Публикации по теме 'yolo'
YOLO v1: Часть 1
YOLO, сокращение от You Only Look Once, - это сверточная архитектура нейронной сети, разработанная для обнаружения объектов. Существует 3 версии YOLO, а именно версия 1, версия 2 и версия 3. Последние две версии являются улучшением первой. В этой серии статей я расскажу о статье YOLO v1. Обратите внимание, что эта серия предназначена для выделения основных моментов документа с упрощенными пояснениями.
Введение:
Обнаружение объекта - это проблема локализации и классификации..
Обнаружение групп целей на изображении с помощью глубокого обучения и OpenCV
При обнаружении предметов и людей иногда возникает вопрос об выделении групп людей в отдельный фрейм для последующей обработки. Существует множество вариантов решения этой проблемы, но в этой статье я опишу подход, который позволяет достичь желаемого результата, соединяя глубокое обучение с компьютерным зрением.
Для начала нужно понять, что считается группой. К группе людей было решено относиться как к группе из трех и более человек, визуально расположенных поблизости.
Инструменты..
Сравнительный анализ масштабируемого обнаружения объектов YOLOv4 на наборе данных Citypersons
ScaledYOLOv4 - лучшая из доступных на данный момент моделей обнаружения объектов. Но насколько хорошо это работает с изображениями вне набора данных? В этом блоге мы проверим, насколько хорошо модель обобщает, пропустив ее через набор данных CityPersons (https://www.cityscapes-dataset.com/downloads/), используя предварительно обученные веса модели. Для этой демонстрации мы будем с помощью Google Colab, так как он обеспечивает бесплатный доступ к графическим процессорам для..
Как конвертировать модели NCNN
Я обнаружил, что NCNN - это быстрая кроссплатформенная структура развертывания модели глубокого обучения. Особенно для мобильных приложений. NCNN активно используют openMP для ускорения работы нейронной сети.
Контрольный показатель :
Я протестировал производительность крошечной модели yolov2 при развертывании на Samsung S7 (телефон на базе Android qualcomm 820 SOC) с тензорным потоком, тензорным потоком lite и NCNN. Модель представляет собой простую игрушечную танковую детекторную..
Обнаружение объектов с помощью OpenCV YOLO
Вы только посмотрите один раз (YOLO) — это современная система обнаружения объектов в реальном времени.
Он применяет одну нейронную сеть к полному изображению. Эта сеть делит изображение на области и прогнозирует ограничивающие рамки и вероятности для каждой области. Эти ограничивающие рамки взвешиваются по предсказанным вероятностям. Он просматривает все изображение во время тестирования, поэтому его прогнозы основаны на глобальном контексте изображения. Это очень быстро, более чем..
Определите поля привязки для обнаружения объектов
YOLO — это алгоритм обнаружения объектов, который работает намного быстрее, чем любые другие алгоритмы обнаружения объектов. Как следует из названия, YOLO выполняет операцию прямой связи только один раз для изображения, поэтому работает быстрее, чем модели на основе регионов.
Вторая версия YOLO, называемая YOLOv2, работает быстрее, чем YOLO, и использует некоторые новые методы для более точного и быстрого прогнозирования. Один из них использует Anchor Boxes.
Anchor Boxes — это..
Электронная рикша с самостоятельным вождением
ВВЕДЕНИЕ:
В современную эпоху транспортные средства ориентированы на автоматизацию, чтобы водитель мог спокойно управлять автомобилем. В ближайшие годы мы, по сути, сможем делать в машине все, что захотим, будь то сон, чтение новостей или видеочат с друзьями. Автомобиль сделает все за нас, что позволит нам сэкономить время в дороге. Автономные транспортные средства позволили бы транспорту быть точным и безопасным, тем самым уменьшая количество ненужных смертей. В области автомобилей..
