zoukankan      html  css  js  c++  java
  • YOLO模型对图片中车辆的识别比对

    1,模型对比结果

    ²        标准Yolo v3模型

    ²        标准Yolo v3 tiny模型

    ²        标准Yolo v2 tiny模型

    ²        用户训练yolo truck模型

    详细测试情况见后。结果汇总如下:

    测试情景

    识别结果

    Yolo v3

    Yolo v3 tiny

    yolo truck

    Yolo v2 tiny

    室外8车

    识别车辆数

    7

    2

    2

    识别时间(秒)

    25

    2.5

    12

    室内2车,黑车完整,红车半截可见

    识别车辆数

    2

    0

    0

    1

    识别时间(秒)

    25

    2.5

    12

    2.3

    室内红车

    识别车辆数

    1

    0

    1

    识别时间(秒)

    25

    2.5

    2.3

    室内白车

    识别车辆数

    1

    0

    0

    识别时间(秒)

    25

    2.5

    2.3

    室内白色吉普,带2个部分车身

    识别车辆数

    3

    0

    0

    识别时间(秒)

    25

    2,对室外车辆的识别

    2.1 V3完整模型

     

     

    2.2 V3 tiny模型

     

     

    2.3 卡车定制模型

    darknet.exe detector test cfg/obj.data cfg/yolo-obj.cfg YOLO_obj_truck.weights test_vehicle2.jpg

     

     

    3,对室内车辆的识别

    3.1 V3完整模型

     

       

      识别正确!                                      识别正确!

     

    识别正确!

    3.2 V3 tiny模型

    共识别了3张图,1张识别错误,2张未识别到车辆。效果为不能接受。

     

     

    上图红车未识别出来,黑车识别错误!

     

      上图红车和白车均未识别出来!

    3.3 V2 tiny模型

    共识别了3张图,2张识别正确,1张未识别到车辆。效果一般。

     

           

    但白车未能识别。

    3.4 卡车定制模型

     

     因为模型是针对卡车训练的,所以没有车子被检测到!

  • 相关阅读:
    python小练习
    python学习笔记
    google测试之道读书笔记一
    webservice头部认证
    我们需要什么样的测试?
    pt-ioprofile在CentOS7上无法运行的解决办法
    推荐Nginx系列文章
    linux开启coredump的3种方法
    55, select/poll returned error
    centos ftp安装
  • 原文地址:https://www.cnblogs.com/jackkwok/p/9100660.html
Copyright © 2011-2022 走看看