设备指示灯开关状态识别检测系统
2023-02-18 16:49:18 时间
设备指示灯开关状态识别检测系统是基于yolo网络深度学习模型,设备指示灯开关状态识别检测系统对现场画面进行实时监测识别。自动识别仪表示数或开关状态。我们使用YOLO(你只看一次)算法进行对象检测。YOLO是一个聪明的卷积神经网络(CNN),用于实时进行目标检测。该算法将单个神经网络应用于完整的图像,然后将图像划分为多个区域,并预测每个区域的边界框和概率。这些边界框是由预测的概率加权的。要理解YOLO,我们首先要分别理解这两个模型。
Yolo模型采用预定义预测区域的方法来完成目标检测,具体而言是将原始图像划分为 7x7=49 个网格(grid),每个网格允许预测出2个边框(bounding box,包含某个对象的矩形框),总共 49x2=98 个bounding box。我们将其理解为98个预测区,很粗略的覆盖了图片的整个区域,就在这98个预测区中进行目标检测。
YOLOv5中在训练模型阶段仍然使用了Mosaic数据增强方法,该算法是在CutMix数据增强方法的基础上改进而来的。CutMix仅仅利用了两张图片进行拼接,而Mosaic数据增强方法则采用了4张图片,并且按照随机缩放、随机裁剪和随机排布的方式进行拼接而成,具体的效果如下图所示。这种增强方法可以将几张图片组合成一张,这样不仅可以丰富数据集的同时极大的提升网络的训练速度,而且可以降低模型的内存需求。
相关文章
- Charles的代理设置
- 炉石传说有多少张卡牌
- chrome再一次隐藏了http(s)和www
- 关于攒机和买笔记本的建议
- 记一次网站升级
- 玩转VPS之快速搭建HTTP代理
- puppeteer的使用教程1 - 基本用法
- puppeteer的使用教程2 - 更多设置
- mac quick look插件大全
- 记一次frp的被阻断的问题
- centos8终于要来了!
- QNAP安装Entware
- 一个flag引发的惨案(memcached)
- 国内加速Homebrew
- docker系统源加速命令
- Centos8 初体验
- CentOS/RedHat 常用Yum镜像源
- Wget/httrack 爬取整站资源
- 浏览器的中间人攻击
- Apache 通过CGI执行脚本