Дом » искусственный интеллект » Какой алгоритм используется для обнаружения объекта?

Какой алгоритм используется для обнаружения объекта?

511
Последнее обновление: 2021-09-14 13:29:44


Ответить:
Заключение. В этом посте мы обрисовали в общих чертах два наиболее часто применяемых алгоритма обнаружения объектов - HOG и YOLO. HOG - это дескриптор функции, который, как было доказано, хорошо работает с SVM и аналогичными моделями машинного обучения, тогда как YOLO используется в нейронных сетях на основе глубокого обучения. Итак, каков наилучший алгоритм обнаружения объектов? Faster-RCNN в 10 раз быстрее, чем Fast -RCNN, с аналогичной точностью наборов данных, таких как VOC- 2007 г. Вот почему Faster-RCNN оказался одним из самых точных алгоритмов обнаружения объектов . Далее возникает вопрос, для чего используется обнаружение объектов? Обнаружение объектов включает обнаружение экземпляров объектов из определенного класса в изображении. Целью обнаружения объектов является обнаружение всех экземпляров объектов из известного класса, например людей, автомобилей или лиц на изображении. В связи с этим, какая модель лучше всего подходит для обнаружения объектов? Лучшие предварительно обученные модели для обнаружения объектов в машинном обучении R-CNN. R-CNN использует метод выборочного поиска, чтобы найти области для обнаружения объектов после прохождения через сверточные сети. Resnet50. Resnet50 - это глубокая остаточная нейронная сеть, которая также может использоваться для обнаружения объектов. FPN. Retinanet. Yolo V3 / V2. Более быстрый R-CNN. SSD. Заключительные слова. Что такое обнаружение объектов в машинном обучении? Обнаружение объектов - это метод компьютерного зрения для обнаружения экземпляров объектов на изображениях или видео. Алгоритмы обнаружения объектов обычно используют машинное обучение или глубокое обучение для получения значимых результатов.

up