重磅干货,第一时间送达
优点:速度快,可以与GPU或CPU一起工作
缺点:它只适用于Linux操作系统
优点:速度快,可与GPU或CPU配合使用,同时兼容Linux、Windows和Mac。
缺点:安装真的很复杂,尤其是在windows上
优点:它不需要安装任何东西,除了opencv。
缺点:它仅适用于 CPU,因此您无法获得真正的高速实时处理视频。
YOLO 算法之所以重要,原因如下:
速度:该算法提高了检测速度,因为它可以实时预测物体。
高精度:YOLO 是一种预测技术,可提供准确的结果且背景误差最小。
学习能力:该算法具有出色的学习能力,使其能够学习对象的表示并将其应用于对象检测。
权重文件:它是训练好的模型,是检测物体的算法的核心。
cfg 文件:是配置文件,里面有算法的所有设置。
名称文件:包含算法可以检测到的对象的名称。
然后我们将图像加载到我们想要执行对象检测的位置,并且我们还获得了它的宽度和高度。
现在我们已经准备好算法和图像,是时候将图像传递到网络并进行检测了。
请记住,我们不能立即使用网络上的完整图像,但首先我们需要将其转换为 blob。Blob 它用于从图像中提取特征并调整它们的大小。YOLO 接受三种尺寸:
320×320 体积小,精度低但速度更快
609×609 更大,精度高,速度慢
416×416 它在中间,两者都有
Box:包含围绕检测到的对象的矩形的坐标。
标签:它是检测到的对象的名称
Confidence:关于检测的置信度从 0 到 1。
总结一下:
我们已经获得了对象检测和 YOLO 算法的概述。
我们已经了解了 YOLO 算法之所以重要的主要原因。
我们已经了解了 YOLO 算法的工作原理。我们还了解了 YOLO 用于检测对象的主要技术。
我们已经了解了 YOLO 的实际应用。
源码链接:https://github.com/MrBam44/YOLO-object-detection-using-Opencv-with-Python
好消息!
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1:OpenCV-Contrib扩展模块中文版教程
联系客服