抽烟打电话行为识别系统
行为 识别系统 打电话 抽烟
2023-06-13 09:16:26 时间
抽烟打电话行为识别系统通过yolo深度学习框架模型,对现场画面区域进行7*24小时实时监测,抽烟打电话行为识别系统发现抽烟打电话等违规行为立即抓拍存档预警。YOLOv5是一种单阶段目标检测算法,该算法在YOLOv4的基础上添加了一些新的改进思路,使其速度与精度都得到了极大的性能提升。在模型训练阶段,提出了一些改进思路,主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放。
Mosaic数据增强的作者也是来自YOLOv5团队的成员,通过随机缩放、随机裁剪、随机排布的方式进行拼接,对小目标的检测效果很不错。融合其它检测算法中的一些新思路,主要包括:Focus结构与CSP结构。在目标检测领域,为了更好的提取融合特征,通常在Backbone和输出层,会插入一些层,这个部分称为Neck。Yolov5中添加了FPN+PAN结构,相当于目标检测网络的颈部,也是非常关键的。
目标检测架构分为两种,一种是two-stage,一种是one-stage,区别就在于 two-stage 有region proposal过程,类似于一种海选过程,网络会根据候选区域生成位置和类别,而one-stage直接从图片生成位置和类别。今天提到的 YOLO就是一种 one-stage方法。YOLO是You Only Look Once的缩写,意思是神经网络只需要看一次图片,就能输出结果。
相关文章
- CVPR 2022 ActivityNet竞赛冠军:中科院深圳先进院提出高低分双模态行为识别框架
- spring事务的传播行为和隔离级别_spring常用的事务传播行为
- SPSS用KMEANS(K均值)、两阶段聚类、RFM模型在P2P网络金融研究借款人、出款人行为数据规律|附代码数据
- R语言用RFM、决策树模型顾客购书行为的数据预测
- 召回和排序模型中的用户行为序列的建模
- 1亿个行为数据,知乎、清华大学开放国内最大个性化推荐实际交互数据集ZhihuRec
- 行为识别预警系统
- Spark项目之电商用户行为分析大数据平台之(十二)Spark上下文构建及模拟数据生成详解大数据
- 涅槃团队:Xcode幽灵病毒存在恶意下发木马行为