Войти
Обнаруженные объекты с O Модуль глубокой нейронной сети PenCV (dnn) с использованием модели YOLOv3, обученной на наборе данных COCO, способной обнаруживать объекты 80 общих классов. Обнаружение объектов - это компьютерная технология, связанная с компьютерным зрением и обработка изображений, которая занимается обнаружением экземпляров семантических объектов определенного класса (таких как люди, здания или автомобили) в цифровых изображениях и видео. Хорошо изученные области обнаружения объектов включают обнаружение лиц и обнаружение пешеходов. Обнаружение объектов находит применение во многих областях компьютерного зрения, включая поиск изображений и видеонаблюдение.
Он широко используется в задачах компьютерного зрения, таких как аннотации изображений, распознавание активности, распознавание лиц, распознавание лиц, совместная сегментация видеообъектов. Он также используется в отслеживании объектов, например, отслеживании мяча во время футбольного матча, отслеживании движения биты для крикета или отслеживании человека на видео.
Каждый объект класс имеет свои собственные специальные функции, которые помогают в классификации класса - например, все круги круглые. Обнаружение класса объекта использует эти специальные функции. Например, при поиске кругов ищутся объекты, находящиеся на определенном расстоянии от точки (т. Е. Центра). Точно так же при поиске квадратов необходимы объекты с перпендикулярными углами и равными длинами сторон. Аналогичный подход используется для идентификации лица, где можно найти глаза, нос и губы и можно найти такие элементы ,, как цвет кожи и расстояние между глазами.
Сравнение скорости и точности различных детекторов в наборе данных Microsoft COCO testdev http://mscoco.org (Все значения находятся в https: // arxiv.org статей авторов этих алгоритмов) Методы обнаружения объектов обычно относятся либо к подходам на основе машинного обучения, либо к подходам на основе глубокого обучения. Для подходов к машинному обучению становится необходимым сначала определить функции с помощью одного из приведенных ниже методов, а затем использовать такую методику, как support vector machine (SVM), чтобы выполнить классификацию. С другой стороны, методы глубокого обучения могут выполнять сквозное обнаружение объектов без специального определения функций и обычно основаны на сверточных нейронных сетях (CNN).
