超级会员免费看
本文介绍了使用目标检测技术，特别是YOLOv4-tiny模型，来实现电车充电插孔的定位。通过Darknet框架进行训练，数据集来源于网络，包含约1000张手动标注的图像。训练结果显示，Class和Obj精度超过99%。然而，未见过的数据分布会导致漏检和错检，提示需要进行数据增强以提高模型的泛化能力。
好久没有更新目标检测实战里面的专栏文章了，最近又看到了有意思的事情了这里就想实践一下，先看效果图：
可能最开始直接去看这个图的话会觉得很突兀，接下来简单说下做的是什么东西，以及为什么会想做这么一个事情。
前几天的时候看到一个酷炫的视频介绍，Tesla正在研发能够自主完成充电插孔寻找定位并进行充电操作的只能充电头，脑补一下画面就觉得有一种科幻电影里面的既视感，这个只是题外话，从技术层面来理解这个功能的话其实还是一个图像处理的工作，需要在智能充电头上面装有摄像头，通过实时的视频流数据处理结果来不断地调整高度、角度等等，这是一个不断学习的过程，还是很复杂的，这也不是本文主要考虑的事情，在视频流数据处理的过程中有一个关键的技术就是目标检测技术，需要对摄像头传入的图像进行检测计算，确定充电插孔的位置等信息，用于指导机械头的运动，我这里也是做了简单的实践。
下面先看看下具体的数据集：
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
