YOLOV3对象检测 YOLOV3的基础知识大家可以参考往期文章,本期重点介绍如何使用python来实现 图片识别1、初始化模型 14-16 行: 模型的初始化依然使用cv下的DNN模型来加载模型,需要注意的是CV的版本需要大于3.4.2 5-8行: 初始化模型在coco上的label以便后期图片识别使用 10-12行: 初始化图片显示方框的颜色 初始化模型 2、加载图片,进行图片识别 输入识别的图片进行图片识别,这部分代码跟往期的SSD 以及RCNN目标检测算法类似 19-20行:输入图片,获取图片的长度与宽度 25-29行:计算图片的blob值,输入神经网络,进行前向反馈预测图片 只不过net.forward里面是ln, 神经网络的所有out层 图片识别 3、遍历所有的out层,获取检测图片的label与置信度 遍历out层,获取检测到的label值以及置信度,检测到这里YOLOV3以及把所有的检测计算完成,但是由于yolov3对重叠图片或者靠的比较近的图片检测存在一定的问题,使用YOLOV3使用非最大值抑制来抑制弱的重叠边界 遍历图片 竟然把墨镜识别了手机,体现了YOLOV3在重叠图片识别的缺点 4、应用非最大值抑制来抑制弱的重叠边界,显示图片 56: 使用非最大值抑制来抑制弱的重叠边界 58-59行:遍历所有图片 61-62行:提取检测图片的BOX 64-68行:显示图片信息 70-71行:显示图片 显示图片 |
|
来自: taotao_2016 > 《图像处理》