荆州网站建设多少钱,国外网站设计理念,江门有那几间公司做网站的,网站建设发展趋势文章目录 0 前言1 课题背景2 实现效果3 卷积神经网络4 Yolov5算法5 数据集6 最后 0 前言
#x1f525; 优质竞赛项目系列#xff0c;今天要分享的是
#x1f6a9; 深度学习YOLO图像视频足球和人体检测
该项目较为新颖#xff0c;适合作为竞赛课题方向#xff0c;学长非… 文章目录 0 前言1 课题背景2 实现效果3 卷积神经网络4 Yolov5算法5 数据集6 最后 0 前言 优质竞赛项目系列今天要分享的是 深度学习YOLO图像视频足球和人体检测
该项目较为新颖适合作为竞赛课题方向学长非常推荐
学长这里给一个题目综合评分(每项满分5分)
难度系数3分工作量3分创新点5分 更多资料, 项目分享
https://gitee.com/dancheng-senior/postgraduate
1 课题背景
得益于深度学习技术的飞速发展,基于深度学习的目标检测算法研究成为近几年研究的热门方向。 本项目基于Yolov5算法实现图像视频足球和人检测。
2 实现效果 3 卷积神经网络
卷积神经网络CNN是一种包含卷积运算的深层前馈神经网络。传统的神经网络每个神经元权重连接上层的所有神经元所以会出现大量权重值增加整个网络的数据量和复杂程度。CNN则具有两个重要特征则是“局部感知”和“权值共享”可有效提取数据的特征同时降低权值数量。完整的卷积网络通常包括卷积层、池化层、全连接层和输出层。 卷积神经网络的运行流程就是在卷积层进行特征提取池化层进行进一步特征概括最终通过全连接层进行分类的过程流程见下图。根据数据的特征不同卷积网络需要构建不同深度的网络结构越复杂的数据越需要丰富的网络堆叠方式来提取数据的多层特征。 卷积层的提取数据特征的作用方式是通过卷积运算使相同的卷积核根据固定的步长遍历数据。卷积核每遍历一个位置就和前一层中的神经元执行卷积运算它是将矩阵中相同位置的元素直接相乘然后求和的过程。在一维卷积神经网络中按照这个运算逻辑将卷积核矩阵根据步幅值继续向右滑动直到覆盖整个输入矩阵如图。 最后得到卷积后的特征矩阵。在卷积层输入由一组卷积核卷积得到新的特征映射经过激活函数处理传递至下一层。
池化层实现的功能则是对输入数据的降维和抽象通过在空间范围内做维度约减使模型可以抽取更广范围的特征同时减少计算量和参数个数。池化采样主要分为两种方法平均池化采样和最大池化采样。本文采用的是最大池化。池化过程如图。 最终卷积层和池化层提取的所有特征在全连接层中以非线性地拟合输入数据用于分类。
4 Yolov5算法
简介 下图所示为 YOLOv5 的网络结构图分为输入端BackboneNeck 和 Prediction 四个部分。其中 输入端包括 Mosaic 数据增强、自适应图片缩放、自适应锚框计算Backbone 包括 Focus 结构、CSP 结 构Neck 包 括 FPNPAN 结 构Prediction 包 括GIOU_Loss 结构。 相关代码
class Yolo(object):def __init__(self, weights_file, verboseTrue):self.verbose verbose# detection paramsself.S 7 # cell sizeself.B 2 # boxes_per_cellself.classes [aeroplane, bicycle, bird, boat, bottle,bus, car, cat, chair, cow, diningtable,dog, horse, motorbike, person, pottedplant,sheep, sofa, train,tvmonitor]self.C len(self.classes) # number of classes# offset for box center (top left point of each cell)self.x_offset np.transpose(np.reshape(np.array([np.arange(self.S)]*self.S*self.B),[self.B, self.S, self.S]), [1, 2, 0])self.y_offset np.transpose(self.x_offset, [1, 0, 2])self.threshold 0.2 # confidence scores threholdself.iou_threshold 0.4# the maximum number of boxes to be selected by non max suppressionself.max_output_size 10self.sess tf.Session()self._build_net()self._build_detector()self._load_weights(weights_file)5 数据集
数据集包含4000多张标注过的球员与足球
6 最后 更多资料, 项目分享
https://gitee.com/dancheng-senior/postgraduate
