基于深度学习的YOLO目标检测研究-附Matlab代码
目录
- ✳️ 一、引言
- ✳️ 二、YOLO的基本思想
- ✳️ 三、实验验证
- ✳️ 四、参考文献
- ✳️ 五、Matlab代码获取
✳️ 一、引言
目标检测是计算机视觉中的一个研究热点,在很多领域都有应用需求,例如监控安全、自动驾驶、交通监控和机器人视觉等场景。目标检测一般是检测一些预定义类别的目标实例(例如人和车等)。
传统目标检测依赖精巧的手工特征设计与提取,例如方向梯度直方图(Histogram of Oriented Gradient, HOG)。2012年,基于深度卷积神经网络(Convolutional Neural Network, CNN)的AlexNet以显著优势夺得ImageNet图像识别比赛冠军,从此深度学习开始受到广泛的关注。目标检测也逐步进入深度学习时代。
基于深度学习的目标检测依据检测方式被分为两类:两阶段检测和单阶段检测,前者是一个“从粗到细”的过程;而后者端到端“一步完成”。通常,两阶段检测的定位和目标识别精度较高,单阶段检测速度较快。
通常,单阶段检测尝试直接将每个感兴趣区域分类为背景或目标对象。即只通过一个阶段便可直接给出物体的类别概率和位置坐标值。典型代表有YOLO(You Only Look Once)等。
2015年的YOLOv1直接将图像划分为若干区域,并同时预测每个区域的边界框和概率,检测速度得到极大提高。但与当时的两阶段检测器相比,定位精度有所欠缺,特别是对小目标。
YOLO是一种先进的单阶段目标检测框架,经历了v1~v4的演变,到目前为止已发展到结合传统压缩感知的YOLOR(You Only Learn One Representation)和不依赖锚框的YOLOX。
✳️ 二、YOLO的基本思想
YOLOv1的基本框架如图1所示,首先调整输入图片大小到448×448,送入CNN提取特征,然后处理网络预测结果,实现端到端的目标检测。
YOLOv1放弃传统的滑动窗口技术,其CNN将输入图片划分成 网格,然后每个单元格负责去检测那些中心点落在该网格内的目标,每个单元格会预测 个边界框及边界框的置信度。置信度包含该边界框含有目标的可能性大小和该边界框的准确度。每个边界框预测5个元素:(x,y,w,h,c),分别表示边界框的位置、大小与置信度。每个单元格预测(B*5+C)个值,其中C为类别数。之后利用非极大值抑制(Non-Maximum Suppression, NMS)算法进行网络预测。
图1 YOLOv1的网络结构[1]
✳️ 三、实验验证
基于深度学习的YOLO车辆目标检测结果如下图所示。
✳️ 四、参考文献
[1] 邵延华, 张铎, 楚红雨, et al. 基于深度学习的YOLO目标检测综述 [J]. 电子与信息学报, 2022, 44(10): 3697-708.
✳️ 五、Matlab代码获取
上述结果由Matlab代码实现,可私信博主获取。
博主简介:研究方向涉及智能图像处理、深度学习、卷积神经网络等领域,先后发表过多篇SCI论文,在科研方面经验丰富。任何与算法、程序、科研方面的问题,均可私信交流讨论。
基于深度学习的YOLO目标检测研究-附Matlab代码相关推荐
- 目标检测YOLO实战应用案例100讲-基于深度学习的显著性目标检测研究与应用(论文篇)
目录 基于深度学习的显著性目标检测综述 基于深度学习的显著性目标检测分类及难点分析
- 目标检测YOLO实战应用案例100讲-基于深度学习的红外目标检测研究与应用
目录 基于深度学习的红外场景目标检测 基于Transformer的目标检测算法
- 【信号识别】基于深度学习CNN实现信号调制分类附matlab代码
1 简介 大容量.高速率的信息传输需求极大地推动了认知无线电领域的技术发展,其中,复杂电磁环境中信道均衡及通信调制类型识别技术,是该领域重要组成之一.传统的均衡处理主要是利用梯度下降法逼近信道特征,在 ...
- 基于深度学习的小目标检测方法综述
随着深度学习的发展,基于深度学习的目标检测技术取得了巨大的进展,但小目标由于像素少,难以提取有效信息,造成小目标的检测面临着巨大的困难和挑战. 为了提高小目标的检测性能,研究人员从网络结构.训练策略. ...
- 基于深度卷积神经网络的目标检测研究综述
基于深度卷积神经网络的目标检测研究综述 人工智能技术与咨询 来自<光学精密工程> ,作者范丽丽等 摘要:作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究.目标检 ...
- 基于深度学习的视觉目标检测技术综述
基于深度学习的视觉目标检测技术综述--阅读 曹家乐,李亚利,孙汉卿,谢今,黄凯奇,庞彦伟(天津大学, 天津 300072;清华大学, 北京 100084;重庆大学, 重庆 400044;中国科学院自动 ...
- 基于深度学习的显著性目标检测方法综述
源自:电子学报 作者:罗会兰 袁璞 童康 摘 要 显著性目标检测旨在对图像中最显著的对象进行检测和分割,是计算机视觉任务中重要的预处理步骤之一,且在信息检索.公共安全等领域均有广泛的应 ...
- 小目标检测:基于深度学习的小目标检测方法
基于深度学习的小目标检测方法 小目标检测的难点:分辨率低.信息少,噪音多.图像模糊 解决方法:图像金字塔.特征金字塔.对包含小目标的图像进行oversampling.对小目标进行复制粘贴操作(不遮挡原 ...
- 目标检测YOLO实战应用案例100讲-基于深度学习的无人机目标检测算法轻量化研究
目录 基于深度学习的无人机图像目标检测算法研究 目标检测相关技术理论 2.1 引言
最新文章
- 摩拜单车正式进军日本,积极拓展海外市场
- 5kyu Square sums (simple)
- 【Linux网络编程】Linux多播问题(No such device)解决方法
- Revit二次开发之TaskDialog
- 2018年度最佳网页设计与开发教程
- 调洪演算双辅助线法程序(源代码),首次公开!
- 装XP的电脑运行慢与实用解决办法
- 中国行政区划代码,包括五级行政区划详细代码,县级以上区划地理围栏
- hdu2017沈阳网络赛card(结论水题)
- STM32---DMA控制器(DMA)
- 生存分析(Survival Analysis)、Cox风险比例回归模型(Cox proportional hazards model)及
- java通过qq邮箱发送_java通过qq邮箱发送邮件
- 教你如何用插件加速视频播放
- css画心形原理,CSS画心形的三种方法
- 猫哥教你写爬虫 027--模块介绍
- JAVA手机验证码的生成简单实现
- rabbitmq链接超时_RabbitMQ前置SLB中TCP连接超时900秒限制
- android电视横竖屏切换在哪里,Android横竖屏切换总结
- w ndows平板插sim卡,HUAWEI MateBookE怎么插入sim卡上网和接收短信?
- 刘慈欣 计算机工程师,刘慈欣为什么这么厉害 科幻作家刘慈欣作品有哪些