工業(yè)環(huán)境老鼠目標檢測
向AI轉型的程序員都關注了這個號??????
人工智能大數據與深度學習 ?公眾號：datayx
?
本工程著重識別工業(yè)環(huán)境中的老鼠，以便能夠得到及時、有效的處理。本工程的難度如下（如果有條件，養(yǎng)只大貓咪，可能效果更佳....）：
老鼠與背景色難以區(qū)分
老鼠經常出沒在晚上，增加了識別難度
老鼠體型較小，傳統(tǒng)的圖像處理方法和神經網絡方法難以識別
工業(yè)環(huán)境要求較高的處理速度，一般的神經網絡方法難以滿足
項目?獲取方式
關注微信公眾號 datayx? 然后回復?老鼠??即可獲取。
AI項目體驗地址?https://loveai.tech
實現方法簡介
鑒于本項目天然的難度，采用單一手段無法處理，現使用復合方法：
采用YOLOV3-darknet為backbone的主干神經網絡結構，以殘差方減小梯度消失（YOLOV3擁有20+的FPS，能夠滿足高性能的工業(yè)需求）
采用雙幀差分監(jiān)測幀與幀之間像素級別變化，并改動網絡結構做重點監(jiān)督訓練（解決夜晚識別效果差問題、解決老鼠天然保護色問題）
修改主干網絡先驗框尺寸，方便小物體能得到充分的學習（解決小物體檢測問題）
主干網絡的選擇依據：
相比較 Focal Loss for Dense Object Detection 和 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,YOLOV3算法能夠在基本滿足識別效果的同時，保持高速的運算速度
相比較SSD: Single Shot MultiBox Detector算法，二者處理速度相差較小，但是YOLOV3算法對小物體的識別效果更好（能夠靈活改動先驗anchor）
主干網絡結構如下：
自主調整先驗框大?。╝nchor）：
如何使用本項目
模型線上效果展示
以下為工業(yè)環(huán)境實際應用，目標較?。?/strong>
閱讀過本文的人還看了以下文章：
基于40萬表格數據集TableBank，用MaskRCNN做表格檢測
《深度學習入門：基于Python的理論與實現》高清中文PDF+源碼
python就業(yè)班學習視頻，從入門到實戰(zhàn)項目
2019最新《PyTorch自然語言處理》英、中文版PDF+源碼
《21個項目玩轉深度學習：基于TensorFlow的實踐詳解》完整版PDF+附書代碼
PyTorch深度學習快速實戰(zhàn)入門《pytorch-handbook》
【下載】豆瓣評分8.1,《機器學習實戰(zhàn):基于Scikit-Learn和TensorFlow》
《Python數據分析與挖掘實戰(zhàn)》PDF+完整源碼
汽車行業(yè)完整知識圖譜項目實戰(zhàn)視頻(全23課)
李沐大神開源《動手學深度學習》，加州伯克利深度學習（2019春）教材
筆記、代碼清晰易懂！李航《統(tǒng)計學習方法》最新資源全套！
【Keras】完整實現‘交通標志’分類、‘票據’分類兩個項目，讓你掌握深度學習圖像分類
如何利用全新的決策樹集成級聯結構gcForest做特征工程并打分？
Machine Learning Yearning 中文翻譯稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配競賽華人第1名團隊-深度學習與特征工程
不斷更新資源
深度學習、機器學習、數據分析、python
?搜索公眾號添加：?datayx??
機大數據技術與機器學習工程
?搜索公眾號添加：?datanlp
長按圖片，識別二維碼