水面漂浮物垃圾识别检测系统 智慧水利
水面漂浮物垃圾识别检测系统通过Python+YOLOv7网络模型,水面漂浮物垃圾识别检测系统实现对水面漂浮物以及生活各种垃圾等全天候24小时不间断智能化检测。Python是一种由Guido van Rossum开发的通用编程语言,它很快就变得非常流行,主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码行表达思想,而不会降低可读性。Python可以使用C / C++轻松扩展,这使我们可以在C / C++中编写计算密集型代码,并创建可用作Python模块的Python包装器。这给我们带来了两个好处:首先,代码与原始C / C++代码一样快(因为它是在后台工作的实际C++代码)。
Yolo意思是You Only Look Once,它并没有真正的去掉候选区域,而是创造性的将候选区和目标分类合二为一,看一眼图片就能知道有哪些对象以及它们的位置。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。
YOLOv7 在 5 FPS 到 160 FPS 范围内,速度和精度都超过了所有已知的目标检测器
并在V100 上,30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的,不使用任何其他数据集或预训练权重。相对于其他类型的工具,YOLOv7-E6 目标检测器(56 FPS V100,55.9% AP)比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN(9.2 FPS A100,53.9% AP)速度上高出 509%,精度高出 2%,比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%,精度高出 0.7%。
相关文章
- 涨知识!Python 的异常信息还能这样展现
- Python 多种音乐格式批量转换实战教程
- iPad适合用来写Python吗?
- For-else:Python中一个奇怪但有用的特性
- [oeasy]python0036_牛说_cowsay_小动物说话_asciiart_figlet_lolcat_管道(祝大家新年快乐~)
- 用Python绘制了若干张词云图,惊艳了所有人
- 这个Python神器,能让你摸半天鱼!
- 细思恐极,插上U盘就开始执行Python代码
- 太强了!Python 开发桌面小工具,让代码替我们干重复的工作!
- Python轻量级Web框架:Bottle库!
- Python 实现单例模式的五种写法
- 实战 | 如何用 Python 自动化监控文件夹完成服务部署!
- Python居然被用来开发游戏了?盘点你想不到的Python开发场景
- 挑战不再写Python for 循环
- 用 Taichi 加速 Python:提速 100+ 倍!
- 超全!Python图形界面框架PyQt5使用指南!
- 浅谈Python+requests+pytest接口自动化测试框架的搭建
- Python中常用最神秘的函数! lambda 函数深度总结!
- 八个拿来即用的Python自动化脚本!
- 八个流行的 Python 可视化工具包,你喜欢哪个?