天堂色网-天堂色综合-天堂社区在线观看-天堂社区在线视频-天天操网-天天操网站

 
當前位置: 首頁 » 行業資訊 » 機器人»三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例
   

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

 46.1K
     [點擊復制]
放大字體  縮小字體 發布日期:2017-08-24   瀏覽次數:540
核心提示:  本文將引見界說成績的方法,和我處理成績的方法。  目次  為何選擇椅子成績?  成績簡略化:在清楚的圖象中停止椅子辨認  進一步的挑釁:找到椅子的地位  一個先輩的對象辨認技巧YOLO概述  將YOLO運

  本文將引見界說成績的方法,和我處理成績的方法。

  目次

  為何選擇“椅子成績”?

  成績簡略化:在清楚的圖象中停止“椅子辨認”

  進一步的挑釁:找到椅子的地位

  一個先輩的“對象辨認”技巧——YOLO概述

  將YOLO運用于“椅子辨認”

  面對的挑釁和將來將采用的步調

  為何選擇“椅子成績”?

  起首我將論述我為何想要在一張照片中“數椅子”。

  在Analytics Vidhya的辦公室里,平日會有10到15小我。但到了炎天,練習生們就會“涌入”我們的辦公室。所以,假如我們要在炎天開全員年夜會,我們就必需要從其他房間里拉出一切空的椅子。

  我是一個特殊懶的人,所以我想,有無一種算法可以或許直接告知我們哪間房間有余暇的椅子。如許一來,我們就不消挨個房間找椅子了,省時又省力。

  這看上去是個再簡略不外的成績,但我可以用它來測驗考試我取得的新技巧。深度進修可以或許處理這個成績嗎?誠實說,我也不肯定深度進修畢竟能不克不及用來處理這一成績,然則試一下總沒有害處,不是嗎?

  成績中需完成的義務

  既然你曾經懂得了我們須要處理的成績,那末接上去我會向你引見我處理成績的進程。我會把這個成績分化為四個分歧的義務——

  假設我們有一個房間的視頻資本,那末在視頻中有無涌現一把椅子?

  假如視頻中涌現了椅子,那末這把椅子在房間的甚么地位呢?

  這把椅子能否被占用了?假如有未被占用的椅子,那末未被占用的椅子數目是若干呢?

  我們應當從哪間房間里搬空椅子?

  我決議先處理一個絕對簡略的成績,然后再測驗考試處理更龐雜的成績。按部就班,一步步到達我的目的。這也是我將這個成績分化為四個分歧的義務的緣由。在本文,我將具體引見前兩個義務的完成進程;在后續文章中,我會持續引見后兩個義務的完成進程。

  成績簡略化:在清楚的圖象中停止“椅子辨認”

  處理“椅子成績”的第一步,也是最簡略的一步,就是斷定圖片中的房間內能否有椅子。如今,我將這個成績進一步簡化——我將收集對視頻資本的需求疏忽,給收集輸出了我拍攝的幾張照片。

  假定我給你兩張照片,你能告知我哪一張照片中有椅子嗎?

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  謎底是第一張,而你畢竟是怎樣曉得的呢?

  由于你見過椅子許多許多次了,所以對你來講斷定圖片里有無椅子其實不難。換言之,你關于實際中的椅子長甚么樣曾經有了懂得。異樣的,我們可以練習一個神經收集,讓收集幫我們完成這個辨認的任務。

  趁便提一下,我們之所以應用神經收集而不消其他的算法,是由于神經收集是在圖象處置成績方面最壯大、最早進的技巧。

  所以,我將一個經由ImageNet數據集預練習的神經收集運用到這些圖象上。

  然則當我讓模子辨認圖象中的對象時,涌現了一個成績——它不克不及精確地分離圖象中的對象。例如,下圖是模子針對圖象的輸入成果。

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  [[('n03179701', 'desk', 0.56483036), ('n03337140', 'file', 0.14689149), ('n04550184', 'wardrobe', 0.03918023)]]

  它將圖片中的“椅子”毛病地斷定成了“書桌”。如許的成果其實使人很掉望,由于書桌和椅子的類似度不高,按理來講長短常輕易辨別的。

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  處理“椅子照樣書桌”的成績

  正如我在之前的文章中提到的,每當我在樹立神經收集時碰到成績,我就會慢慢處理這個成績。我會將每一個步調列成一個清單:

  第一步:檢討收集架構

  第二步:檢討神經收集的超參數

  第三步:檢討收集的龐雜性

  第四步:檢討輸出數據的構造

  第五步:檢討數據的散布

  在一番檢討評價以后,我發明模子的圖象輸出是不準確的,由于我沒有準確地處置圖象的縱橫比例。所以,為懂得決這個成績,我添加了一個自界說代碼,該自界說代碼之前在GitHub上的一個keras成績中涌現過。更新的圖象以下圖:

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  [[('n02791124', 'barber_chair', 0.77817303), ('n03179701', 'desk', 0.090379775), ('n03337140', 'file', 0.033129346)]]

  處置完這個成績今后,模子就可以開端正常地任務,輸入準確的成果了。

  進一步的挑釁:找到椅子的地位

  如今,我們曾經斷定出了圖象中有一把椅子,那末接上去我們就要辨認這把椅子在甚么地位。除這把椅子,我們還要辨認出圖象中的人。我們須要經由過程辨認這小我來斷定這把椅子能否被占用了。這兩個義務(義務二和義務三)將有助于我們處理和處置更年夜的義務,斷定作這把椅子能否被占用了。

  與后面的義務一樣,我們將應用一個預練習的收集,這個收集將給我們供給一個可接收的分數。今朝,YOLO收集是“對象檢測”的最好模子,它可以或許及時地展現相當不錯的機能。在本文,我對YOLO收集做了簡略的引見。上面,我們來看看若何應用YOLO處理這個成績。

  應用YOLO停止“椅子檢測”

  在體系中設置YOLO收集,我們可以依照以下簡略的步調:

  第一步:

  git clone https://github.com/pjreddie/darknet

  cd darknet

  make

  第二步:

  wget https://pjreddie.com/media/files/yolo.weights

  用YOLO來處理我們的成績,你須要輸出以下指令,而且供給你本身圖象的地位

  ./darknet detect cfg/yolo.cfg yolo.weights //data/image.jpg

  在我們的圖象上運用了YOLO以后,我發明其成果異常不錯。上面是一些例子:

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  面對的挑釁和將來將采用的步調

  固然開始停頓得異常順遂,然則依然有成績會障礙這個項目標成長。以下是個中一些成績:

  成績一:這個YOLO模子照樣會涌現一些毛病,它其實不是一個100%準確的模子。好比,鄙人面的這張圖片中,一個渣滓桶居然被毛病地辨認成了一小我!

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  成績二:假如在一張圖象中,一把椅子蓋住了別的一把椅子,算法還能辨認出這把被蓋住的椅子嗎?這是個值得思慮的成績。

三分鐘搞懂深度學習:物體的識別和檢測,以“找椅子”為例

  除這些能夠涌現的成績以外,還有一些加倍現實的細節須要斟酌,好比說,算法推舉一個處理計劃須要多長時光?算法須要運轉甚么類型的硬件?等等。這些都是在把算法作為商品出售之前須要斟酌息爭決的成績。

  異樣,像之前所說的,在這篇文章中只評論辯論后面兩個義務,還沒有觸及到前面兩個義務。那末,接上去的義務就是盤算出房間內的椅子數目,然后樹立起一個“端到端”的產物。

  尾注

  本文內容涵蓋了圖象中的“物體檢測和辨認”,個中的物體就是“椅子”。針對物體辨認,我們用了一個簡略的預練習的模子來辨認圖象中的物體。另外一方面,針對物體檢測,我們應用了YOLO收集——一項異常先輩的對象及時檢測技巧。

只要你關注機器人,你就無法錯過睿慕課

 
 
 
[ 行業資訊搜索 ]  [ 加入收藏 ]  [ 告訴好友 ]  [ 打印本文 ]  [ 關閉窗口 ]
 
 
主站蜘蛛池模板: 国产精品久久久久久久 | 91在线视频免费看 | 一个人看www在线视频 | 你懂的在线视频网站 | 第一福利官方导航大全 | 成人福利免费在线观看 | 日韩欧美高清一区 | 日本三级成人午夜视频网 | 91久久人澡人人添人人爽 | 国产91精品久久久久999 | 韩日视频在线观看 | 成人免费视频网址 | 国产三级在线 | 成人男女网18免费看 | 500福利笫一精品导航 | 中文精品久久久久国产网站 | 日本丝袜护士 | 日韩视频www | videos18欧美另类极品 | 九九影片重口味 | 香蕉成人在线视频 | 美女大黄网站 | 日韩欧一级毛片在线播无遮挡 | 182tv午夜精品视频在线播放 | 日本国产一区在线观看 | 午夜高清在线 | 一个人晚上在线观看的免费视频 | 欧美亚洲专区 | 清风阁我爱干视频 | 九九成人 | 一级aaaaaa毛片免费 | 亚洲一区二区三区高清不卡 | 国产成人精品免费视频动漫 | 欧美在线香蕉在线现视频 | 日韩最新视频一区二区三 | 中日韩欧美视频 | 免费国产成人高清在线观看不卡 | 99视频精品全部免费免费观 | 欧美成人网在线综合视频 | 国产制服在线 | 秋霞午夜伦理片 |