keras - 我可以在已经分割的小图像上训练 YOLO 并在大图像上测试它以进行检测吗?
问题描述
我一直在考虑构建一个用于检测停车场占用率的 YOLO 模型,我为每个停车位提供了所有小的分割图像。我可以在这些已经划分为单独的空类和占用类的小图像上训练 YOLO,并在测试图像上进行测试,比如一个有 28 个停车位的停车场的 ariel 视图,模型应该检测到占用和空的空间。如果是,那么有人可以指导我如何解决这个问题吗?我将使用在 Keras 上实现的 YOLO。
解决方案
YOLO 是一个对象检测模型。在训练期间,它将图像中边界框的坐标作为输入,并学习识别这些边界框内的图像。根据您的问题陈述,如果您有停车场的鸟瞰图,则绘制边界框,生成 xml 文件(根据您的培训要求)并开始培训。理想情况下,这应该为您提供所需的预测模型。
标记图像的免费工具 - https://github.com/tzutalin/labelImg
Github 项目了解如何在自定义数据集上在 Keras 中训练 Yolo - https://github.com/experiencor/keras-yolo2
无论如何,鉴于您没有提供任何代码或图像,这不是为您的问题量身定制的完美解决方案。但这是一个很好的起点。
推荐阅读
- c++ - 计算随机正交矩阵的机器精度问题
- python - 如何使用 discord.py 发送消息
- vb.net - 使用 http post 查询 microsoft graph 时出现 400 错误请求
- python-3.x - 如何使用python按日期拆分列
- ios - Appstore 版本 API 给出不同的版本
- javascript - How do I pass module.exports in my index.js / discord.js
- serial-port - pySerial 拒绝 USB VCP 访问
- node.js - Local images no loading on React
- f# - How to make FSI work under NET5 and make stupid stackoverflow message "Title cannot contain ..." shut up?
- scilab - Embedding an fsolve into an ODE as opposed to using DAE solver in Scilab