0c;我们需要…这篇文章的内容是以 《使用MMDetection进行目标检测、实例和全景分割》 为基础需要安装好 MMDetection 的运行环境同时完成目标检测、实例分割和全景分割的功能实践之后再看下面的内容。 想要实现AI抠图去背景的需求我们需要利用 OpenMMLab 项目 MMDetection 模型库中的实例分割Instance Segmentation模型来帮我们完成最核心的分类、分割图片物体任务。 接下来的主要操作是在 demo.py 编写和调试代码首先编写下面的代码 import cv2 import mmcv from copy import deepcopy from mmdet.apis import init_detector, inference_detectorconfig_file configs/scnet/scnet_r50_fpn_1x_coco.py # 配置文件路径 checkpoint_file checkpoints/scnet/scnet_r50_fpn_1x_coco-c3f09857.pth # 预训练模型加载路径 device cpu # cpu|gpu model init_detector(config_file, checkpoint_file, devicedevice) # 构建模型 img_raw mmcv.imread(demo/demo.jpg) # 待推理图像的原始 numpy.ndarray 对象img_h img_raw.shape[0] # 图像高度像素值 img_w img_raw.shape[1] # 图像宽度像素值result inference_detector(model, img_raw) # 推理的结果 img_result model.show_result(img_raw, result) # 结果图像的 numpy.ndarray 对象 model.show_result(img_raw, result, out_filedemo/demo_result.jpg) # 将结果图像另存为文件执行 demo.py 文件后项目下面会生成 demo/demo_result.jpg 文件 之前我们是通过另存为文件的方式来可视化推理的结果现在我们要进一步的解析推理结果。由模型文件名称 scnet_r50_fpn_1x_coco-c3f09857.pth 可知这是个使用 coco 数据集训练出来的预训练模型所以我们需要用 coco 数据集的定义方式去解析推理结果。