Đăng nhập

Hãy chọn một cách để đăng nhập

Hoặc tiếp tục với email

Nhớ mật khẩu

Chưa có tài khoản? Đăng ký

Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox

53 33 0

Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

1

/ 53 trang

Thông tin tài liệu

Ngày đăng: 28/11/2021, 09:20

Xem thêm:

Hình ảnh liên quan

1. Sản phẩm: Mô hình thùng rác di động bao gồm giải pháp phần mềm xử lý tránh vật cản, xử lý nhận diện cử chỉ bàn tay(bàn tay mở), giao tiếp qua app điều khiển và phần cứng mô hình thùng rác di động. - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — 1..
Sản phẩm: Mô hình thùng rác di động bao gồm giải pháp phần mềm xử lý tránh vật cản, xử lý nhận diện cử chỉ bàn tay(bàn tay mở), giao tiếp qua app điều khiển và phần cứng mô hình thùng rác di động Xem tại trang 2 của tài liệu.

Geometric filters Bộ lọc hình học - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — eometric.
filters Bộ lọc hình học Xem tại trang 13 của tài liệu.

Bảng 0.1 chú giải - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Bảng 0.1.
chú giải Xem tại trang 13 của tài liệu.

Bảng 0.2 từ ngữ viết tắt - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Bảng 0.2.
từ ngữ viết tắt Xem tại trang 14 của tài liệu.

Bảng 0.2 từ ngữ viết tắt - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Bảng 0.2.
từ ngữ viết tắt Xem tại trang 14 của tài liệu.

2.1 Phân loại hình ảnh và phát hiện đối tượng 2.1.1Phân loại hình ảnh - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — 2.1.
Phân loại hình ảnh và phát hiện đối tượng 2.1.1Phân loại hình ảnh Xem tại trang 20 của tài liệu.

(Hình 2.2). Mỗi lớp có một API đơn giản: nó biến đổi một khối 3D đầu vào thành một khối 3D đầu ra với một số chức năng khác nhau có thể có hoặc không có tham số[9] - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 2.2.
. Mỗi lớp có một API đơn giản: nó biến đổi một khối 3D đầu vào thành một khối 3D đầu ra với một số chức năng khác nhau có thể có hoặc không có tham số[9] Xem tại trang 22 của tài liệu.

Hình 2.3 Ví dụ minh họa các lớp của ConvNet[10] - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 2.3.
Ví dụ minh họa các lớp của ConvNet[10] Xem tại trang 23 của tài liệu.

Hình 2.4 Ví dụ minh họa các lớp của ConvNet[10] - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 2.4.
Ví dụ minh họa các lớp của ConvNet[10] Xem tại trang 24 của tài liệu.

Hình 2.5 Pooling Layer - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 2.5.
Pooling Layer Xem tại trang 25 của tài liệu.

Hình 2.5 Hidden layer trong neural network[13] - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 2.5.
Hidden layer trong neural network[13] Xem tại trang 25 của tài liệu.

Hình 2.6 Cấu trúc của mạng VGG16 - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 2.6.
Cấu trúc của mạng VGG16 Xem tại trang 27 của tài liệu.

Bảng 2.0.1 Thống kê so sánh các thuộc tính đối với các thuật toán - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Bảng 2.0.1.
Thống kê so sánh các thuộc tính đối với các thuật toán Xem tại trang 28 của tài liệu.

Hình 3.1 Sơ đồ mạng kiến trúc SSD[22] - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 3.1.
Sơ đồ mạng kiến trúc SSD[22] Xem tại trang 31 của tài liệu.

Hình 3.2 Các hộp mặc định và tỷ lệ hướng của SSD - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 3.2.
Các hộp mặc định và tỷ lệ hướng của SSD Xem tại trang 33 của tài liệu.

Hình 3.3 Minh họa Jaccard overlap - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 3.3.
Minh họa Jaccard overlap Xem tại trang 34 của tài liệu.

Nếu để nguyên các giá trị tọa độ tâm và kích thước của khung hình sẽ rất khó để xác định sai số một cách chuẩn xác - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — u.
để nguyên các giá trị tọa độ tâm và kích thước của khung hình sẽ rất khó để xác định sai số một cách chuẩn xác Xem tại trang 36 của tài liệu.

4.2 Sơ đồ tổng quan mô hình - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — 4.2.
Sơ đồ tổng quan mô hình Xem tại trang 40 của tài liệu.

Trước khi huấn luyện một mô hình, tiền xử lý dữ liệu là một bước rất quan trọng. Bước này giúp dữ liệu đầu vào của mô hình tối ưu hơn, khả năng huấn luyện cho ra kết quả đầu ra tốt hơn - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — r.
ước khi huấn luyện một mô hình, tiền xử lý dữ liệu là một bước rất quan trọng. Bước này giúp dữ liệu đầu vào của mô hình tối ưu hơn, khả năng huấn luyện cho ra kết quả đầu ra tốt hơn Xem tại trang 41 của tài liệu.

4.5 Xây dựng mô hình - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — 4.5.
Xây dựng mô hình Xem tại trang 42 của tài liệu.

4.6 Huấn luyện và xây dựng mô hình thời gian thực - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — 4.6.
Huấn luyện và xây dựng mô hình thời gian thực Xem tại trang 43 của tài liệu.

Bảng 4.1 Các tham số huấn luyện - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Bảng 4.1.
Các tham số huấn luyện Xem tại trang 44 của tài liệu.

Đầu tiên để khởi tạo một mô hình, ta phải khởi tạo các tham số đầu vào cơ bản của ảnh như: chiều dài, chiều rộng, số kênh, số lượng nhãn, các giá trị của mỗi tầng nhận diện, các tham số để biến đổi các hộp cố định - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — u.
tiên để khởi tạo một mô hình, ta phải khởi tạo các tham số đầu vào cơ bản của ảnh như: chiều dài, chiều rộng, số kênh, số lượng nhãn, các giá trị của mỗi tầng nhận diện, các tham số để biến đổi các hộp cố định Xem tại trang 44 của tài liệu.

Hình 4.15 Dự đoán các xe. - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 4.15.
Dự đoán các xe Xem tại trang 45 của tài liệu.

Hình 4.2 thể kiện kết quả kiểm tra trên ảnh được lấy từ bộ dữ liệu Pascal VOC có độ chính xác khoảng 90% - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 4.2.
thể kiện kết quả kiểm tra trên ảnh được lấy từ bộ dữ liệu Pascal VOC có độ chính xác khoảng 90% Xem tại trang 46 của tài liệu.

Hình 4.8 Nhận dạng đối tượng qua video - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox — Hình 4.8.
Nhận dạng đối tượng qua video Xem tại trang 48 của tài liệu.

Từ khóa liên quan

Tài liệu cùng người dùng

Đang cập nhật ...

Tài liệu liên quan

Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox
53 33 0
Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu
59 295 2
Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu
60 61 0
XÂY DỰNG THIẾT BỊ NHẬN BIẾT PHƯƠNG TIỆN GIAO THÔNG SỬ DỤNG CẢM BIẾN TỪ TRỞ XÂY DỰNG THIẾT BỊ NHẬN BIẾT PHƯƠNG TIỆN GIAO THÔNG SỬ DỤNG CẢM BIẾN TỪ TRỞ
52 891 4
Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu (Luận văn thạc sĩ) Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu (Luận văn thạc sĩ)
59 755 5
Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu (tt) Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu (tt)
20 128 1
Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu (tóm tắt luận văn ) Nhận dạng phương tiện giao thông sử dụng kỹ thuật học sâu (tóm tắt luận văn )
20 44 0
Tái nhận dạng phương tiện giao thông sử dụng mạng kết hợp các đặc trưng học sâu Tái nhận dạng phương tiện giao thông sử dụng mạng kết hợp các đặc trưng học sâu
7 12 0