目标检测原理&代码实现(pytorch+yolov3)

目录

  • 一、目标检测 VS 图像分类 VS 图像分割
  • 二、目标检测
    • 1、目标检测基础理论
    • 2、基于深度学习的目标检测
      • Two-stage流程
      • One-stage流程
    • 3、人脸业务场景
  • 三、代码实践

说明:最近学习目标检测相关知识并进行简单记录,推荐先学习原理部分,再入手代码,每部分都附上学习视频。

一、目标检测 VS 图像分类 VS 图像分割

理论学习:视频推荐
图像分类只需要将图片分类别即可,目标检测,先定位再分类
目标检测原理&代码实现(pytorch+yolov3)_第1张图片
目标检测原理&代码实现(pytorch+yolov3)_第2张图片
目标定位/检测:大体定位出框子
语义分割:相同语义的为一类颜色,图中紫色,像素级别
实例分割:每个物体精确分割好,再进一步

二、目标检测

1、目标检测基础理论

流程:
two stage:
先选择候选框,对框中像素进行特征提取(浅层的:颜色,hog直方图),对框子进行分类判决svw,通过非极大值致抑制的方法进行分类框合并。
one stage:下面蓝色部分,直接预测输出(4个位置+1个置信度+c维的分类情况),而不用上面的那种分别进行pooling抠图,再分类回归的过程。
目标检测原理&代码实现(pytorch+yolov3)_第3张图片

目标检测原理&代码实现(pytorch+yolov3)_第4张图片
目标检测原理&代码实现(pytorch+yolov3)_第5张图片
目标检测原理&代码实现(pytorch+yolov3)_第6张图片
目标检测原理&代码实现(pytorch+yolov3)_第7张图片
目标检测原理&代码实现(pytorch+yolov3)_第8张图片

2、基于深度学习的目标检测

目标检测原理&代码实现(pytorch+yolov3)_第9张图片

Two-stage流程

目标检测原理&代码实现(pytorch+yolov3)_第10张图片
目标检测原理&代码实现(pytorch+yolov3)_第11张图片
目标检测原理&代码实现(pytorch+yolov3)_第12张图片
目标检测原理&代码实现(pytorch+yolov3)_第13张图片
目标检测原理&代码实现(pytorch+yolov3)_第14张图片
目标检测原理&代码实现(pytorch+yolov3)_第15张图片

One-stage流程

在嵌入式使用中,倾向于使用one-stage速度快
目标检测原理&代码实现(pytorch+yolov3)_第16张图片
目标检测原理&代码实现(pytorch+yolov3)_第17张图片
目标检测原理&代码实现(pytorch+yolov3)_第18张图片
目标检测原理&代码实现(pytorch+yolov3)_第19张图片
目标检测原理&代码实现(pytorch+yolov3)_第20张图片
目标检测原理&代码实现(pytorch+yolov3)_第21张图片
目标检测原理&代码实现(pytorch+yolov3)_第22张图片
目标检测原理&代码实现(pytorch+yolov3)_第23张图片
目标检测原理&代码实现(pytorch+yolov3)_第24张图片
目标检测原理&代码实现(pytorch+yolov3)_第25张图片
目标检测原理&代码实现(pytorch+yolov3)_第26张图片
目标检测原理&代码实现(pytorch+yolov3)_第27张图片

3、人脸业务场景

目标检测原理&代码实现(pytorch+yolov3)_第28张图片
目标检测原理&代码实现(pytorch+yolov3)_第29张图片
目标检测原理&代码实现(pytorch+yolov3)_第30张图片

三、代码实践

锚点、先验框是事先超参设置好的,然后根据训练结果进行两者的微调。
参考1:目标检测先验框和模型原理
参考2:anchor锚点
参考3:代码部署视频,此博主代码已实验过,可以正常运行
目标检测原理&代码实现(pytorch+yolov3)_第31张图片

目标检测原理&代码实现(pytorch+yolov3)_第32张图片
目标检测原理&代码实现(pytorch+yolov3)_第33张图片
目标检测原理&代码实现(pytorch+yolov3)_第34张图片

目标检测原理&代码实现(pytorch+yolov3)_第35张图片
目标检测原理&代码实现(pytorch+yolov3)_第36张图片
目标检测原理&代码实现(pytorch+yolov3)_第37张图片
目标检测原理&代码实现(pytorch+yolov3)_第38张图片

你可能感兴趣的