1. Trang chủ
  2. » Giáo Dục - Đào Tạo

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

53 33 0

Đang tải... (xem toàn văn)

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

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 53
Dung lượng 3,71 MB

Nội dung

Ngày đăng: 28/11/2021, 09:20

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 (Trang 2)
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 (Trang 13)
Bảng 0.1 chú giải - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox
Bảng 0.1 chú giải (Trang 13)
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 (Trang 14)
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 (Trang 14)
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 (Trang 20)
(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] (Trang 22)
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] (Trang 23)
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] (Trang 24)
Hình 2.5 Pooling Layer - Nhận diện phương tiện giao thông sử dụng bộ phát hiện single shot multibox
Hình 2.5 Pooling Layer (Trang 25)
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] (Trang 25)
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 (Trang 27)
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 (Trang 28)
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] (Trang 31)
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 (Trang 33)
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 (Trang 34)
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 (Trang 36)
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 (Trang 40)
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 (Trang 41)
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 (Trang 42)
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 (Trang 43)
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 (Trang 44)
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 (Trang 44)
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 (Trang 45)
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% (Trang 46)
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 (Trang 48)

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w