README

README.md

@@ -84,7 +84,7 @@
 │   │   │   ├── deep_hough_cuda_kernel.cu  
 │   │   │   ├── dht_func.py  
 │   │   │   └── setup.py #deep-hough安装脚本 安装命令：[python setup.py build; python setup.py install --user]  
-│   │   ├── [basic_ops.py](#basic_ops.py) 
+│   │   ├── [basic_ops.py](#basic_ops.py)  
 │   │   ├── [dht.py](#dht.py)  
 │   │   ├── [edge_detector.py](#edge_detector.py)  
 │   │   ├── [edge_utils.py](#edge_utils.py)  
@@ -108,15 +108,16 @@
 │   │   ├── test2.mp4   
 │   │   ├── test3.mp4   
 │   │   ├── test4.mp4  
-│   │   └── test.mp4 
+│   │   └── test.mp4  
+ 
 ----
 ####<span id="basic_ops.py">basic_ops.py</span>
 class Line(object) #直线信息类  
 class LineAnnotation(object) #直线注释类(没有引用该类)   
 def line2mask(size, lines) #在mask图像中画出直线  
 def get_boundary_point(y, x, angle, H, W) #给出x、y和角度，返回与图像边缘相交的两个点坐标  
-def int2arc(k, num_directions) #int转弧度
-def arc2int(theta, num_directions) #弧度转int(没有引用该方法) 
+def int2arc(k, num_directions) #int转弧度  
+def arc2int(theta, num_directions) #弧度转int(没有引用该方法)  
 
 ----
 ####<span id="utils.py">utils.py</span>
@@ -130,26 +131,26 @@ def caculate_precision(b_points, gt_coords, thresh=0.90) #计算精准度(没有
 def caculate_recall(b_points, gt_coords, thresh=0.90) #计算召回(没有引用该方法)    
 def coords_sort(coords) #坐标排序(没有引用该方法)  
 def get_density(filename, x1, y1, x2, y2) #得到密度(没有引用该方法)  
-def local_search(coords, coords_ring, d=1) # 
+def local_search(coords, coords_ring, d=1) #没看懂  
 def overflow(x, size=400) #图像大小判断  
-def edge_align(coords, filename, size, division=9) #图像边缘对齐(没有引用该方法) 
+def edge_align(coords, filename, size, division=9) #图像边缘对齐(没有引用该方法)  
      
 ----
 ####<span id="network.py">network.py</span>
-class Net(nn.Module) #模型选择（resnet18、resnet50、resnet101、resnext50、vgg16、mobilenetv2、res2net50、mobilenetv2）
+class Net(nn.Module) #模型选择（resnet18、resnet50、resnet101、resnext50、vgg16、mobilenetv2、res2net50、mobilenetv2）  
 
 ----
 ####<span id="edge_utils.py">edge_utils.py</span>
-def predict_single_image(model, image, size) #预测单张图像
+def predict_single_image(model, image, size) #预测单张图像  
 
 ----
 ####<span id="edge_detector.py">edge_detector.py</span>
-class EdgeDetector(object) #边缘检测类
+class EdgeDetector(object) #边缘检测类  
 
 ----
 ####<span id="dht.py">dht.py</span>
 class DHT_Layer(nn.Module) # 深度霍夫变换网络结构  
-class DHT(nn.Module) 深度霍夫变换的引用
+class DHT(nn.Module) 深度霍夫变换的引用  
 
 ----
 ####<span id="geometry_utils.py">geometry_utils.py</span>
@@ -170,10 +171,10 @@ class CbMaskDetection(object) #皮带mask检测类
 
 ----
 ####<span id="run.py">run.py</span>
-class Detector(object) #画图、检测集合类
-def predict_image(detector, image_path) #图像检测
-def predict_video(video_path, detector) #视频检测
-def main() #主函数
+class Detector(object) #画图、检测集合类  
+def predict_image(detector, image_path) #图像检测  
+def predict_video(video_path, detector) #视频检测  
+def main() #主函数  
 
 ----
 ####<span id="roller.py">roller.py</span>
@@ -207,7 +208,7 @@ def group_weight(weight_group, module, norm_layer, lr) #(没有引用该方法)
 class ConvBlock(torch.nn.Module) #卷积块  
 class Spatial_path(torch.nn.Module) #Spatial Path部分，用于保存空间信息  https://zhuanlan.zhihu.com/p/47250633  
 class AttentionRefinementModule(torch.nn.Module) #Context Path部分，U形结构  
-class FeatureFusionModule(torch.nn.Module) #特征融合模块
+class FeatureFusionModule(torch.nn.Module) #特征融合模块  
 class BiSeNet(torch.nn.Module) #BiSeNet模型  
 
 ----
@@ -215,14 +216,14 @@ class BiSeNet(torch.nn.Module) #BiSeNet模型
 def cal_dis_point_line(point, line_point) #求托辊关键点到皮带边缘线的距离  
 def fitting_straight_line_function(x, k, b) #直线方程表达式  
 def ignore_center(self, height, width, x_min, y_min, x_max, y_max) # 检查托辊框是否越界  
-def select_bbox(self, coordinate_list, width, height) #选择托辊框，将不符合规则的托辊框剔除
+def select_bbox(self, coordinate_list, width, height) #选择托辊框，将不符合规则的托辊框剔除  
 def justify_point_side(self, top_down_label_dict, points_list)#根据上下皮带边缘线进行托辊上下边缘位置分类  
-def get_roller_line(self, point_side_label, coordinate_list, top_down_label_dict, height, width)# 根据上下皮带边缘线挑选托辊框关键点并拟合直线 
-def get_roller_info(self, top_down_label_dict, coordinate_list, width, height) 主方法
+def get_roller_line(self, point_side_label, coordinate_list, top_down_label_dict, height, width)# 根据上下皮带边缘线挑选托辊框关键点并拟合直线  
+def get_roller_info(self, top_down_label_dict, coordinate_list, width, height) 主方法  
 
 ---
 ###运行程序  
-根据 https://github.com/Hanqer/deep-hough-transform 教程安装deep-hough
+根据 https://github.com/Hanqer/deep-hough-transform 教程安装deep-hough  
 运行 run.py