基於樹莓派與YOLOv3模型的人體目標檢測小車（二）
上篇文章介紹了如何搭建深度學習環境，在Ubuntu18.04TLS上搭建起了 CUDA：9.0+cuDNN7.0+tensorflow-gpu 1.9 的訓練環境。本篇文章將介紹如何制作自己的數據集，並訓練模型。 本文訓練數據集包括從VOC數據集中提取出6095張人體圖片，以及使用 ...
原文：基於樹莓派與YOLOv3模型的人體目標檢測小車（一）
項目介紹： 本科畢業選的深度學習的畢設，一開始只是學習了一下YOLOv 模型， 按照作者的指示在官網上下載下來權重，配好環境跑出來Demo,后來想着只是跑模型會不會太單薄，於是想了能不能做出來個比較實用的東西 因為模型優化做不了 。於是乎做一個可以檢測人體的可操控移動小車的想法就誕生了。 實現的功能： . 控制小車行進，並實時檢測人體目標。 . 作為家庭監控，可以將出現在攝像頭中的人體目標通過微信 ...
2020-03-31 16:20 0 2900 推薦指數：
相關推薦
基於樹莓派與YOLOv3模型的人體目標檢測小車（四）
前面幾篇文章完成了訓練端和部署端的環境搭建以及模型的訓練，並經過兩次模型轉化最終將YOLOv3 TINY模型部署在了樹莓派上。其實最核心的內容已經完成了，接下來就是一些應用層面的東西了。 樹莓派控制馬達： 1. 材料硬件： 1.樹莓派3B+ 2.四個直流電機 3.一個小車底盤+四個車輪 ...
基於樹莓派與YOLOv3模型的人體目標檢測小車（三）
模型效果： 在上文中，我們制作了數據集，並利用數據集進行了模型的訓練，利用靜態圖片和視頻對模型的檢測效果進行了檢驗，發現效果還是不錯的。 前兩張為靜態圖片檢測，后一張為視頻檢測效果截圖。 但是模型要想部署在算力微弱的樹莓派上，還需要進行兩次模型轉化才能運行在NCS上進 ...
YOLOV3目標檢測模型訓練實例
YOLOV3目標檢測 從零開始學習使用keras-yolov3進行圖片的目標檢測，比較詳細地記錄了准備以及訓練過程，提供一個信號燈的目標檢測模型訓練實例，並提供相關代碼與訓練集。 DEMO測試 YOLO提供了模型以及源碼，首先使用YOLO訓練好的權重文件進行快速測試，首先下載權重文件 ...
目標檢測之YOLOv3
2/YOLO 9000深入理解。 YOLOv3的改進有：調整了網絡結構；利用多尺度特征進行對象檢測；對象 ...
目標檢測-基於Pytorch實現Yolov3（1）- 搭建模型
原文地址：https://www.cnblogs.com/jacklu/p/9853599.html 本人前段時間在T廠做了目標檢測的項目，對一些目標檢測框架也有了一定理解。其中Yolov3速度非常快，效果也還可以，但在github上還沒有完整的基於pytorch的yolov3代碼，目前star ...
目標檢測網絡之 YOLOv3
本文逐步介紹YOLO v1~v3的設計歷程。 YOLOv1基本思想 YOLO將輸入圖像分成SxS個格子，若某個物體 Ground truth 的中心位置的坐標落入到某個格子，那么這個格子就負責檢測出這個物體。 每個格子預測B個bounding box及其置信度(confidence ...
opencv4.4使用yolov3和yolov4模型檢測目標
yolov3： # -*- coding: utf-8 -* import numpy as np import cv2 as cv import os import time yolo_dir ...