Resize輸入的圖到448*448 執行一個卷積神經網路 基於模型輸出的信心程度(Confidence)依據閾值和Non-max suppression得到偵測結果 YOLO用的卷積神經網路 YOLO的卷積網路架構是來自GoogleNet的模型,YOLO的網路有24卷積層(convolutional layer)和2層全連結層(fully connected layer),和GoogleNet不同的地方在於作者在某些3×3的卷積層前面用1×1的卷積層來減少filter數量,(1×1的卷積層通常拿來做降維度的作用,可以減低計算量,且不影響太多mAP)。整體架構如下圖: 卷積神經網路(Convolutional neural network, CNN): 1×1卷積計算 一般API在跑張量(tensor),通常是一個批次量的資料在執行 假設有100筆資料,每個資料都是10*10的彩色圖片(所以每個資料都是3張圖片,分別為R、G、B三張),此時的輸入資料的大小就是100 ×10 ×10 ×3,解讀方式batch ×height × width × channel,這個解讀很重要,因為除了影像的長跟寬之外,又多了兩個分別是batch和channel名詞。
8/27/2020Precision、Recall 一般深度學習看到的指標都是寫AP,AP就是average precision,指標有兩個分別為precision和recall;首先主要先理解:什麼是precision」和「什麼是recall」,和「什麼是AP」 Precision: 「所有被檢測為目標」但「正確分類為目標」的比例。[TP/(TP+FP)] Recall: 資料中的「所有目標」但「正確分類為目標」的比例。[TP/(TP+FN)] 比如說: 有個分類問題要分「狗」和「不是狗」 Precision: 所有被檢測為目標=所有被模型判斷為狗的個數 =是狗且被模型判斷為狗的個數(TP) + 不是狗且被模型判斷為狗的個數(FP)
8/12/2020Extra功能 追蹤運動路線,實時監測運動數據(速度、海拔、時間)、運動數據分級、準確計算卡路里燃燒及豐富的社交功能 總里程、累計用時、運動次數、步數、平均時速、GPS信號強弱顯示、空氣品質顯示 以天氣狀況作為背景圖 發現(商城、陪跑、附近的人、跑步熱點) 動作教學:跑前熱身練習、運動後拉筋、瘦小腿拉伸、跑步下肢力量增強、膝蓋力量增強 在APP上看的到別人公開的運動路線 用戶可以關注某一用戶,可以私聊某一用戶,可以查看其最近運動信息
7/22/2020public Mat [] thresholding(img){ Mat frame = img.rgba(); //Imgproc.cvtColor(frame, frame, Imgproc.COLOR_RGBA2GRAY); //Imgproc.Canny(frame, frame, 100, 80); //RGB灰化 //Mat copyImg = new Mat(); //frame.copyTo(copyImg, img); Imgproc.cvtColor(frame, frame,Imgproc.COLOR_BGR2GRAY);
7/10/2020or
By clicking below, you agree to our terms of service.
New to HackMD? Sign up